FIELD ATLAS
로봇이 바꾸는 여섯 분야.
관심 있는 분야에서 시작해, 기술이 해결하려는 문제와 이어지는 이야기를 만나보세요.
2026.10.23 자료 기준 · 편집부 선정 자료
어디서부터 살펴볼지 막막하다면, 일상에서 접하는 로봇부터 알아보세요.
사람이 생활하는 공간에서 찾는 가능성
휴머노이드
로봇은 어떤 작업부터 사람과 같은 공간에서 하게 될까?
멋진 로봇 영상을 보면 기대와 궁금증이 함께 남습니다. 우리 집처럼 물건이 제자리에 없는 곳에서도 같은 일을 할 수 있을까요?
사람을 닮은 형태는 시작일 뿐입니다. 걷는 동안 균형을 유지하고, 손으로 물건을 다루고, 처음 보는 공간에 적응하는 능력이 하나로 이어져야 합니다. 탈로스는 멋진 시연 뒤에 남은 과제와 실제 현장에서 진행하는 시험을 함께 봅니다.
해결해야 할 과제
이동과 조작을 함께 수행하면서도 낯선 과제에서 성능을 유지하는 것. 성공한 장면 하나보다 반복 가능한 작업 범위가 중요합니다.
주요 활용 분야
제조 현장의 시범 운영, 물건 운반, 가정 환경에서의 이동·조작 연구를 따라갑니다.
IN PRACTICE
부품 하나를 옮기는 동안, 온몸은 무엇을 할까.
Boston Dynamics가 공개한 시연에서 Atlas는 엔진 커버를 공급 상자에서 운반대로 옮깁니다. 물체 인식과 잡기, 상태 추정을 연결한 사례입니다. 아래는 이 장면을 이해하기 위한 세 단계 설명입니다.
어디를 잡을지 찾기
상자와 부품의 위치를 파악하고 물체를 잡을 손의 자세를 정합니다. Boston Dynamics에 따르면 Atlas는 시각 모델로 주변 설비와 보관함의 위치를 파악합니다.
몸과 물체를 함께 옮기기
일반적으로 물체를 들면 몸이 받는 힘도 달라집니다. 손으로 물체를 잡는 동작과 팔·몸통·다리의 움직임을 함께 생각해야 운반을 이해할 수 있습니다.
놓을 때까지 상태 파악하기
Atlas는 시각 센서, 힘 센서, 몸의 상태를 감지하는 센서로 물체와 주변의 변화를 파악합니다. 공개 시연은 삽입 실패처럼 예상과 다른 상황에 반응하는 장면도 포함합니다.
WHAT THIS TELLS US
운반은 물체를 들어 올리는 동작부터 이동한 뒤 정해진 자리에 놓기까지의 전체 과정입니다.
TWO WORDS TO KNOW
이해를 돕는 핵심 용어
- 전신 제어
- 손·몸통·다리를 따로 움직이지 않고, 작업 목표와 몸의 균형을 함께 고려해 움직임을 정하는 제어입니다.
- 고유감각
- 관절의 위치·속도나 몸의 기울기처럼 로봇 자신의 상태를 감지하는 기능입니다. 카메라가 보는 바깥 장면과 구분됩니다.
관련 소식에서 확인할 점
- 걷기와 집기가 하나의 작업으로 이어지는지 봅니다.
- 익숙한 장면과 처음 보는 장면의 결과를 구분합니다.
- LocoManiLab의 51.5시간은 시뮬레이션 원격조작 데이터입니다.
제조 현장의 다음 세대
산업 로봇
시연에서 보여준 능력을 현장에서도 믿고 맡기려면?
반복되는 일을 줄이고 더 중요한 일에 집중하고 싶은 마음은 누구에게나 익숙합니다. 공장에서도 로봇이 어떤 일을 맡아 그 바람을 실현하는지부터 살펴봅니다.
산업 로봇의 이야기는 팔의 속도에서 끝나지 않습니다. 부품의 차이를 알아보고, 공정이 바뀌어도 적응하고, 사람이 일하는 흐름 속에서 제 역할을 해야 합니다. 생산 현장에서 기술이 어떤 일을 맡게 되는지 살펴봅니다.
해결해야 할 과제
연구 과정에서 로봇이 익힌 능력을 작업 조건과 품질 기준이 다른 현장으로 옮기는 것. 학습한 능력이 새 환경에서도 통하는지, 도입 후에도 검증됐는지 함께 살펴야 합니다.
주요 활용 분야
부품 조작과 조립, 공장 내 운반, 실험실 자동화처럼 반복 작업에도 다양한 조건이 생기는 현장을 살펴봅니다.
IN PRACTICE
조립이 끝난 뒤, 연결부를 다시 보는 로봇.
Universal Robots가 소개한 Comprehensive Logistics 사례에서는 카메라를 단 UR10이 자동차 조립품의 연결부를 검사합니다. 부품을 만드는 동작뿐 아니라, 다음 공정으로 보내기 전에 상태를 확인하는 일도 자동화의 중요한 역할입니다.
검사할 지점에 접근
고정 카메라로 보기 어려운 위치까지 로봇 팔이 카메라를 옮깁니다. 이 사례는 좁은 공간에 있는 연결부의 촬영 위치를 확보하는 데서 시작합니다.
연결 상태를 촬영
각 검사 지점의 사진으로 커넥터가 제대로 자리 잡고 잠겼는지 살핍니다. 같은 대상을 반복해서 관찰하기 좋은 위치로 카메라를 옮기는 일이 핵심입니다.
다음 조립품을 준비
촬영을 마친 팔은 대기 위치로 돌아옵니다. 검사 지점을 차례로 촬영하고 다음 조립품을 기다리는 과정을 반복하며 생산 라인과 연동됩니다.
WHAT THIS TELLS US
이 사례에서 로봇의 가치는 빠른 팔 동작보다, 필요한 장면을 반복해서 볼 수 있게 하는 데 있습니다.
TWO WORDS TO KNOW
이해를 돕는 핵심 용어
- 머신 비전
- 카메라 영상에서 위치·형태·결함 같은 작업 정보를 얻는 기술입니다. 조명과 촬영 각도도 결과에 영향을 줍니다.
- 지그·고정구
- 부품을 일정한 위치에 놓거나 작업 도구의 움직임을 안내하는 장치입니다. 로봇이 작업하는 조건을 일정하게 만드는 데 쓰입니다.
관련 소식에서 확인할 점
- 맡길 작업을 구체적으로 확인합니다. AGCO의 계획은 부품 분류·적재와 운반함 배치입니다.
- 도입 계약, 시범 운영, 성과 발표를 구분합니다.
- 반복 작업이 주변 공정과 어떻게 연결되는지 봅니다.
일상으로 이어지는 자율주행
모빌리티
로봇이 다닐 길, 사회도 준비됐을까?
우리는 목적지만큼 도착하는 과정도 중요하게 여깁니다. 사람과 장애물이 계속 움직이는 길에서, 로봇은 무엇을 보고 다음 움직임을 정할까요?
목적지를 아는 것과 안전하게 도착하는 것은 다릅니다. 이동 로봇은 사람과 장애물이 움직이는 공간에서 경로를 판단하고, 사용 장소의 규칙도 따라야 합니다. 기술과 제도가 함께 만드는 이동의 변화를 읽습니다.
해결해야 할 과제
처음 보는 환경에서 경로를 계획하는 기술, 사람과 공간을 공유하는 운영 조건, 상용화를 뒷받침할 제도를 함께 확인하는 것.
주요 활용 분야
공동주택의 배송, 공항·철도시설의 이동, 건설 현장과 재난 환경의 탐색이 주요 관심사입니다.
IN PRACTICE
어제 열려 있던 문이 오늘 닫혔다면.
Spot의 공식 Directed Exploration 문서는 기록한 순찰 경로가 막혔을 때를 설명합니다. 닫힌 문 앞에서 같은 경로를 반복해서 시도하는 대신, 센서 정보를 이용해 가까운 경유점으로 이어지는 다른 길을 찾는 사례입니다.
기록된 경로와 현재 상태를 비교
경로 지도는 방문할 지점과 그 사이의 연결을 담지만, 문이 열리고 닫힌 상태는 기록 당시와 다를 수 있습니다. 지금 관측한 장애물을 기존 경로와 함께 살펴봅니다.
다른 경로를 탐색
공식 문서에서는 기존 지도에서 우회 경로를 찾는 등의 시도 뒤 Directed Exploration을 사용합니다. 다른 열린 문을 통해 가까운 경유점으로 갈 수 있는지 살핍니다.
경로에 다시 합류
문서의 예에서는 우회로로 다음 경유점에 도착한 뒤 최종 목적지로 이어갑니다. 장애물을 피하는 동작과 원래 임무를 재개하는 판단이 연결됩니다.
WHAT THIS TELLS US
자율 이동은 처음 정한 경로를 따라가는 데서 끝나지 않습니다. 공간의 상태가 달라져도 목적지에 도달하도록 경로를 다시 찾는 일까지 포함합니다.
TWO WORDS TO KNOW
이해를 돕는 핵심 용어
- 경유점
- 목적지까지 가는 중간 기준 지점입니다. 여러 경유점과 그 사이의 연결로 이동 경로를 표현할 수 있습니다.
- 재계획
- 길이 막히거나 위치 추정이 달라졌을 때, 새로 얻은 정보로 이동 경로를 다시 정하는 과정입니다.
관련 소식에서 확인할 점
- 고정된 장애물과 움직이는 장애물을 구분해 살펴봅니다.
- 안전 보장의 전제를 봅니다. SANDO는 속도·크기·추정 오차에 일정한 범위를 가정합니다.
- 시뮬레이션 결과와 실제 비행 실험을 따로 확인합니다.
파종부터 제초와 수확까지
농업 로봇
작물을 지키면서 농사일을 맡기려면?
같은 밭도 씨앗을 심은 날과 잎이 자란 뒤의 모습은 다릅니다. 농업 로봇은 작물을 보호하면서 필요한 곳에만 작업해야 합니다. 파종 기록과 토양 상태, 생육 단계가 로봇의 움직임에 어떻게 반영되는지 살펴봅니다.
농업 로봇은 계절과 작물의 상태에 맞춰 일합니다. 씨앗을 심은 자리를 기억해 잡초를 제거하고, 잎에 가려진 열매를 찾아 수확하며, 흙길과 작물 줄 사이를 이동합니다. 같은 작업도 햇빛·토양·생육 단계에 따라 달라지는 현장을 살펴봅니다.
해결해야 할 과제
작물과 잡초를 구분하고, 가려진 열매에 접근하며, 달라지는 지면과 생육 조건에 대응하는 것. 주행 거리뿐 아니라 작물 손상과 사람이 개입한 상황까지 함께 살펴야 합니다.
주요 활용 분야
파종 위치를 활용한 기계 제초, 사족보행 로봇의 정밀 제초, 양팔 로봇의 사과 수확, 작물 줄 안팎을 오가는 자율주행을 다룹니다.
IN PRACTICE
씨앗을 심은 자리를 기억해, 작물 사이를 제초합니다.
덴마크의 FarmDroid가 판매하는 FD20은 태양광을 이용하는 파종·제초 로봇입니다. 씨앗을 심으면서 위치를 기록하고 이후 기계 제초에 활용합니다. 연구용 시제품이 아닌 상용 장비의 사례로, 아래에서는 파종부터 작물 보호까지 이어지는 작동 원리를 살펴봅니다.
파종하며 위치를 기록
FD20은 RTK GPS를 이용해 씨앗을 심은 위치를 저장합니다. 이후 작업은 이 파종 기록을 기준으로 하므로, 로봇이 어디를 지나갔는지뿐 아니라 어디에 씨를 뿌렸는지가 중요합니다.
줄 사이와 작물 사이를 제초
제초 도구는 작물 줄 사이와 같은 줄에 심긴 작물 사이를 나누어 다룹니다. 작물 사이에서는 제초 날이 줄 안팎으로 움직입니다. 파종 위치를 알기 때문에 싹이 눈에 보이기 전에도 제초를 시작할 수 있다고 제조사는 설명합니다.
자라는 작물의 공간을 남기기
씨앗 좌표 주변에는 제초 날이 들어가지 않을 보호 구역을 설정합니다. 제조사의 안내는 작물이 커지면 이 구역과 도구의 움직임 범위를 함께 검토하도록 설명합니다. 처음 심은 위치가 같아도 이후 작업 조건은 달라집니다.
WHAT THIS TELLS US
농업 자동화는 밭을 한 번 지나가는 성능만으로 설명되지 않습니다. 씨앗을 심은 기록을 이후의 생육과 제초 작업에 연결하는 과정이 중요합니다.
TWO WORDS TO KNOW
이해를 돕는 핵심 용어
- 줄 사이·작물 사이 제초
- 줄 사이 제초는 나란히 심은 작물 줄 사이를, 작물 사이 제초는 같은 줄에 있는 개별 작물 사이를 다룹니다. 작업 위치가 달라 도구의 경로와 피해야 할 공간도 달라집니다.
- 작물 보호 구역
- 씨앗을 심은 좌표 주변에 설정하는, 제초 날이 들어가지 않을 영역입니다. FarmDroid의 설정에서는 작물의 생장에 따라 크기를 다시 살펴야 하는 항목입니다.
관련 소식에서 확인할 점
- 어떤 작물과 파종 방식에 맞춰 설계됐는지 확인합니다.
- 씨앗을 심을 때 기록한 위치가 이후 제초에 어떻게 쓰이는지 봅니다.
- 작물의 생육 단계와 토양·날씨에 따라 작업 조건이 어떻게 달라지는지 살펴봅니다.
보고, 배우고, 움직이는 지능
로봇 AI
한 로봇이 배운 것을 다른 로봇도 쓸 수 있을까?
질문에 잘 답하는 것과 실제로 일을 잘하는 것은 다른 능력일 수 있습니다. 로봇 AI를 살펴볼 때도 지시를 이해하고, 판단하고, 몸을 움직이는 과정을 차례로 따라가 봅니다.
로봇의 AI는 화면 속 답변에서 한 걸음 더 나아갑니다. 물체를 보고, 접촉 상태를 파악한 뒤, 다음 행동을 선택해 몸을 움직여야 합니다. 학습 데이터와 모델이 실제 행동으로 이어지는 과정을 따라갑니다.
해결해야 할 과제
한 로봇이나 환경에서 배운 능력이 구조가 다른 로봇과 새로운 환경에서도 통하는지 확인하는 것. 모델의 범용성은 어떤 조건에서 적용할 수 있는지와 함께 살펴봅니다.
주요 활용 분야
촉각 기반 조작, 제조사가 다른 로봇 간 학습 전이, 옷처럼 변형되는 물체의 조작, 실험 자동화를 봅니다.
IN PRACTICE
말로 한 부탁이 손의 움직임이 되기까지.
Google DeepMind의 RT-2는 이미지와 언어 지시를 로봇의 동작으로 연결하는 VLA 연구입니다. 웹 자료와 로봇 시연 데이터를 함께 학습했습니다. 아래 흐름은 모델이 받은 입력을 다음 동작으로 바꾸는 과정을 쉽게 설명한 것입니다.
장면과 지시를 함께 읽기
어떤 물체가 있는지 보여주는 영상과 무엇을 해야 하는지 말하는 지시가 입력이 됩니다. 같은 장면이라도 지시에 따라 로봇이 선택할 물체가 달라집니다.
행동을 표현하기
RT-2는 위치·회전 변화와 그리퍼 상태 등의 행동을 토큰으로 표현합니다. 문장을 출력하는 모델을 로봇 행동과 연결하는 방법입니다.
움직인 뒤 다시 관측
로봇은 동작 뒤 달라진 장면을 다시 관찰하며 다음 움직임을 조절합니다. 처음 찍은 사진만으로 정한 동작을 끝까지 그대로 반복하는 방식과는 다릅니다.
WHAT THIS TELLS US
언어를 이해하는 능력과 물리적 동작의 능력이 만나는 지점입니다. 새로운 말을 알아들었다고 모든 새로운 작업까지 익힌 것은 아닙니다.
TWO WORDS TO KNOW
이해를 돕는 핵심 용어
- VLA · 시각·언어·행동 모델
- 이미지와 언어 지시를 받아 로봇의 행동을 출력하는 모델 계열입니다. 장면을 보고 설명하는 수준을 넘어 실제 움직임으로 이어지게 합니다.
- 모방학습과 강화학습
- 모방학습은 시연을 통해 동작 방법을 배우고, 강화학습은 행동 뒤 받는 보상을 바탕으로 제어 정책을 개선합니다. 한 시스템에서 함께 쓰일 수도 있습니다.
관련 소식에서 확인할 점
- 실패가 인식, 계획, 구동 중 어디에서 생기는지 봅니다.
- Alpha 연구는 시뮬레이션에 센서 지연과 미끄러짐 등의 오류를 일부러 발생시킵니다.
- 성공률을 비교하기 전에 같은 조건에서 비교했는지 확인합니다.
지구 너머의 새로운 임무
우주 로봇
지구에서 배운 움직임은 우주에서도 통할까?
익숙한 일을 낯선 환경에서 하면 생각보다 어려울 때가 있습니다. 우주 로봇도 움직임 조건이 달라진 환경에서 물체를 잡는 방법을 다시 찾아야 합니다.
지구 밖에서는 익숙한 물체 조작도 새로운 과제가 됩니다. 바닥이나 고정 장치의 지지 없이 떠 있는 물체를 잡으려 할 때 대상의 운동과 접촉을 함께 생각해야 합니다. 우주 로봇이 무엇을 할 수 있는지, 아직 어려운 것은 무엇인지 연구 결과를 통해 살펴봅니다.
해결해야 할 과제
자유롭게 움직이는 물체를 새로운 환경에서 붙잡는 것. 특정 목표에 맞춰 학습한 제어 정책과 범용 제어 정책의 성과를 같은 조건의 결과로 오해하지 않아야 합니다.
주요 활용 분야
우주선 내부의 물체 포획과 우주 환경의 로봇 조작을 다루는 벤치마크에서 연구의 출발점을 찾습니다.
IN PRACTICE
지구의 지시를 기다리지 않고, 눈앞의 바위를 피합니다.
NASA가 설명한 Perseverance의 AutoNav는 화성의 지형을 파악하고 장애물 주변의 경로를 정합니다. 지구의 탐사팀이 탐사 방향을 계획하고, 로버는 현장에서 필요한 주행 판단을 맡는 역할 분담입니다.
탐사 목표와 경로를 전달
지구의 탐사팀은 지형 영상과 탐사 목적을 바탕으로 이동 계획을 만듭니다. 통신 지연 때문에 바로 옆에서 조이스틱을 움직이듯 운전할 수는 없습니다.
현장에서 지형을 해석
AutoNav는 앞쪽 지형의 입체 지도를 만들고 위험 요소를 찾아 우회 경로를 계산합니다. 가까운 바위를 피할 때마다 새 지시를 받을 필요를 줄입니다.
실제 이동을 다시 확인
로버는 연속 영상 속 지형 특징의 위치 변화를 비교해 이동 거리를 추정하기도 합니다. 바퀴가 돌았다는 사실과 실제로 이동한 거리를 구분하는 데 도움을 줍니다.
WHAT THIS TELLS US
우주 로봇의 자율성은 사람의 역할을 없애기보다, 지구에서 세우는 계획과 현장에서 내리는 판단을 나누는 방식으로 이해할 수 있습니다.
TWO WORDS TO KNOW
이해를 돕는 핵심 용어
- 영상 기반 이동 거리 추정
- 연속 영상에 나타나는 지형 특징의 위치 변화를 이용해 얼마나 움직였는지 추정하는 방법입니다.
- 통신 지연
- 신호가 먼 거리를 이동하는 데 걸리는 시간입니다. 명령을 보낸 뒤 그 결과를 보고받기까지 시간 차이가 생깁니다.
관련 소식에서 확인할 점
- 정지한 목표물과 움직이는 목표물의 포획 결과를 구분합니다.
- 범용 제어 정책과 특정 물체 전용 제어 정책의 학습 조건을 봅니다.
- AstroBench의 2/200과 8/10은 서로 다른 실험의 결과입니다.