손가락 하나의 감각을 복제하기 위해 필요한 것: 피지컬 AI와 촉각 센서의 장벽

모니터 속에서 수십만 줄의 코드를 리팩토링하고 정교한 투자 보고서를 써내는 AI 에이전트를 보고 있으면, 인간의 육체 노동 역시 조만간 기계에 자리를 내어줄 것처럼 느껴진다.

하지만 시선을 컴퓨터 화면에서 떼어내 공장 조립 라인이나 주방의 싱크대로 옮겨보면 풍경은 완전히 달라진다. 찌그러진 종이컵을 구기지 않고 집어 올리기, 미끄러운 플라스틱 케이블을 좁은 틈새에 딸깍 소리가 나도록 끼워 넣기, 두부 한 모를 으깨지 않고 도마 위로 옮기기. 인간에겐 생각할 필요조차 없는 이 지극히 평범한 손가락의 동작 앞에서, 최신 거대 멀티모달 모델을 탑재한 로봇 팔들은 여전히 헛손질을 반복한다.

지능의 복제보다 육체의 복제가 훨씬 가혹한 이유가 여기에 있다.

시각의 착시와 촉각의 부재

현재 로보틱스 진영에서 가장 널리 쓰이는 접근법은 ‘비전 기반 엔드투엔드 모델(VLA, Vision-Language-Action)‘이다. 카메라로 환경을 보고, 언어로 명령을 이해한 뒤, 관절 모터를 회전시키는 방식이다.

그러나 시각 정보만으로는 결코 해결할 수 없는 영역이 있다. 바로 ‘접촉의 순간’이다. 손가락 끝이 물체 표면에 닿는 찰나의 마찰력, 표면의 거칠기, 물체가 미세하게 미끄러지기 시작할 때 발생하는 미세한 전단력(Shear force)은 카메라 화각 밖에서 일어난다. 손가락이 물체를 가리는 순간 로봇은 사실상 눈을 감은 채 손을 뻗는 꼴이 된다.

인간의 손가락 끝에는 제곱센티미터당 수백 개의 기계적 수용체(Mechanoreceptor)가 촘촘히 박혀 있다. 우리는 눈으로 보고 손을 쥐는 것이 아니라, 손끝에 닿는 촉감 피드백에 따라 실시간으로 악력을 미세 조정한다. 이 촉각 피드백 루프의 지연 시간이 10밀리초(ms)를 넘어가면 물체는 손에서 미끄러져 떨어지거나, 반대로 과도한 힘에 짓눌려 바스러진다.

0.1밀리미터의 유격과 백래시(Backlash)의 복수

소프트웨어 에이전트는 코드를 잘못 짜면 예외(Exception)를 던지고 프로세스를 재시작하면 그만이다. 한 번의 실패 비용이 사실상 0에 수렴한다.

물리 세계는 정반대다. 기계 부품 사이의 미세한 기어 유격(Backlash), 서보 모터의 미세한 온도 변화에 따른 토크 편차, 그리고 수천 번 물체를 쥐고 놓는 과정에서 마모되는 실리콘 피부는 가상 시뮬레이션(Sim2Real)에서 아무리 정교하게 학습해도 완벽히 모사할 수 없다. 0.1밀리미터의 오차로 반도체 웨이퍼를 깨뜨리거나 고가의 전자 장비를 손상시키는 순간 발생하는 수억 원대의 물리적 손실을 책임질 수 있는 소프트웨어 알고리즘은 없다.

결국 피지컬 AI의 진정한 병목은 파운데이션 모델의 파라미터 수가 아니라, 내구성과 유연성을 갖춘 고밀도 촉각 센서(Tactile Sensor)와 오차 없는 초정밀 감속기라는 극도로 무거운 하드웨어 제조 기술에 묶여 있다.

손끝의 감각을 얻기까지 치러야 할 비용

디지털 세상에서 똑똑한 모델을 만드는 일은 상대적으로 쉬운 축에 속했다. 인터넷에 널린 텍스트와 이미지라는 공짜 레버리지가 존재했기 때문이다.

하지만 물리 세계의 동작 데이터는 공짜가 아니다. 로봇 한 대가 손가락을 천 번 쥐었다 펴는 데이터를 모으려면 모터가 마모되는 시간과 부품 교체 비용을 고스란히 치러야 한다. 실리콘 밸리의 소프트웨어 엔지니어들이 물리적 마찰과 기계적 한계라는 냉혹한 벽을 통과하지 않고서는, 온전한 신체성(Embodiment)을 갖춘 피지컬 AI는 결코 공장 문턱을 넘을 수 없다. 진짜 혁신은 스크린 너머의 거친 표면을 만지는 손끝에서 시작된다.