일본산업뉴스요약

일본발 AI 휴머노이드 로봇, 건설 현장 도입 예정
소음 환경에서도 제스처로 지시 1부

미국과 중국에서 선진 AI(인공지능)를 탑재한 휴머노이드 로봇의 사회 구현을 위한 노력이 가속화되는 가운데, 그동안 ‘뒤처진 느낌’이 강했던 일본에서도 건설 현장이나 공장 등에의 도입을 목표로 하는 일본 브랜드의 휴머노이드 로봇이 등장했다.

스타트업 donut robotics(도쿄)가 개발하여 2026년 1월 21일에 최초 공개한 ‘cinnamonn 1’이 주인공이다. 양산형 2족 보행 로봇으로, 현재는 중국 제조업체로부터 OEM(주문자 상표 부착 생산) 방식으로 공급받은 기체에 자체 AI를 탑재하고 있지만, 앞으로는 국산화를 목표로 하고 있다.

가장 큰 특징은 손이나 손가락 제스처로 로봇을 조작하는 ‘사일런트 제스처 컨트롤’이라는 donut robotics의 특허 기술을 지원한다는 점이다. 건설 현장, 공장, 공공장소 등 주변 소음이 심한 장소에서도 소리를 내지 않고도 손짓이나 손가락의 움직임만으로 로봇에게 동작 지시를 내릴 수 있다. donut robotics의 오노(小野) 대표이사는 “10년 이상의 로봇 개발 경험을 통해, 실제 현장에서는 로봇에게 목소리가 거의 전달되지 않는 경우가 있다는 점을 실감해, 이 기능을 착안하게 되었다”라고 설명했다.

donut robotics는 2025년 10월, 주택 및 인프라 보수를 다루는 엠비에스와 자본 업무 제휴를 맺었으며 건설 업계 등에 도입하는 것을 추진하고 있다. 오노 대표는 “2026년 말부터 2027년에 걸쳐 cinnamonn 1을 월 30만 엔에 대여할 예정이다”라고 밝혔다.

-- 가치 있는 휴머노이드 로봇의 조건 --
오노 대표는 세계적으로 휴머노이드 로봇의 개발 경쟁이 활발해지는 가운데, 사회에 가치 있는 로봇이 되기 위한 세 가지 조건을 제시했다. 바로 ‘(인간 수준으로) 대형인가’ ‘양산되고 있는가’ ‘스스로 생각할 수 있는가’이다.

휴머노이드 로봇 중에는 높이가 약 1미터 정도로 소형인 것도 있다. 이러한 로봇들은 격렬한 댄스나 백플립을 선보이며 사람들의 눈길을 끌지만, 인간의 업무는 30% 정도밖에 대체할 수 없다고 한다. 반면 인간과 비슷한 크기의 대형 로봇이라면 70% 정도의 대체가 가능하다고 한다. cinnamonn 1은 높이 약 170cm, 무게 약 70kg이다.

두 번째 조건인 양산화에 대해서는 “시제품은 1억 엔 이상이나 하기 때문에 세상에 널리 보급되지 못한다. 양산품이라면 1,000만~2,000만엔 대에 출시하고, 생산 수가 증가함에 따라 가격이 2분의 1, 3분의 1로 내려간다”고 말했다. cinnamonn 1의 기체는 약 1,800만 엔에 구입하고 있다고 한다.

세 번째 조건인 ‘스스로 생각할 수 있는가’는 현재 전 세계 개발 경쟁의 축이 되고 있는 로봇의 ‘뇌’, 즉 AI를 의미한다. “2023년에는 영상과 언어를 동시에 다룰 수 있는 머신러닝 모델인 시각 언어 모델(VLM: Vision-Language Model) 혁명이 일어났다. 이를 통해 대략적인 언어 지시만으로도 로봇이 이해할 수 있게 되었다. 그리고 2025년에는 영상과 언어를 모두 이해하고, 나아가 자율적으로 행동하는 시각·언어·행동(VLA: Vision-Language-Action) 혁명이 일어났다. 미국 테슬라나 중국 기업들은 현재 VLA 개발에 주력하고 있다”고 설명했다

인간을 대신해 현장에 도입해 여러 작업을 높은 정확도와 경제성을 확보하며 수행할 수 있는지는 이 VLA에 크게 의존한다. cinnamonn 1도 건설 현장이나 공장 등에서 자율적으로 행동하는 휴머노이드 로봇으로, 자체 개발한 VLA로 제어된다.

다만 VLA를 단련하기 위해서는 현실 공간의 방대한 데이터가 필요하다. 이에 donut robotics는 일본 내에 ‘VLA 데이터 센터’를 설립한다. 구체적으로는 지방자치단체의 협조 아래 로봇의 최종 조립도 가능한 넓은 장소를 확보할 예정이다. 그곳에 약 50대의 휴머노이드 로봇을 도입해 인간의 동작을 모션 캡처로 데이터화하고, 이를 로봇이 모방할 수 있는 형태의 행동 데이터로 변환해 나간다. 즉, 특정 영상과 지시가 주어졌을 때 인간이 어떤 행동을 했는지에 대한 데이터를 대량으로 수집하는 것이다. 설립은 2026년 내로 예정되어 있다.

“현장이나 상황을 이해하는 수준이라면 VLM으로 충분하지만, VLA가 없으면 로봇은 자율적으로 행동할 수 없다. 우선은 무엇이든 잡을 수 있도록 범용적인 태스크부터 트레이닝을 시작한다”(오노 대표).

2026년 말경으로 계획된 건설 현장 초기 도입에서는 먼저 현장 영상을 촬영해 전송하는 현장 감독 업무를 맡는다. 그 후에는 촬영한 방대한 영상 등을 통해 VLA를 단련하여, 2027년에는 현장에서 직접 작업을 시작하는 것을 목표로 하고 있다.
 

-- 끝 --

Copyright © 2026 [Nikkei XTECH] / Nikkei Business Publications, Inc. All rights reserved.