중국 휴머노이드 로봇 산업의 가장 큰 장애물은 로봇의 몸체가 아니라 현실 세계에서 몸체가 움직이고 부딪히며 배우는 과정을 기록한 데이터다. 로봇이 걷고 춤추거나 미리 준비된 시연을 수행하는 것과, 낯선 물체를 안정적으로 집고 실수 뒤에 스스로 회복하는 것은 전혀 다른 문제다. 후자에는 로봇이 무엇을 보고, 어떻게 움직이고, 어떤 힘으로 접촉했으며, 실패 뒤 어떤 동작을 수정했는지를 보여주는 합법적이고 다양하며 품질이 높은 데이터가 필요하다. 514

2026년 세계로봇대회(WRC)는 이런 방향 전환을 선명하게 드러냈다. 전시장에는 정교한 로봇 시연뿐 아니라 원격조작 장비, 웨어러블 모션 캡처, 촉각·힘 센서, 로봇 학습용 데이터를 수집하는 인프라가 함께 등장했다. 업계의 관심이 ‘얼마나 인상적인 로봇을 만들었는가’에서 ‘로봇이 실제 세계에서 배울 데이터를 얼마나 확보했는가’로 옮겨가고 있다는 신호다. 4913

물리적 AI를 가로막는 데이터 공백

WRC를 전후해 업계에서 반복적으로 제시된 수치에 따르면, 중국에서 확보된 법규 준수형 실제 물리적 상호작용 데이터는 약 50만 시간인 반면, 상업적으로 활용할 수 있는 범용 구체지능 모델에는 수천만 시간이 필요할 수 있다. 단순 비교로는 부족분이 99%를 넘는다. 다만 이는 업계 추산이지 모든 로봇과 작업에 적용되는 확정적 과학 기준은 아니다. 필요한 데이터 규모는 작업의 종류, 로봇 플랫폼, 운용 환경과 요구되는 안전 수준에 따라 달라진다. 357

이 격차가 중요한 이유는 물리적 상호작용 데이터가 일반적인 인터넷 데이터와 대체되지 않기 때문이다. 영상에는 사람이 컵을 집는 모습이 담길 수 있지만, 대개 로봇 관절의 상태, 손끝의 힘, 접촉 시점, 마찰, 미끄러짐, 동작 중 수정 과정까지 기록하지는 않는다. 그러나 컵이 더 무겁거나 표면이 젖어 있거나 위치가 조금 달라졌을 때 동작을 성공시킬 수 있는지는 바로 이런 정보에 달려 있다.

시연이 자율성을 증명하지 못하는 이유

정해진 대본에 따른 로봇 시연은 로봇공학에서 가장 어려운 부분을 가릴 수 있다. 물체와 조명, 이동 경로와 동작 시간이 통제돼 있고, 예상 밖의 상황이 발생하면 사람이 원격으로 개입할 수도 있다. 이 경우 겉으로는 자율적으로 보이더라도 로봇이 다양한 상황에 대응하는 ‘인지-행동 정책’을 실제로 학습했다고 보기는 어렵다.

상용 현장에서 요구되는 수준은 더 높다. 로봇은 물체의 모양과 재질, 잡는 위치, 바닥과 작업대의 상태, 주변의 장애물과 사람까지 달라지는 환경을 다뤄야 한다. 동시에 자신의 오류를 알아차리고 회복해야 한다. 접촉이 많은 작업에서는 최종 목표에 도달했는지만 기록해서는 부족하다. 그 과정의 관측값, 행동, 물리적 상태, 실패와 수정 동작을 모두 연결해야 한다. 그래서 물리적 AI 전용 데이터셋은 여러 감각으로 얻은 관측과 행동, 그리고 그 행동의 결과를 함께 담도록 설계된다. 333440

데이터 수집이 점점 어려워지는 까닭

초기 로봇 학습 데이터는 짧고 반복하기 쉬운 시연에 집중할 수 있었다. 하지만 다음 단계에서는 물체 조작, 분류, 조립, 포장, 청소처럼 여러 단계로 이어지고 물리적 접촉이 빈번한 작업을 다뤄야 한다. 적용 공간도 가정과 매장, 공장, 물류센터, 서비스 현장으로 넓어진다.

이에 따라 데이터 부담은 세 방향으로 커진다.

• 더 많은 변형: 같은 작업을 여러 물체와 배치, 재료, 조명과 환경 조건에서 반복해야 한다.
• 실패 정보의 기록: 미끄러짐, 충돌, 잘못된 파지와 회복 시도는 성공 사례만큼 중요한 학습 자료가 될 수 있다. 33
• 센서 신호의 동기화: 카메라와 깊이 센서, 로봇 자세, 관절 움직임, 힘과 촉각 등 여러 신호를 정확히 맞춰야 모델이 시각적 인식과 행동의 관계를 학습할 수 있다.

실제 로봇을 대규모로 운용하는 일은 비용이 많이 들고 안전 통제가 필요하다. 게다가 좋은 데이터는 단순히 많이 모으는 것으로 만들어지지 않는다. 불량 궤적을 걸러내고, 센서 신호를 정렬하고, 작업과 실패 유형을 분류하는 큐레이션 과정이 필요하다. 영상 아카이브가 크다고 해서 곧바로 유용한 로봇 학습 데이터셋이 되는 것은 아니다.

새로운 데이터 공급망이 생긴다

전문 데이터 수집 업체는 인간의 행동과 기계가 학습할 수 있는 데이터 사이의 간극을 메우기 시작했다. 이들의 업무에는 조작자를 모집하고 교육하는 일, 로봇 원격조작, 인간의 움직임 캡처, 작업 환경에 센서 설치, 여러 신호의 동기화, 품질이 낮은 동작 궤적의 제거, 모델 개발자용 형식으로 데이터 변환하는 일이 포함될 수 있다.

원격조작이 중요한 이유는 사람이 비슷한 동작을 하는 영상만 기록하는 것이 아니라, 실제 로봇에서 수행된 행동을 기록하기 때문이다. VR·XR 같은 범용 컨트롤러는 사람의 입력을 로봇 명령으로 변환할 수 있다. 웨어러블 장비와 모션 캡처 시스템은 사람의 몸과 팔, 손의 움직임을 더 입체적으로 포착한 뒤 로봇의 움직임으로 재매핑할 수 있다. 1

이로써 구체지능 산업에는 새로운 공급층이 형성되고 있다. 기업들은 로봇의 몸체와 AI 모델만 만드는 것이 아니라, 둘을 연결하는 시연 데이터와 센서 기록도 생산한다. WRC 참가 업체들은 일상 활동 중 머리와 손의 움직임을 수집하는 시스템을 포함해, 데이터 수집을 구체지능 기술 스택의 핵심 요소로 제시했다. 49

중국이 전국 단위 훈련장을 만드는 이유

구체지능 훈련장은 통제 가능하면서도 현실적인 공간에서 로봇을 훈련하고 시험하고 비교할 수 있도록 한다. 공장, 물류창고, 가정, 상업시설, 공공서비스 현장과 비슷한 환경을 반복적으로 재현하면서도 문제를 지나치게 단순한 실험실 과제로 축소하지 않는 것이 목적이다.

중국정보통신연구원이 발표한 2026년 보고서를 인용한 보도에 따르면, 중국에서는 6월 말 기준 구체지능 훈련장 70곳 이상이 가동 중이었고 46곳이 건설 중이거나 계획 단계에 있었다. 이 시설들은 중국 성급 행정구역의 절반 이상에 분포하며, 보고된 훈련장의 86%에 산업 제조 시나리오가 포함돼 가장 높은 비중을 차지했다. 1822

다만 시설을 짓는 것만으로는 충분하지 않다. 훈련장이 진정한 데이터 자원 기지이자 실전 시험장이 되려면 실제로 로봇을 운용하고 데이터가 축적되도록 해야 한다. 목표로 하는 순환 구조는 다음과 같다. 현실 세계의 훈련이 데이터를 만들고, 데이터가 모델을 개선하며, 개선된 모델이 더 넓은 배치를 가능하게 하고, 배치 현장에서 다시 운영 데이터가 쌓이는 방식이다. 1422

정책도 로봇을 전시장 밖으로 밀어낸다

중국 공업정보화부와 국무원 국유자산감독관리위원회는 2026년 휴머노이드 로봇·구체지능 실경 실훈 특별 행동을 공동으로 추진했다. 제조업과 물류를 비롯해 의료, 공공서비스, 재난·긴급 대응 등 산업·서비스·특수 분야의 실제 적용을 주요 대상으로 삼았다. 2425

정부 공고는 2026년 말까지 휴머노이드 로봇 1만 대의 상업적 보급과 100개 이상의 고가치 적용 시나리오를 추진한다는 목표를 제시했다. 26 지방정부와 국유기업이 로봇을 실제 환경에서 시험·검증·개선할 수 있는 장소를 제공하도록 해, 배치 자체를 학습 인프라의 일부로 만들겠다는 접근이다. 24

이 목표가 달성되거나 로봇이 곧바로 폭넓은 자율성을 갖추게 된다는 뜻은 아니다. 다만 정책의 중심이 하드웨어 생산을 넘어 상용 신뢰성을 뒷받침하는 ‘데이터 수집-현장 배치’ 순환 구조로 이동하고 있다는 점은 분명히 보여준다.

영상·텍스트·자율주행 데이터만으로는 부족하다

영상과 언어 데이터는 여전히 중요하다. 영상은 사물이 어떻게 생겼고 사람이 어떤 행동을 하는지 알려주며, 언어 데이터는 지시의 의미와 작업 목표를 이해하는 데 도움을 준다. 시뮬레이션은 실제로 수행하기 비싸거나 위험한 상황을 대량으로 생성할 수 있다. 연구자들도 실제 데이터와 시뮬레이션, 다양한 감각 정보를 결합하는 방향을 제시하고 있다. 232

그러나 이런 데이터만으로는 로봇의 제어 문제를 완전히 설명하기 어렵다. 조작 작업에서 로봇은 다음 정보를 추정해야 할 수 있다.

• 물체의 3차원 위치와 방향
• 자신의 관절 각도와 속도, 기계적 반응
• 잡기·밀기·끼워 넣기·들어 올리기에 필요한 힘
• 접촉과 미끄러짐, 충돌이 발생한 시점
• 예상한 움직임이 실패했을 때 조정해야 할 방향

따라서 여러 데이터 수집 방식은 서로 대체 관계가 아니라 보완 관계에 가깝다.

• VR 원격조작: 사람이 입력한 명령을 로봇의 움직임에 매핑해 실제 로봇에서 수행된 행동을 기록한다. 1
• 웨어러블 모션 캡처: 사람의 몸과 팔, 손의 움직임 및 행동 의도를 포착한 뒤 로봇에 맞게 변환한다. 1
• 힘 피드백과 촉각 센서: 일반적인 영상만으로는 놓치기 쉬운 접촉 압력, 저항, 마찰과 미끄러짐을 드러낸다. 733
• 모터 토크와 고유수용감각 데이터: 관절 각도와 속도 등 로봇 내부 상태, 그리고 기계가 실제로 행동에 반응한 방식을 보여준다. 3946
• 실제 로봇의 동작 궤적: 보정 오차, 지연, 센서 잡음, 기계적 한계와 현장의 불규칙성을 드러낸다. 이는 인간 영상이나 시뮬레이션만으로는 근사하기 어렵다. 3234

자율주행 데이터는 인식과 이동 능력을 학습하는 데 유용할 수 있지만, 손재주가 필요한 조작은 다른 행동 공간을 요구한다. 자율주행은 대체로 차량 중심이며 주변 물체와 지속적으로 접촉하지 않는다. 반면 물체를 잡거나 부품을 끼우고 조립하는 작업은 접촉 힘과 유연한 대응, 실패 후 회복에 좌우된다.

경쟁력은 로봇의 몸체에서 데이터 파이프라인으로

2026년 세계로봇대회가 보여준 핵심은 중국이 로봇 하드웨어를 포기했다는 것이 아니다. 하드웨어만으로는 자율성의 격차를 좁힐 수 없다는 사실이 산업 전반에서 더욱 분명해졌다는 뜻이다. 앞으로의 경쟁력은 물리적 상호작용 데이터를 대규모로 수집하고, 표준화하며, 법적으로 활용할 수 있는 조직에 돌아갈 가능성이 커지고 있다.

중국 휴머노이드 산업이 무대 위 시연과 원격조작 기계를 넘어서는 길은 실제 배치, 숙련된 조작자, 센서가 설치된 환경, 공통 데이터 표준, 반복적인 현장 시험을 모두 필요로 한다. 중국은 이를 위한 파이프라인을 구축하고 있지만, 약 50만 시간과 상용화를 위해 자주 언급되는 수천만 시간 사이의 간극은 여전히 가장 큰 제약이다. 31314

중국 휴머노이드 로봇 산업의 가장 큰 장애물은 로봇의 몸체가 아니라 현실 세계에서 몸체가 움직이고 부딪히며 배우는 과정을 기록한 데이터다. 로봇이 걷고 춤추거나 미리 준비된 시연을 수행하는 것과, 낯선 물체를 안정적으로 집고 실수 뒤에 스스로 회복하는 것은 전혀 다른 문제다. 후자에는 로봇이 무엇을 보고, 어떻게 움직이고, 어떤 힘으로 접촉했으며, 실패 뒤 어떤 동작을 수정했는지를 보여주는 합법적이고 다양하며 품질이 높은 데이터가 필요하다. 514

2026년 세계로봇대회(WRC)는 이런 방향 전환을 선명하게 드러냈다. 전시장에는 정교한 로봇 시연뿐 아니라 원격조작 장비, 웨어러블 모션 캡처, 촉각·힘 센서, 로봇 학습용 데이터를 수집하는 인프라가 함께 등장했다. 업계의 관심이 ‘얼마나 인상적인 로봇을 만들었는가’에서 ‘로봇이 실제 세계에서 배울 데이터를 얼마나 확보했는가’로 옮겨가고 있다는 신호다. 4913

물리적 AI를 가로막는 데이터 공백

WRC를 전후해 업계에서 반복적으로 제시된 수치에 따르면, 중국에서 확보된 법규 준수형 실제 물리적 상호작용 데이터는 약 50만 시간인 반면, 상업적으로 활용할 수 있는 범용 구체지능 모델에는 수천만 시간이 필요할 수 있다. 단순 비교로는 부족분이 99%를 넘는다. 다만 이는 업계 추산이지 모든 로봇과 작업에 적용되는 확정적 과학 기준은 아니다. 필요한 데이터 규모는 작업의 종류, 로봇 플랫폼, 운용 환경과 요구되는 안전 수준에 따라 달라진다. 357

이 격차가 중요한 이유는 물리적 상호작용 데이터가 일반적인 인터넷 데이터와 대체되지 않기 때문이다. 영상에는 사람이 컵을 집는 모습이 담길 수 있지만, 대개 로봇 관절의 상태, 손끝의 힘, 접촉 시점, 마찰, 미끄러짐, 동작 중 수정 과정까지 기록하지는 않는다. 그러나 컵이 더 무겁거나 표면이 젖어 있거나 위치가 조금 달라졌을 때 동작을 성공시킬 수 있는지는 바로 이런 정보에 달려 있다.

시연이 자율성을 증명하지 못하는 이유

정해진 대본에 따른 로봇 시연은 로봇공학에서 가장 어려운 부분을 가릴 수 있다. 물체와 조명, 이동 경로와 동작 시간이 통제돼 있고, 예상 밖의 상황이 발생하면 사람이 원격으로 개입할 수도 있다. 이 경우 겉으로는 자율적으로 보이더라도 로봇이 다양한 상황에 대응하는 ‘인지-행동 정책’을 실제로 학습했다고 보기는 어렵다.

상용 현장에서 요구되는 수준은 더 높다. 로봇은 물체의 모양과 재질, 잡는 위치, 바닥과 작업대의 상태, 주변의 장애물과 사람까지 달라지는 환경을 다뤄야 한다. 동시에 자신의 오류를 알아차리고 회복해야 한다. 접촉이 많은 작업에서는 최종 목표에 도달했는지만 기록해서는 부족하다. 그 과정의 관측값, 행동, 물리적 상태, 실패와 수정 동작을 모두 연결해야 한다. 그래서 물리적 AI 전용 데이터셋은 여러 감각으로 얻은 관측과 행동, 그리고 그 행동의 결과를 함께 담도록 설계된다. 333440

데이터 수집이 점점 어려워지는 까닭

초기 로봇 학습 데이터는 짧고 반복하기 쉬운 시연에 집중할 수 있었다. 하지만 다음 단계에서는 물체 조작, 분류, 조립, 포장, 청소처럼 여러 단계로 이어지고 물리적 접촉이 빈번한 작업을 다뤄야 한다. 적용 공간도 가정과 매장, 공장, 물류센터, 서비스 현장으로 넓어진다.

이에 따라 데이터 부담은 세 방향으로 커진다.

• 더 많은 변형: 같은 작업을 여러 물체와 배치, 재료, 조명과 환경 조건에서 반복해야 한다.
• 실패 정보의 기록: 미끄러짐, 충돌, 잘못된 파지와 회복 시도는 성공 사례만큼 중요한 학습 자료가 될 수 있다. 33
• 센서 신호의 동기화: 카메라와 깊이 센서, 로봇 자세, 관절 움직임, 힘과 촉각 등 여러 신호를 정확히 맞춰야 모델이 시각적 인식과 행동의 관계를 학습할 수 있다.

실제 로봇을 대규모로 운용하는 일은 비용이 많이 들고 안전 통제가 필요하다. 게다가 좋은 데이터는 단순히 많이 모으는 것으로 만들어지지 않는다. 불량 궤적을 걸러내고, 센서 신호를 정렬하고, 작업과 실패 유형을 분류하는 큐레이션 과정이 필요하다. 영상 아카이브가 크다고 해서 곧바로 유용한 로봇 학습 데이터셋이 되는 것은 아니다.

새로운 데이터 공급망이 생긴다

전문 데이터 수집 업체는 인간의 행동과 기계가 학습할 수 있는 데이터 사이의 간극을 메우기 시작했다. 이들의 업무에는 조작자를 모집하고 교육하는 일, 로봇 원격조작, 인간의 움직임 캡처, 작업 환경에 센서 설치, 여러 신호의 동기화, 품질이 낮은 동작 궤적의 제거, 모델 개발자용 형식으로 데이터 변환하는 일이 포함될 수 있다.

원격조작이 중요한 이유는 사람이 비슷한 동작을 하는 영상만 기록하는 것이 아니라, 실제 로봇에서 수행된 행동을 기록하기 때문이다. VR·XR 같은 범용 컨트롤러는 사람의 입력을 로봇 명령으로 변환할 수 있다. 웨어러블 장비와 모션 캡처 시스템은 사람의 몸과 팔, 손의 움직임을 더 입체적으로 포착한 뒤 로봇의 움직임으로 재매핑할 수 있다. 1

이로써 구체지능 산업에는 새로운 공급층이 형성되고 있다. 기업들은 로봇의 몸체와 AI 모델만 만드는 것이 아니라, 둘을 연결하는 시연 데이터와 센서 기록도 생산한다. WRC 참가 업체들은 일상 활동 중 머리와 손의 움직임을 수집하는 시스템을 포함해, 데이터 수집을 구체지능 기술 스택의 핵심 요소로 제시했다. 49

중국이 전국 단위 훈련장을 만드는 이유

구체지능 훈련장은 통제 가능하면서도 현실적인 공간에서 로봇을 훈련하고 시험하고 비교할 수 있도록 한다. 공장, 물류창고, 가정, 상업시설, 공공서비스 현장과 비슷한 환경을 반복적으로 재현하면서도 문제를 지나치게 단순한 실험실 과제로 축소하지 않는 것이 목적이다.

중국정보통신연구원이 발표한 2026년 보고서를 인용한 보도에 따르면, 중국에서는 6월 말 기준 구체지능 훈련장 70곳 이상이 가동 중이었고 46곳이 건설 중이거나 계획 단계에 있었다. 이 시설들은 중국 성급 행정구역의 절반 이상에 분포하며, 보고된 훈련장의 86%에 산업 제조 시나리오가 포함돼 가장 높은 비중을 차지했다. 1822

다만 시설을 짓는 것만으로는 충분하지 않다. 훈련장이 진정한 데이터 자원 기지이자 실전 시험장이 되려면 실제로 로봇을 운용하고 데이터가 축적되도록 해야 한다. 목표로 하는 순환 구조는 다음과 같다. 현실 세계의 훈련이 데이터를 만들고, 데이터가 모델을 개선하며, 개선된 모델이 더 넓은 배치를 가능하게 하고, 배치 현장에서 다시 운영 데이터가 쌓이는 방식이다. 1422

정책도 로봇을 전시장 밖으로 밀어낸다

중국 공업정보화부와 국무원 국유자산감독관리위원회는 2026년 휴머노이드 로봇·구체지능 실경 실훈 특별 행동을 공동으로 추진했다. 제조업과 물류를 비롯해 의료, 공공서비스, 재난·긴급 대응 등 산업·서비스·특수 분야의 실제 적용을 주요 대상으로 삼았다. 2425

정부 공고는 2026년 말까지 휴머노이드 로봇 1만 대의 상업적 보급과 100개 이상의 고가치 적용 시나리오를 추진한다는 목표를 제시했다. 26 지방정부와 국유기업이 로봇을 실제 환경에서 시험·검증·개선할 수 있는 장소를 제공하도록 해, 배치 자체를 학습 인프라의 일부로 만들겠다는 접근이다. 24

이 목표가 달성되거나 로봇이 곧바로 폭넓은 자율성을 갖추게 된다는 뜻은 아니다. 다만 정책의 중심이 하드웨어 생산을 넘어 상용 신뢰성을 뒷받침하는 ‘데이터 수집-현장 배치’ 순환 구조로 이동하고 있다는 점은 분명히 보여준다.

영상·텍스트·자율주행 데이터만으로는 부족하다

영상과 언어 데이터는 여전히 중요하다. 영상은 사물이 어떻게 생겼고 사람이 어떤 행동을 하는지 알려주며, 언어 데이터는 지시의 의미와 작업 목표를 이해하는 데 도움을 준다. 시뮬레이션은 실제로 수행하기 비싸거나 위험한 상황을 대량으로 생성할 수 있다. 연구자들도 실제 데이터와 시뮬레이션, 다양한 감각 정보를 결합하는 방향을 제시하고 있다. 232

그러나 이런 데이터만으로는 로봇의 제어 문제를 완전히 설명하기 어렵다. 조작 작업에서 로봇은 다음 정보를 추정해야 할 수 있다.

• 물체의 3차원 위치와 방향
• 자신의 관절 각도와 속도, 기계적 반응
• 잡기·밀기·끼워 넣기·들어 올리기에 필요한 힘
• 접촉과 미끄러짐, 충돌이 발생한 시점
• 예상한 움직임이 실패했을 때 조정해야 할 방향

따라서 여러 데이터 수집 방식은 서로 대체 관계가 아니라 보완 관계에 가깝다.

• VR 원격조작: 사람이 입력한 명령을 로봇의 움직임에 매핑해 실제 로봇에서 수행된 행동을 기록한다. 1
• 웨어러블 모션 캡처: 사람의 몸과 팔, 손의 움직임 및 행동 의도를 포착한 뒤 로봇에 맞게 변환한다. 1
• 힘 피드백과 촉각 센서: 일반적인 영상만으로는 놓치기 쉬운 접촉 압력, 저항, 마찰과 미끄러짐을 드러낸다. 733
• 모터 토크와 고유수용감각 데이터: 관절 각도와 속도 등 로봇 내부 상태, 그리고 기계가 실제로 행동에 반응한 방식을 보여준다. 3946
• 실제 로봇의 동작 궤적: 보정 오차, 지연, 센서 잡음, 기계적 한계와 현장의 불규칙성을 드러낸다. 이는 인간 영상이나 시뮬레이션만으로는 근사하기 어렵다. 3234

자율주행 데이터는 인식과 이동 능력을 학습하는 데 유용할 수 있지만, 손재주가 필요한 조작은 다른 행동 공간을 요구한다. 자율주행은 대체로 차량 중심이며 주변 물체와 지속적으로 접촉하지 않는다. 반면 물체를 잡거나 부품을 끼우고 조립하는 작업은 접촉 힘과 유연한 대응, 실패 후 회복에 좌우된다.

경쟁력은 로봇의 몸체에서 데이터 파이프라인으로

2026년 세계로봇대회가 보여준 핵심은 중국이 로봇 하드웨어를 포기했다는 것이 아니다. 하드웨어만으로는 자율성의 격차를 좁힐 수 없다는 사실이 산업 전반에서 더욱 분명해졌다는 뜻이다. 앞으로의 경쟁력은 물리적 상호작용 데이터를 대규모로 수집하고, 표준화하며, 법적으로 활용할 수 있는 조직에 돌아갈 가능성이 커지고 있다.

중국 휴머노이드 산업이 무대 위 시연과 원격조작 기계를 넘어서는 길은 실제 배치, 숙련된 조작자, 센서가 설치된 환경, 공통 데이터 표준, 반복적인 현장 시험을 모두 필요로 한다. 중국은 이를 위한 파이프라인을 구축하고 있지만, 약 50만 시간과 상용화를 위해 자주 언급되는 수천만 시간 사이의 간극은 여전히 가장 큰 제약이다. 31314