WRC 2026이 보여준 중국 로봇 산업의 다음 단계

2026년 8월 19일부터 23일까지 중국 베이징 경제기술개발구 이좡에서 열린 세계로봇대회(WRC 2026)는 로봇 산업이 과시용 퍼포먼스에서 실제 업무로 무게중심을 옮기고 있음을 보여줬다. 전시장에서는 로봇이 택배를 분류하고, 생산 공정을 보조하고, 음식을 조리하고, 가정일을 수행했다. 익숙한 인간형 로봇의 춤과 격투 시연도 있었지만, 더 중요한 질문은 따로 있었다. 로봇이 한 번 멋진 동작을 해낼 수 있느냐가 아니라, 변화하는 현장에서 충분히 안정적으로 반복 작업을 수행해 사업 운영에 편입될 수 있느냐는 질문이다. 3417

동시에 범용 로봇을 움직일 소프트웨어의 정답은 아직 정해지지 않았다. 기업들은 물리 세계를 이해하는 능력, 학습 데이터, 새로운 상황에 적응하는 능력을 어떤 방식으로 확보할지 서로 다른 해법을 내놓고 있다.

‘보여주는 로봇’에서 ‘일하는 로봇’으로

대회의 주제인 ‘인간-로봇 공생, 생산-수요 융합’은 기술 자체보다 적용 분야와 구매자를 전면에 내세웠다. 전시장에는 택배 분류, 휴대전화 포장, 자재 운반, 안내·접객, 소매, 가사 작업 등이 등장했다. 로이터는 중국 로봇 업계가 관객의 환호를 끌어내는 시연을 넘어 더 폭넓은 상업적 활용으로 나아가려 한다고 전하면서도, 전시 시연만으로 지속적이고 확장 가능한 배치를 입증할 수는 없다고 지적했다. 217

이 차이는 작지 않다. 준비된 전시장 바닥에서 작업을 한 번 완수하는 것은 기술적 가능성을 보여준다. 반면 변수가 많은 실제 사업장에서 같은 일을 반복적으로 수행하는 것은 운영 가능한 제품임을 증명하는 일이다. WRC 2026은 대규모 보급이 이미 이뤄졌다는 선언이라기보다, 시연에서 현장 적용으로 넘어가는 과정이 본격화됐다는 신호에 가까웠다.

주요 전시 사례는 다음과 같다.

• X Square Robot은 물류와 가정을 하나의 모델로 연결하는 접근을 선보였다. 로봇은 옷 정리, 청소, 배송품과 음료 가져오기, 화분 물주기 등 다양한 집안일을 수행했다.
• UBTECH는 여러 인간형 로봇이 들어 올리기, 쌓기, 분류, 재고 보충을 순서대로 수행하는 물류 작업 흐름을 시연했다. 서비스용 전신 인간형 로봇 Walker C1은 안내와 같은 대면 업무를 겨냥했다.
• JD.com은 Unitree R1 인간형 로봇에 자사의 JoyInside AI 플랫폼을 적용해 로봇개를 산책시키는 장면을 보여줬다. 이는 JD.com이 로봇의 잠재적 사용자인 동시에 AI 플랫폼과 생태계 참여자라는 점을 부각했다.
• 자동 조리, 커피 제조, 로봇 소매점 등 식음료·유통·서비스 시연은 로봇 산업의 상업화 의도를 관람객에게 직접 보여줬다. 516

제공된 자료만으로는 AI² Robotics나 LimX Dynamics가 WRC 2026에서 구체적으로 어떤 적용 사례를 선보였는지 확인할 수 없다. 따라서 이들 기업의 전시 내용을 확대해 해석해서는 안 된다.

전시 규모가 곧 산업 성숙도는 아니다

대회의 외형적 규모는 상당했다. 주최 측에 따르면 닷새 동안 국내외 373개 기업이 참가했고, 3,000여 제품과 311개 신제품이 공개됐다. 전시는 완성 로봇, 핵심 부품, 산업 협력, 다양한 응용 분야를 아우르는 형태로 구성됐다. 34

이 규모가 의미 있는 이유는 로봇 제조사만 모인 행사가 아니라 상용화에 필요한 여러 층위가 한자리에 모였기 때문이다. 로봇 본체와 액추에이터·센서, 칩, 데이터 수집 시스템, 기반 모델, 응용 소프트웨어, 잠재 고객이 하나의 전시장에서 연결됐다. 특히 정밀 작업을 위한 로봇 손, 힘 센서, 관절 모듈, 칩 같은 핵심 부품도 주요 전시 대상으로 부상했다. 5

다만 숫자는 신중하게 읽어야 한다. 참가 기업 수와 제품 수는 산업 활동과 시장의 기대를 보여줄 뿐, 수천 대의 로봇이 수익성 있게 대규모 운영되고 있다는 뜻은 아니다. 이번 대회에서 더 주목할 신호는 제품 숫자 자체보다 시연과 구체적인 업무의 연결이었다. 자재 운반, 택배 분류, 재고 보충, 고객 응대, 가사처럼 누가 비용을 지불할지 비교적 분명한 작업들이 전시장에 등장했다.

구현형 AI를 둘러싼 ‘경로 분화’

대회는 또 하나의 근본적인 전략 질문을 드러냈다. 적응력 있는 로봇 지능을 가장 효율적으로 만드는 방법은 무엇인가?

경로 1: 인간의 영상을 대규모로 학습하기

Dyna Robotics의 Dyna-2는 한 가지 접근법을 대표한다. 회사 설명에 따르면 Dyna-2는 조작 작업을 위한 ‘월드 액션 모델’로, 100만 시간 이상의 인간 시점 영상을 사전학습했다. 이는 사람이 깨어 있는 상태로 약 170년 동안 계속 경험한 분량에 해당한다. 이 접근법은 대규모 영상에서 장면이 어떻게 변하고, 물체가 접촉에 어떻게 반응하며, 사람이 물리적 행동을 어떻게 수행하는지를 학습해 부족한 로봇 행동 데이터를 보완하려는 발상이다.

Dyna Robotics는 Dyna-2가 여러 로봇 플랫폼으로 전이될 수 있고, 추가 미세조정에도 몇 시간만 필요하다고 주장한다. 그러나 이는 회사가 보고한 성능이며, 범용 로봇 능력에 대한 독립적 검증과는 구분해야 한다.

경로 2: 짧은 시연만으로 빠르게 적응하기

Generalist의 GEN-1.5는 다른 방향을 강조한다. 회사는 GEN-1.5를 단 한 번의 시연으로 몇 초 안에 새로운 작업을 학습하며, 경사 업데이트나 미세조정 없이 작동하는 멀티모달 로봇 기반 모델이라고 설명한다. 이 시스템은 영상과 함께 센서, 언어, 자기수용감각 입력을 처리하고 행동 궤적을 출력한다.

이 방식의 핵심은 ‘상황 내 적응’이다. 새로운 작업마다 로봇을 다시 학습시키는 대신 작업자가 방법을 보여주면, 모델이 그 지시를 새로운 상황에 일반화하려고 시도한다. Dyna-2와 마찬가지로 현재 공개된 근거는 주로 기업이 제시한 자료에 기반하므로, 해당 주장은 확정된 업계 표준이라기보다 보고된 성능으로 받아들일 필요가 있다.

아직 풀리지 않은 문제

두 접근법은 업계가 아직 선택하지 못한 여러 갈림길을 보여준다.

• 인간 영상만으로 로봇과 상호작용하지 않고도 유용한 물리 지식을 얼마나 학습할 수 있는가?
• 시뮬레이션이나 녹화된 시연보다 실제 환경에서 수집한 데이터가 더 유용한 순간은 언제인가?
• 더 큰 모델, 세계 모델링, 모방학습, 빠른 작업 적응 중 무엇을 우선해야 하는가?
• 센서, 형태, 제어 한계가 서로 다른 로봇 사이에서 학습 내용을 안정적으로 전이할 수 있는가?

현재 근거만으로는 승리한 아키텍처나 단일한 학습법을 말할 수 없다. 이 ‘경로 분화’는 부차적인 기술 논쟁이 아니다. 새로운 작업과 환경, 새로운 형태의 로봇을 추가하는 데 드는 비용이 얼마나 커질지를 결정하는 핵심 변수다.

로봇 산업의 ‘착륙의 해’가 의미하는 것

WRC 2026이 보여준 전략은 두 갈래다. 기업들은 창고, 조립, 물류, 유통, 서비스처럼 경제적 필요가 분명한 분야를 먼저 공략하는 동시에, 더 범용적인 구현형 지능을 위한 기반 모델·데이터 인프라·하드웨어에 계속 투자하고 있다. 24

이는 현실적인 선택이다. 제한된 목적의 로봇은 범용 로봇 문제를 해결하지 못하더라도 당장 고객 피드백과 운영 데이터를 만들어낼 수 있다. 인간형 로봇이 가장 큰 관심을 끌 수는 있지만, 특정 작업에서는 바퀴 달린 로봇이나 전용 기계가 걷는 로봇보다 적합할 수 있다. 실제로 대회에서 생산적인 업무를 수행한 로봇 상당수는 두 발로 걷기보다 바퀴로 이동했다는 보도도 나왔다.

결국 로봇 시장은 기술적 최전선의 승자가 정해지기 전에 먼저 상용화되고 있다. WRC 2026은 범용 인간형 로봇의 시대가 이미 도래했다는 선언이 아니었다. 오히려 인상적인 시연을 반복 가능한 업무 흐름으로 바꾸고, 그 과정에서 얻은 현장 데이터를 활용해 기술을 개선할 수 있는지가 업계의 진짜 시험대라는 점을 보여준 행사였다.