2026년 세계 로봇 대회(WRC 2026)에서 시냅스엑스(SynapX)는 완성형 휴머노이드를 먼저 만드는 대신, 로봇 여러 대에 옮겨 쓸 수 있는 ‘물리적 지능’의 기반부터 구축하겠다는 전략을 내놨습니다. 회사가 공개한 ‘뇌·손·데이터(Brain–Hand–Data)’ 체계는 SYNWorld 구현형 세계 기반 모델, OctoH-Hand 고자유도 정밀 로봇 손, OctoSense 데이터 수집 솔루션을 하나로 묶습니다. 12

시냅스엑스의 관점에서 로봇의 핵심 경쟁력은 사람처럼 생겼는지, 두 발로 걸을 수 있는지가 아닙니다. 물리 세계가 어떻게 움직이는지 이해하고, 물체와 정밀하게 상호작용하는 능력이 더 중요하다는 것입니다. 이론적으로 같은 ‘두뇌와 손’ 조합을 서로 다른 로봇 몸체, 로봇 팔, 고정형 작업대에 장착할 수 있다면 특정 휴머노이드 한 대에 묶이지 않는 기술 플랫폼을 만들 수 있습니다. 114

시냅스엑스가 공개한 세 가지 축

SYNWorld: 물리 세계를 이해하는 ‘뇌’

시냅스엑스는 SYNWorld V0.5를 구현형 AI에 특화한 범용 세계 기반 모델이라고 설명합니다. 작업마다 별도의 동작 프로그램을 짜는 대신, 빵을 굽거나 옷을 개거나 퍼즐을 맞추는 여러 과제에 공통으로 적용되는 물리적 규칙을 학습시키겠다는 구상입니다. 전시에서는 식빵 굽기, 옷 개기, 정밀 퍼즐 맞추기 등의 시연이 진행됐습니다. 1922

SYNWorld는 두 가지 기능으로 소개됐습니다. **동작 제어형 세계 모델(ACWM)**은 특정 행동을 했을 때 주변 환경이 어떻게 바뀔지 예측하고, **세계-행동 모델(WAM)**은 현재 상태와 예상되는 미래를 바탕으로 로봇의 움직임을 생성합니다. 회사에 따르면 SYNWorld V0.5의 파라미터 규모는 160억 개이며, 30만 시간 이상의 멀티모달 데이터로 학습했습니다. 14

이 목표가 실제로 달성된다면 한 번 학습한 물리적 규칙을 여러 작업과 로봇 형태에 전이할 수 있습니다. 다만 전시 시연을 벗어난 환경에서도 이런 일반화가 안정적으로 작동하는지는 아직 핵심 검증 과제로 남아 있습니다.

OctoH-Hand: 섬세한 조작을 맡는 ‘손’

OctoH-Hand는 여러 손가락을 동시에 움직이고, 엄지손가락을 마주 보게 하며, 손끝을 정밀하게 제어하도록 설계된 고자유도 생체모방 로봇 손입니다. 공개된 사양에 따르면 손에는 힘줄 구동 방식을, 팔뚝에는 모터 직접 구동 방식을 결합했습니다. 독립 제어 액추에이터 28개, 능동 자유도 23개, 촉각 센서 1,900개 이상을 갖췄다고 회사와 관련 보도가 전했습니다. 418

일반적인 집게와 다른 점은 폐루프 상호작용입니다. 손을 물체에 갖다 대고 닫는 것만으로는 부족합니다. 접촉 위치와 압력, 힘의 변화를 계속 감지하면서 잡는 힘을 조절해야 합니다. 너무 세게 누르면 부서지고, 약하게 잡으면 미끄러지는 빵이나 식재료처럼 부드럽고 깨지기 쉬운 물체를 다룰 때 특히 중요한 기술입니다. 시냅스엑스는 촉각과 힘 제어를 부가 기능이 아니라 조작 능력의 핵심으로 보고 있습니다. 14

OctoSense: 사람의 작업을 학습 데이터로 바꾸는 ‘데이터’

OctoSense는 사람이 실제로 작업하는 방식을 기록하는 착용형 데이터 수집 체계입니다. 공개된 장비에는 어안 카메라 헤드셋, 근전도(EMG) 손목 밴드, 외골격형 데이터 장갑 등이 포함됩니다. 이를 통해 사람이 무엇을 보고 있는지, 몸과 손을 어떻게 움직이는지, 물체에 얼마나 많은 힘과 압력·토크를 가하는지, 어떤 접촉이 일어나는지를 함께 수집하려는 것입니다. 1512

시냅스엑스는 이 데이터를 로봇 손의 관절 구조와 센싱 체계에 더 직접적으로 맞추면 사람의 동작을 로봇 동작으로 변환하는 ‘리타게팅’ 문제를 줄일 수 있다고 설명합니다. 근전도 신호가 사람마다 다른데도 별도 보정 없이 적용되는 ‘개인 간 제로샷 일반화’도 주장했지만, 공개된 자료만으로는 대규모 환경에서의 신뢰성을 독립적으로 확인하기 어렵습니다. 5720

핵심은 제품 세 개가 아니라 데이터 선순환

세 제품은 서로 따로 판매되는 부품이 아니라 다음과 같은 순환 구조를 이루도록 설계됐습니다.

1. 사람이 일상적인 물리 작업을 시범으로 보여줍니다.
2. OctoSense가 시각, 자세, 동작, 근육, 힘, 압력, 촉각 데이터를 동기화해 기록합니다.
3. SYNWorld가 물리적 결과를 예측하고 행동 전략을 생성합니다.
4. OctoH-Hand가 촉각과 힘 피드백을 바탕으로 동작을 실행합니다.
5. 실제 결과와 새로운 시범 데이터가 다음 학습에 다시 투입됩니다.

시냅스엑스가 거는 승부는 이 데이터 수집→세계 이해→행동 생성→현실 피드백의 고리가 모델이나 로봇 손, 휴머노이드 차체를 각각 따로 개선하는 것보다 더 많은 기술 전이를 만들어낼 수 있다는 데 있습니다. 모델이 좋아지면 손이 더 다양한 상황에서 작동하고, 손이 더 많은 현장에 투입되면 다시 풍부한 데이터가 쌓이는 구조입니다. 137

왜 휴머노이드 몸체보다 ‘뇌와 손’인가

휴머노이드 형태에는 분명한 장점이 있습니다. 사람이 쓰도록 만들어진 공간과 도구를 그대로 활용할 가능성이 있기 때문입니다. 하지만 시냅스엑스는 다리와 몸통을 범용 배치 플랫폼으로 보고, 여러 환경에서 반복 사용할 수 있는 세계 모델과 엔드 이펙터(로봇 팔 끝의 작업 장치)를 더 근본적인 기반으로 봅니다.

이는 기술 전략인 동시에 사업 전략입니다. 시냅스엑스는 모든 완성형 로봇을 직접 제조하거나 공장·식당·가정의 최종 서비스를 직접 운영하기보다, 범용 모델과 정밀 손, 데이터 인프라를 제공하는 물리 AI 기반 계층 기업을 지향합니다. 파트너가 각자의 로봇 몸체와 작업 환경을 통합하면, 시냅스엑스는 여러 시스템에 이식할 수 있는 ‘물리적 기술’을 공급한다는 구상입니다. 2314

걷기는 시각적으로 인상적이지만 상업 현장의 많은 작업은 이동보다 조작에 좌우됩니다. 부드러운 식품을 집고, 정해진 위치에 놓고, 적절한 압력을 가하고, 예상 밖의 접촉에 대응하는 일은 모두 손과 센서, 힘 제어의 문제입니다.

‘중학교 졸업생 수준의 실리콘 노동자’라는 비유

시냅스엑스 창업자 두달룡이 말한 ‘중학교 졸업생 수준의 실리콘 노동자’는 교육 수준을 문자 그대로 뜻하는 표현이라기보다, 로봇의 초기 경제성과 능력을 설명하는 비유에 가깝습니다.

완벽하게 인간과 같은 범용 노동자를 곧바로 만들겠다는 것이 아니라, 비교적 저렴한 디지털 작업자가 지시를 따르고 작업 공간을 파악하며, 양손을 사용하고, 시범을 통해 배우고, 감독 아래 일반적인 업무를 수행하도록 하겠다는 구상입니다. 한 장소에서 익힌 기술을 다른 로봇과 작업 환경에 맞게 조정할 수 있다면, 기계마다 처음부터 별도 프로그램을 만드는 비용을 줄일 수 있습니다.

다만 이는 현재 입증된 배치 성과가 아니라 기업의 비전입니다. 실제 경제성은 신뢰성, 안전성, 하드웨어 가격, 유지보수 비용, 필요한 인간 감독 수준에 달려 있습니다.

왜 하필 햄버거인가

두달룡이 햄버거 만들기를 구현형 AI의 ‘챗GPT 순간’으로 제시하는 이유는 단순한 집기·놓기 시연보다 훨씬 많은 능력을 한꺼번에 요구하기 때문입니다.

로봇은 모양과 질감이 서로 다른 재료를 다뤄야 하고, 여러 손가락을 협응해야 하며, 누르거나 자르는 힘을 조절해야 합니다. 재료를 정해진 순서와 위치에 맞춰 배치하는 동시에, 너무 세게 잡아 으깨거나 너무 약하게 잡아 떨어뜨리지 않도록 접촉을 섬세하게 감지해야 합니다.

만약 로봇이 재료와 도구, 작업 공간이 달라져도 사람보다 더 안정적으로 햄버거를 만들 수 있다면, 이는 정해진 동작만 반복하는 자동화에서 재사용 가능한 물리 기술로 넘어가는 신호가 될 수 있습니다. 포장재와 빵, 채소를 집고, 소스를 나누어 담고, 재료를 조립하고, 작업대를 정리하는 등 식음료 서비스의 여러 작업으로 기술을 확장할 여지도 생깁니다.

두달룡이 제시한 1~2년이라는 시점은 검증된 업계 전망이 아니라 목표에 가깝게 봐야 합니다. 현재 공개된 자료는 시냅스엑스의 제품 설명과 시연을 뒷받침하지만, 해당 일정이 실현된다는 사실까지 입증하지는 않습니다. 14

테슬라 비교가 보여주는 것과 보여주지 않는 것

테슬라 옵티머스와의 비교는 로봇 손이 왜 주목받는지 보여주는 사례입니다. 한 보도는 일론 머스크가 옵티머스의 엔지니어링 작업 중 대략 절반이 손에 투입됐다고 말했다고 전했습니다. 이는 한 휴머노이드 프로그램에서 손이 얼마나 어렵고 중요한 부품으로 여겨지는지 보여주는 근거입니다. 23

그러나 이를 테슬라 하드웨어 연구개발 예산의 절반이 손에 들어갔다는 의미로 확대해서는 안 됩니다. 인용된 자료가 뒷받침하는 것은 엔지니어링 노력에 관한 표현이지, 테슬라의 세부 예산 배분 내역이 아닙니다.

시냅스엑스의 주장은 더 좁고 현실적입니다. 아무리 강력한 로봇 두뇌라도 안정적인 손재주와 풍부한 촉각, 정밀한 힘 제어가 없다면 사람이 매일 하는 단순한 물리 작업조차 수행하기 어렵다는 것입니다. WRC에서 시냅스엑스는 그래서 하나의 보편적 로봇 몸체보다 모델·손·데이터라는 물리 AI의 핵심 부품을 먼저 상품화하겠다는 로드맵을 제시했습니다.

2026년 세계 로봇 대회(WRC 2026)에서 시냅스엑스(SynapX)는 완성형 휴머노이드를 먼저 만드는 대신, 로봇 여러 대에 옮겨 쓸 수 있는 ‘물리적 지능’의 기반부터 구축하겠다는 전략을 내놨습니다. 회사가 공개한 ‘뇌·손·데이터(Brain–Hand–Data)’ 체계는 SYNWorld 구현형 세계 기반 모델, OctoH-Hand 고자유도 정밀 로봇 손, OctoSense 데이터 수집 솔루션을 하나로 묶습니다. 12

시냅스엑스의 관점에서 로봇의 핵심 경쟁력은 사람처럼 생겼는지, 두 발로 걸을 수 있는지가 아닙니다. 물리 세계가 어떻게 움직이는지 이해하고, 물체와 정밀하게 상호작용하는 능력이 더 중요하다는 것입니다. 이론적으로 같은 ‘두뇌와 손’ 조합을 서로 다른 로봇 몸체, 로봇 팔, 고정형 작업대에 장착할 수 있다면 특정 휴머노이드 한 대에 묶이지 않는 기술 플랫폼을 만들 수 있습니다. 114

시냅스엑스가 공개한 세 가지 축

SYNWorld: 물리 세계를 이해하는 ‘뇌’

시냅스엑스는 SYNWorld V0.5를 구현형 AI에 특화한 범용 세계 기반 모델이라고 설명합니다. 작업마다 별도의 동작 프로그램을 짜는 대신, 빵을 굽거나 옷을 개거나 퍼즐을 맞추는 여러 과제에 공통으로 적용되는 물리적 규칙을 학습시키겠다는 구상입니다. 전시에서는 식빵 굽기, 옷 개기, 정밀 퍼즐 맞추기 등의 시연이 진행됐습니다. 1922

SYNWorld는 두 가지 기능으로 소개됐습니다. **동작 제어형 세계 모델(ACWM)**은 특정 행동을 했을 때 주변 환경이 어떻게 바뀔지 예측하고, **세계-행동 모델(WAM)**은 현재 상태와 예상되는 미래를 바탕으로 로봇의 움직임을 생성합니다. 회사에 따르면 SYNWorld V0.5의 파라미터 규모는 160억 개이며, 30만 시간 이상의 멀티모달 데이터로 학습했습니다. 14

이 목표가 실제로 달성된다면 한 번 학습한 물리적 규칙을 여러 작업과 로봇 형태에 전이할 수 있습니다. 다만 전시 시연을 벗어난 환경에서도 이런 일반화가 안정적으로 작동하는지는 아직 핵심 검증 과제로 남아 있습니다.

OctoH-Hand: 섬세한 조작을 맡는 ‘손’

OctoH-Hand는 여러 손가락을 동시에 움직이고, 엄지손가락을 마주 보게 하며, 손끝을 정밀하게 제어하도록 설계된 고자유도 생체모방 로봇 손입니다. 공개된 사양에 따르면 손에는 힘줄 구동 방식을, 팔뚝에는 모터 직접 구동 방식을 결합했습니다. 독립 제어 액추에이터 28개, 능동 자유도 23개, 촉각 센서 1,900개 이상을 갖췄다고 회사와 관련 보도가 전했습니다. 418

일반적인 집게와 다른 점은 폐루프 상호작용입니다. 손을 물체에 갖다 대고 닫는 것만으로는 부족합니다. 접촉 위치와 압력, 힘의 변화를 계속 감지하면서 잡는 힘을 조절해야 합니다. 너무 세게 누르면 부서지고, 약하게 잡으면 미끄러지는 빵이나 식재료처럼 부드럽고 깨지기 쉬운 물체를 다룰 때 특히 중요한 기술입니다. 시냅스엑스는 촉각과 힘 제어를 부가 기능이 아니라 조작 능력의 핵심으로 보고 있습니다. 14

OctoSense: 사람의 작업을 학습 데이터로 바꾸는 ‘데이터’

OctoSense는 사람이 실제로 작업하는 방식을 기록하는 착용형 데이터 수집 체계입니다. 공개된 장비에는 어안 카메라 헤드셋, 근전도(EMG) 손목 밴드, 외골격형 데이터 장갑 등이 포함됩니다. 이를 통해 사람이 무엇을 보고 있는지, 몸과 손을 어떻게 움직이는지, 물체에 얼마나 많은 힘과 압력·토크를 가하는지, 어떤 접촉이 일어나는지를 함께 수집하려는 것입니다. 1512

시냅스엑스는 이 데이터를 로봇 손의 관절 구조와 센싱 체계에 더 직접적으로 맞추면 사람의 동작을 로봇 동작으로 변환하는 ‘리타게팅’ 문제를 줄일 수 있다고 설명합니다. 근전도 신호가 사람마다 다른데도 별도 보정 없이 적용되는 ‘개인 간 제로샷 일반화’도 주장했지만, 공개된 자료만으로는 대규모 환경에서의 신뢰성을 독립적으로 확인하기 어렵습니다. 5720

핵심은 제품 세 개가 아니라 데이터 선순환

세 제품은 서로 따로 판매되는 부품이 아니라 다음과 같은 순환 구조를 이루도록 설계됐습니다.

1. 사람이 일상적인 물리 작업을 시범으로 보여줍니다.
2. OctoSense가 시각, 자세, 동작, 근육, 힘, 압력, 촉각 데이터를 동기화해 기록합니다.
3. SYNWorld가 물리적 결과를 예측하고 행동 전략을 생성합니다.
4. OctoH-Hand가 촉각과 힘 피드백을 바탕으로 동작을 실행합니다.
5. 실제 결과와 새로운 시범 데이터가 다음 학습에 다시 투입됩니다.

시냅스엑스가 거는 승부는 이 데이터 수집→세계 이해→행동 생성→현실 피드백의 고리가 모델이나 로봇 손, 휴머노이드 차체를 각각 따로 개선하는 것보다 더 많은 기술 전이를 만들어낼 수 있다는 데 있습니다. 모델이 좋아지면 손이 더 다양한 상황에서 작동하고, 손이 더 많은 현장에 투입되면 다시 풍부한 데이터가 쌓이는 구조입니다. 137

왜 휴머노이드 몸체보다 ‘뇌와 손’인가

휴머노이드 형태에는 분명한 장점이 있습니다. 사람이 쓰도록 만들어진 공간과 도구를 그대로 활용할 가능성이 있기 때문입니다. 하지만 시냅스엑스는 다리와 몸통을 범용 배치 플랫폼으로 보고, 여러 환경에서 반복 사용할 수 있는 세계 모델과 엔드 이펙터(로봇 팔 끝의 작업 장치)를 더 근본적인 기반으로 봅니다.

이는 기술 전략인 동시에 사업 전략입니다. 시냅스엑스는 모든 완성형 로봇을 직접 제조하거나 공장·식당·가정의 최종 서비스를 직접 운영하기보다, 범용 모델과 정밀 손, 데이터 인프라를 제공하는 물리 AI 기반 계층 기업을 지향합니다. 파트너가 각자의 로봇 몸체와 작업 환경을 통합하면, 시냅스엑스는 여러 시스템에 이식할 수 있는 ‘물리적 기술’을 공급한다는 구상입니다. 2314

걷기는 시각적으로 인상적이지만 상업 현장의 많은 작업은 이동보다 조작에 좌우됩니다. 부드러운 식품을 집고, 정해진 위치에 놓고, 적절한 압력을 가하고, 예상 밖의 접촉에 대응하는 일은 모두 손과 센서, 힘 제어의 문제입니다.

‘중학교 졸업생 수준의 실리콘 노동자’라는 비유

시냅스엑스 창업자 두달룡이 말한 ‘중학교 졸업생 수준의 실리콘 노동자’는 교육 수준을 문자 그대로 뜻하는 표현이라기보다, 로봇의 초기 경제성과 능력을 설명하는 비유에 가깝습니다.

완벽하게 인간과 같은 범용 노동자를 곧바로 만들겠다는 것이 아니라, 비교적 저렴한 디지털 작업자가 지시를 따르고 작업 공간을 파악하며, 양손을 사용하고, 시범을 통해 배우고, 감독 아래 일반적인 업무를 수행하도록 하겠다는 구상입니다. 한 장소에서 익힌 기술을 다른 로봇과 작업 환경에 맞게 조정할 수 있다면, 기계마다 처음부터 별도 프로그램을 만드는 비용을 줄일 수 있습니다.

다만 이는 현재 입증된 배치 성과가 아니라 기업의 비전입니다. 실제 경제성은 신뢰성, 안전성, 하드웨어 가격, 유지보수 비용, 필요한 인간 감독 수준에 달려 있습니다.

왜 하필 햄버거인가

두달룡이 햄버거 만들기를 구현형 AI의 ‘챗GPT 순간’으로 제시하는 이유는 단순한 집기·놓기 시연보다 훨씬 많은 능력을 한꺼번에 요구하기 때문입니다.

로봇은 모양과 질감이 서로 다른 재료를 다뤄야 하고, 여러 손가락을 협응해야 하며, 누르거나 자르는 힘을 조절해야 합니다. 재료를 정해진 순서와 위치에 맞춰 배치하는 동시에, 너무 세게 잡아 으깨거나 너무 약하게 잡아 떨어뜨리지 않도록 접촉을 섬세하게 감지해야 합니다.

만약 로봇이 재료와 도구, 작업 공간이 달라져도 사람보다 더 안정적으로 햄버거를 만들 수 있다면, 이는 정해진 동작만 반복하는 자동화에서 재사용 가능한 물리 기술로 넘어가는 신호가 될 수 있습니다. 포장재와 빵, 채소를 집고, 소스를 나누어 담고, 재료를 조립하고, 작업대를 정리하는 등 식음료 서비스의 여러 작업으로 기술을 확장할 여지도 생깁니다.

두달룡이 제시한 1~2년이라는 시점은 검증된 업계 전망이 아니라 목표에 가깝게 봐야 합니다. 현재 공개된 자료는 시냅스엑스의 제품 설명과 시연을 뒷받침하지만, 해당 일정이 실현된다는 사실까지 입증하지는 않습니다. 14

테슬라 비교가 보여주는 것과 보여주지 않는 것

테슬라 옵티머스와의 비교는 로봇 손이 왜 주목받는지 보여주는 사례입니다. 한 보도는 일론 머스크가 옵티머스의 엔지니어링 작업 중 대략 절반이 손에 투입됐다고 말했다고 전했습니다. 이는 한 휴머노이드 프로그램에서 손이 얼마나 어렵고 중요한 부품으로 여겨지는지 보여주는 근거입니다. 23

그러나 이를 테슬라 하드웨어 연구개발 예산의 절반이 손에 들어갔다는 의미로 확대해서는 안 됩니다. 인용된 자료가 뒷받침하는 것은 엔지니어링 노력에 관한 표현이지, 테슬라의 세부 예산 배분 내역이 아닙니다.

시냅스엑스의 주장은 더 좁고 현실적입니다. 아무리 강력한 로봇 두뇌라도 안정적인 손재주와 풍부한 촉각, 정밀한 힘 제어가 없다면 사람이 매일 하는 단순한 물리 작업조차 수행하기 어렵다는 것입니다. WRC에서 시냅스엑스는 그래서 하나의 보편적 로봇 몸체보다 모델·손·데이터라는 물리 AI의 핵심 부품을 먼저 상품화하겠다는 로드맵을 제시했습니다.