[태그:] 휴머노이드

식당 주방에서 요리를 하고, 과학 실험실에선 뒷정리를 맡는 휴머노이드. 미국 스타트업 페더 로보틱스(Feather Robotics)가 밝힌 자사 로봇의 쓰임새예요. 고객사 이름은 공개하지 않았고요. 정작 눈길이 가는 건 따로 있는데요. 이 회사는 로봇의 두뇌를 만들지 않습니다. 몸체와 개발 도구까지만 팔고, 그 위에 어떤 AI 모델을 올릴지는 개발자 몫으로 남겨두는 거죠. 창업자들이 붙인 이름은 ‘로봇판 안드로이드’.

로봇 업계 창업자와 투자자들이 입을 모으는 대목이 하나 있어요. 어떤 환경에 던져놔도 알아서 적응하는 범용 로봇, 이른바 ‘ChatGPT 모먼트’는 아직 오지 않았다는 것. 그 순간이 코앞인지 10년 뒤인지를 두고는 의견이 갈립니다. 어느 쪽이 맞든, 지금 로봇으로 뭔가를 만들어야 하는 개발팀에게 마냥 기다리는 건 답이 아니죠. 이 불확실한 구간에서 개발용 휴머노이드 플랫폼을 어떤 순서로 따져야 할지, 페더 사례를 뜯어보며 짚어봅니다.

몸만 팔고 두뇌는 비워둔 ‘로봇판 안드로이드’

테슬라와 피규어(Figure)는 페더와 반대 길을 가고 있어요. 로봇 몸체와 범용 파운데이션 모델, 쉽게 말해 로봇의 두뇌를 한 회사 안에서 같이 만듭니다. 그림은 크지만 그 두뇌가 현장에 널리 배포된 단계는 아직 아니에요. 페더는 순서를 뒤집었습니다. 하드웨어와 소프트웨어 툴킷을 먼저 내놓고, 실제 업무 문제는 그걸 산 개발자가 풀게 하는 방식이죠.

공동 창업자 호아 마이(Hoa Mai)가 TechCrunch 인터뷰에서 한 말이 이 차이를 선명하게 보여줍니다. 테슬라 로봇은 사다가 그 위에서 개발하는 게 불가능하다는 거예요. 엔비디아나 애플 같은 하드웨어 강자들도 처음엔 제대로 작동하고 바로 배치 가능한 제품으로 출발해 복잡성을 조금씩 더해갔다는 게 마이의 논리입니다. 창업진 이력도 볼 만한데요. 마이는 앞서 세운 휴머노이드 스타트업을 1X에 매각한 경험이 있고, 함께 페더를 세운 파르사 바크티아리(Parsa Bakhtiari)는 테슬라 모델3 엔지니어 출신이에요. 일론 머스크에게 직접 보고하던 시기도 있었다고 하고요. 프리시드 라운드는 760만 달러 규모로, 그래디언트 벤처스(Gradient Ventures)가 주도했습니다.

안드로이드 비유에서 짚어야 할 부분은 ‘누구나 올라타서 개발하는 공통 기반’이라는 데 있어요. 앱 회사들이 안드로이드 위에서 서비스를 만들었듯, 로봇 응용 회사들이 페더 하드웨어 위에서 조리·청소 같은 작업용 소프트웨어를 만들게 하겠다는 구상입니다. 개발자 입장에서 이 구조가 반가운 이유는 단순해요. 몸과 두뇌가 한 회사에 묶여 있으면 프로젝트 전체가 그 회사 두뇌의 발전 속도에 발이 묶입니다. 둘이 떨어져 있으면 사정이 달라요. 하드웨어는 그대로 두고 모델만 갈아끼우는 선택지가 생기니까요. 범용 두뇌가 코앞에 와 있든 10년 뒤에 오든 통하는 로봇이라는 평가가 나오는 것도, 이 분리 구조가 일종의 보험 역할을 하기 때문일 거예요.

가정용·범용·모듈형, 미국 휴머노이드 시장의 세 갈래

그래디언트의 제너럴 파트너 대리언 시라지(Darian Shirazi)는 미국 휴머노이드 하드웨어 시장을 세 갈래로 나눕니다. 꽤 쓸 만한 분류예요. 새 회사 발표가 나올 때마다 이 틀에 대보면 ‘사서 개발할 물건인지, 완제품인지, 아직 연구 단계인지’가 금방 걸러지거든요.

시라지 얘기대로라면 페더는 미국에서 모듈형 휴머노이드 플랫폼을 만드는 유일한 스타트업이고, 직접 경쟁자도 없습니다. 한 번 걸러 들을 말이에요. 페더에 투자한 회사의 파트너가 내놓은 평가니까요. 시야를 미국 밖으로 넓히면 그림도 달라집니다. 마이 스스로 중국 유니트리(Unitree) 같은 회사에서 힌트를 얻었다고 인정했으니, 비슷한 길을 먼저 간 회사가 이미 있다는 뜻이죠. 위 표를 순위표처럼 읽으면 곤란한 이유입니다. ‘누가 최고인가’보다는 ‘내가 보고 있는 제품이 어느 칸에 들어가나’를 가르는 틀로 쓰는 게 맞아요.

관절 수보다 먼저 볼 것, 모델 호환성과 하드웨어 조정 범위

개발용 휴머노이드 사양을 보면 관절 수나 센서 구성부터 눈이 가기 쉬운데요. 그보다 먼저 던질 질문이 있습니다. 이 몸에 어떤 두뇌가 올라가느냐. 페더는 자사 하드웨어가 엔비디아, 스킬드(Skild), 피지컬 인텔리전스(Physical Intelligence) 등 주요 로봇 AI 업체의 모델을 돌린다고 밝혔어요. 한 업체 모델에만 맞춘 하드웨어라면 어떨까요. 그 업체가 개발을 늦추거나 방향을 틀 때 프로젝트 전체가 같이 흔들립니다. 여러 모델을 받는 하드웨어는 다르죠. 작업별로 더 잘 맞는 모델을 골라 쓸 여지가 있고, 새 모델이 나왔을 때 비교 테스트를 돌리기도 한결 수월해요.

두 번째 축은 하드웨어를 어디까지 손볼 수 있느냐예요. 페더가 내놓은 건 용도에 맞춰 팔 길이를 바꾸는 식으로 하드웨어를 조정하는 모듈형 시스템인데, 이게 생각보다 중요합니다. 휴머노이드가 현장에서 맡는 일은 대개 ‘특정 작업대에서 특정 동작’이라서요. 조리대 높이나 실험실 선반 깊이 같은 물리 조건은 현장마다 제각각이고, 몸이 고정돼 있으면 소프트웨어만으로는 메우기 어려운 빈틈이 남습니다. 작업 공간부터 재고, 그 조건에 하드웨어를 맞출 여지가 있는지 확인하는 순서. 이쪽이 합리적이라고 봐요.

공급사에 물어볼 항목은 다섯 가지로 추려집니다.

• 공식 지원하는 로봇 AI 모델 목록과, 목록 밖 모델을 올릴 때의 절차
• 모델을 바꿀 때 센서·구동부 설정을 다시 잡아야 하는 범위
• 조정 가능한 하드웨어 부위(팔 길이 등)와 교체 부품 공급 방식
• 실제 현장 배치 사례가 있는지, 있다면 어떤 작업인지
• 현장 테스트에서 드러난 문제와 해결 이력

마지막 항목은 스타트업 제품일수록 꼼꼼히 챙겨야 해요. 마이는 소량 판매를 이어오면서 현장 테스트로 문제를 거의 다 해결했고, 이제 대규모 제품 출시를 준비한다고 밝혔습니다. ‘거의 다’라는 표현을 보면 아직 남은 문제는 뭔지 궁금해질 수밖에 없죠. 어떤 문제가 있었고 어떻게 고쳤는지를 구체적으로 답하는 공급사라면 신뢰도를 한 단계 높게 쳐줘도 괜찮다고 봅니다. 이 질문을 두루뭉술하게 넘기는 공급사라면, 그 태도 자체가 판단 근거가 되고요.

3만 달러 대 연봉 5만~6만 달러, 이 비교에서 빠진 비용

페더 로봇 가격은 3만 달러. 유니트리 H2 Edu의 절반쯤이라고 해요. 시라지는 이 가격대 시장이 아주 클 거라고 보는데, 논리는 이렇습니다. 사람을 연 5만~6만 달러에 고용하면 교육도 시켜야 하고 인사 관리와 각종 지원 체계도 필요하다, 그 자리를 페더 로봇으로 대신하면 된다는 거죠.

숫자만 놓고 보면 솔깃합니다. 하지만 이 비교엔 빠진 칸이 꽤 많아요. 로봇도 교육이 필요하니까요. 작업에 맞게 AI 모델을 조정하고, 현장 조건에 맞춰 하드웨어를 세팅하고, 고장 나면 수리하는 과정이 전부 비용입니다. 로봇 한 대가 사람 한 명 몫의 일을 통째로 대신하느냐도 작업 종류에 따라 다르고요. 이 계산을 내놓은 쪽이 페더의 투자사라는 점까지 생각하면, 총비용은 직접 쪼개서 따져보는 편이 낫습니다.

• 구매 비용: 본체와 작업에 맞춘 모듈 구성
• 통합 비용: 모델 선택·조정, 작업 동선 설계에 들어가는 개발 인력
• 운영 비용: 유지보수, 부품 교체, 유료 모델을 쓴다면 그 사용료
• 대체 효과: 로봇이 맡는 작업이 기존 인력 업무에서 차지하는 비중

네 칸을 채워보면 ‘연봉의 절반 값’이라는 한 줄 비교보다 훨씬 현실적인 답이 나와요. 공급사 체력도 따져볼 부분입니다. 시라지는 페더가 프리시드 자금 가운데 일부만 썼을 만큼 알뜰하게 운영된다고 전했는데, 돈을 아껴 쓴다는 건 그만큼 버틸 시간이 길다는 신호로 읽을 만해요. 그래도 스타트업 제품을 들일 땐 부품 공급과 기술 지원이 얼마나 이어질지를 계약 단계에서 문서로 받아두는 게 안전하겠죠.

외산 로봇 막힌 미국 시장, 국내 팀은 원산지와 인건비부터 다시

마이는 페더가 유니트리 같은 중국 로봇 회사에게서 한 수 배웠다고 인정했어요. 결정적 차이는 원산지에서 갈립니다. 새로 나오는 외국산 모델의 미국 시장 진입이 제한되면서, 페더가 ‘미국산 모듈형 휴머노이드’라는 자리를 차지하게 됐다는 설명이에요. 국내 개발팀에게 달라지는 점은 세 가지로 보입니다.

• 미국 진출을 노린다면 하드웨어 원산지가 변수: 미국 고객사에 로봇 응용 서비스를 납품할 계획이라면, 어느 나라 하드웨어 위에서 개발했느냐가 사업 리스크로 번질 가능성이 있어요(추측). 원문은 외국산 신규 모델의 진입 제한만 언급할 뿐, 어느 나라 제품이 어떤 범위로 묶이는지는 밝히지 않았습니다.
• 인건비 비교는 국내 임금으로 다시: 연 5만~6만 달러는 미국 기준 수치예요. 국내 현장에 대입하려면 해당 작업의 국내 인건비를 넣고, 앞에서 본 총비용 네 칸으로 처음부터 새로 계산해야 합니다.
• 모델 호환성 기준은 그대로: 어느 나라 하드웨어를 고르든 ‘여러 모델을 받는가’는 똑같이 따져야 할 조건이에요. 국내 구매 결정에서도 1순위로 두는 게 맞다고 봅니다.

하나 덧붙이자면, 국내 개발자에게 열리는 기회는 로봇 몸체 제작보다 그 위에 올라가는 응용 소프트웨어 쪽에 더 가까울 가능성이 커 보여요(추측). 페더 같은 플랫폼이 늘어날수록 조리·청소·실험실 보조처럼 작업 단위로 쪼갠 소프트웨어를 찾는 수요가 생길 테니까요. 원문에 등장하는 휴머노이드 하드웨어 회사가 전부 미국과 중국 회사라는 점도 참고할 만하고요.

확인된 것과 아직 불확실한 것

확인된 것

• 페더 로보틱스는 호아 마이와 테슬라 모델3 엔지니어 출신 파르사 바크티아리가 함께 세운 휴머노이드 스타트업이다.
• 그래디언트 벤처스가 760만 달러 규모 프리시드 라운드를 주도했다.
• 팔 길이 등을 용도에 맞게 바꾸는 모듈형 로봇 시스템을 판매 중이며, 매출 100만 달러를 넘겼다.
• 로봇은 식당 조리, 과학 실험실 정리 업무에 쓰이고 있다.
• 엔비디아, 스킬드, 피지컬 인텔리전스 등 주요 로봇 AI 업체의 모델을 구동한다.
• 가격은 3만 달러로, 유니트리 H2 Edu의 절반 수준이다.

아직 불확실한 것

• 고객사 이름은 공개되지 않았다.
• 준비 중이라는 대규모 제품 출시의 시점과 구체적 사양은 나오지 않았다.
• 국내 출시 여부와 원화 가격은 공식 발표가 없다.
• ‘미국 내 직접 경쟁자가 없다’는 평가는 투자사 파트너의 의견이다.
• 외산 로봇 진입 제한의 대상 국가와 적용 범위는 원문에 구체적으로 나오지 않는다.
• 범용 로봇 두뇌가 언제 실용화될지는 업계 안에서도 전망이 엇갈린다.

작업이 정해졌다면 몸부터, 범용성이 핵심이면 관망

페더는 로봇의 가치가 하드웨어 주변에 생겨나는 생태계에서 나온다는 쪽에 판돈을 걸었습니다. 마이는 피지컬 AI 회사들의 시장 규모가 지금은 아주 작지만, 5년 뒤면 피지컬 AI 응용 회사가 수천 곳에 이를 거라고 내다봤어요. 그 회사들이 공통으로 올라타는 플랫폼이 되겠다는 게 페더의 그림이고요. 다만 5년 뒤 수천 곳이라는 숫자는 창업자 본인의 전망이라, 그대로 받아들이기보다 방향을 가리키는 정도로 읽는 게 적당해 보입니다.

개발팀의 판단 기준은 의외로 단순해요. 조리나 실험실 청소처럼 반복되는 작업이 뚜렷하고 작업 공간 조건도 파악돼 있다면, 범용 두뇌를 기다릴 이유가 크지 않습니다. 여러 모델을 받는 모듈형 하드웨어로 먼저 시작하고, 더 나은 모델이 나오면 갈아끼우면 되니까요. 어떤 환경에서든 알아서 적응하는 범용성이 프로젝트의 핵심이라면 얘기가 달라집니다. 업계 스스로 그 시점을 코앞부터 10년 뒤까지 넓게 잡고 있다는 걸 기억해야 해요. 이런 경우엔 하드웨어를 서둘러 들이기보다, 어떤 파운데이션 모델이 현장에서 검증되는지 지켜보는 쪽이 돈을 아끼는 길로 보입니다.

어느 쪽이든 순서는 같습니다. 작업을 정의하고, 그 작업에 맞는 모델 후보를 고르고, 마지막으로 그 모델들을 받아주는 몸을 찾는 것. ‘로봇판 안드로이드’라는 말이 개발자에게 주는 실질적인 의미도 여기 있어요. 몸을 먼저 사놓고 두뇌를 거기에 억지로 끼워 맞추는 식으로, 이 순서를 뒤집지 않아도 된다는 것.

출처: TechCrunch

아마존 물류 창고에서 박스를 나르는 로봇. 영화 속 이야기가 아니다. 어질리티 로보틱스의 ‘디짓(Digit)’이 실제로 시범 운용 중이고, 테슬라 공장에선 ‘옵티머스’가 부품을 집어 올리는 영상이 공개됐다. 아직 어색하다. 가끔 넘어지고, 낯선 물체 앞에서 멈칫한다. 그래도 빅테크들은 이 기술에 수조 원을 쏟아붓는다. 대체 뭘 보고 있는 걸까.

휴머노이드 로봇 — 바퀴 달린 로봇과 무엇이 다른가

휴머노이드(Humanoid)는 ‘인간(Human)’과 ‘~을 닮은(oid)’의 합성어다. 팔·다리·몸통·머리를 갖추고 두 발로 걷는 로봇이다. 산업용 로봇팔과는 출발점 자체가 다르다. 바퀴 달린 배달 로봇은 평지에선 잘 달리지만 계단 앞에서 멈춘다. 로봇팔은 특정 동작을 정밀하게 수행하지만 문손잡이를 돌리진 못한다. 휴머노이드는 이 두 한계를 동시에 넘으려는 시도다.

• 인간형 외형: 계단, 문, 좁은 복도 같은 인간 중심 공간에서 추가 개조 없이 움직이는 게 핵심이다.
• 이족 보행: 두 발로 걷기 때문에 경사로를 오르고, 좁은 통로를 지나고, 계단도 어느 정도 처리한다.
• 정교한 센서 제어: 균형을 유지하면서 물체를 집는 것만 해도 수십 개의 센서와 실시간 제어 알고리즘이 동시에 작동한다.

결국 ‘인간이 쓰는 공간에서, 인간이 쓰는 도구로, 인간 대신 일하게 만들자’는 게 설계 목표다. 단순해 보이지만 구현이 굉장히 어렵다.

왜 굳이 사람 모양인가

제일 많이 나오는 질문이다. 특정 작업만 하면 되는데, 굳이 두 발로 걷고 팔 두 개 달린 형태로 만들 이유가 있냐고. 답은 단순하다. 세상이 인간 기준으로 만들어졌기 때문이다.

문손잡이는 손이 있어야 열린다. 계단은 다리가 있어야 오른다. 소화기 레버, 키보드, 엘리베이터 버튼 — 전부 인간의 키와 손에 맞게 설계됐다. 로봇을 위해 모든 인프라를 바꾸는 건 비현실적이다. 로봇이 인간 환경에 맞춰야 한다. 그리고 인간 환경에 맞추려면, 인간처럼 생겨야 한다.

• 기존 공간 그대로 활용: 공장이든 병원이든 별도 시설 개조 없이 투입 가능하다. 이게 경제적으로 결정적이다.
• 도구 호환성: 드라이버, 집게, 청소기 — 인간이 쓰는 도구를 그대로 쥘 수 있다.
• 심리적 수용성: 서비스 현장에선 외형도 변수다. 사람과 비슷하게 생긴 로봇에 사람들은 더 자연스럽게 반응하는 경향이 있다.

이 세 가지가 맞물리면 ‘범용 노동력’이 된다. 공장에서 쓰다가 물류창고로 옮겨도 되는 로봇. 인프라 투자를 최소화하면서 최대한 넓은 분야에 쓸 수 있는 시스템. 기업들이 투자하는 이유가 여기 있다.

AI와 합쳐지면서 달라진 것들

10년 전 휴머노이드 로봇은 걸어다니는 게 전부였다. 미리 짜놓은 동작을 재생하는 수준이었거든요. 지금은 완전히 다르다. 딥러닝과 강화학습이 접목되면서 로봇이 ‘환경을 읽고 판단하는’ 단계로 넘어왔다.

• 환경 인지: 카메라와 라이다 센서가 AI와 연결되면서 로봇이 물건 위치를 실시간으로 인식하고, 사람과 장애물을 구분하는 게 가능해졌다.
• 즉흥 판단: 예상치 못한 상황 — 갑자기 굴러온 물체, 처음 보는 컨테이너 모양 — 에서도 멈추지 않고 대응 방법을 스스로 찾는다.
• 자연어 이해: ‘저 상자를 왼쪽 선반에 올려’라고 말하면 알아듣는다. 피규어 AI가 오픈AI와 협업해서 보여준 게 바로 이거다.
• 강화학습으로 움직임 개선: 수백만 번의 시뮬레이션을 통해 가장 안정적인 보행 패턴과 물체 파지 방법을 스스로 찾아낸다. 사람이 일일이 코딩하지 않아도 된다.

AI가 없었다면 휴머노이드 로봇은 비싼 피규어에 불과했을 것이다. AI가 들어오면서 ‘생각하는 기계’로 바뀌고 있다. 이게 지금 이 분야에 자금이 몰리는 진짜 이유다.

지금 실제로 존재하는 로봇 4개

전 세계적으로 수십 개 팀이 개발 중이다. 그중 현재 가장 앞서 있는 네 가지를 정리했다.

• 보스턴 다이내믹스 ‘아틀라스(Atlas)’: 아마 가장 유명한 이름일 것이다. 백플립, 파쿠르, 계단 점프 — 보면서 ‘저게 실제 로봇이라고?’ 싶은 영상들이 다 여기서 나왔다. 움직임만 보면 현재 최고 수준이다. 주로 연구 및 극한 환경 테스트용으로 활용된다.
• 테슬라 ‘옵티머스(Optimus)’: 일론 머스크가 직접 발표했다. 초기 영상은 솔직히 좀 어설펐다. 그런데 최근 버전은 다르다. 테슬라 자체 AI칩과 자율주행 기술이 접목되면서 부품 분류, 공정 보조 같은 실제 제조 작업에 투입되기 시작했다.
• 어질리티 로보틱스 ‘디짓(Digit)’: 물류 창고 특화형이다. 박스를 들고, 선반에 올리고, 정해진 동선을 이동하는 루틴을 이미 일부 창고에서 시범 운용 중이다. 아틀라스처럼 화려하진 않지만, 실제 현장 투입에 가장 가까운 로봇이다.
• 피규어 AI ‘피규어 01(Figure 01)’: 오픈AI와 협업해서 대화하면서 작업하는 데모를 공개했다. ‘쟁반 위에 뭐가 있어?’라고 물으면 ‘사과가 있고, 제 손에는 빨간 컵이 있어요’라고 답하면서 동시에 물건을 집는다. 2024년에 공개된 영상이다.

이 외에도 중국의 유니트리 로보틱스, 엔비디아가 투자한 스타트업들이 빠르게 추격하고 있다. 경쟁이 치열해질수록 기술 발전 속도도 빨라질 것이다.

어디에 쓰이나 — 바뀔 것들

상용화가 되면 어떻게 쓰일까. 가장 먼저 뚫릴 영역은 이미 어느 정도 그림이 그려진다.

• 제조·물류: 위험하거나 반복적인 작업, 야간 무인 가동, 중량물 운반, 품질 검사 보조. 인건비 부담이 큰 분야다.
• 의료·돌봄: 병원에서 환자 이송, 물품 전달, 기록 보조. 고령화가 심각한 한국과 일본은 이 분야 수요가 크다. 간호 인력 부족 문제를 부분적으로 해소할 여지가 있다.
• 재난·탐사: 방사능 오염 지역, 붕괴된 건물 내부, 화재 현장 — 사람이 들어가면 위험한 곳에 먼저 투입하는 시나리오다. 우주 탐사에서도 논의 중이다.
• 가사 서비스: 청소, 설거지, 장보기. 솔직히 이쪽은 기술 난이도가 제일 높다. 집마다 환경이 달라서 일반화가 어렵다. 10년 안에 실용화되기는 쉽지 않을 것이다.

일자리 얘기도 빠질 수 없다. 로봇이 들어오면 특정 직군의 수요는 줄어든다. 이건 부정하기 어렵다. 동시에 로봇 유지보수, 프로그래밍, 운영 관리 같은 새 직군도 생긴다. 어떤 직업이 살아남고 어떤 직업이 대체될지는, 결국 얼마나 빠르게 변화에 적응하느냐에 달려 있다.

자주 묻는 것들

막연한 기대와 막연한 공포 사이에서 실제로 많이 나오는 질문들이다.

• Q: 언제쯤 집에서 쓸 수 있나요?
  A: 제한된 환경(물류창고 등)에서는 이미 시범 투입 중이다. 일반 가정은 다르다. 특정 산업군에서 유의미한 상용화는 5~10년 내, 그보다 넓은 범위로 확산되는 건 그 이후로 보는 게 현실적이다. 기술 발전이 빠르니 예측이 빗나갈 수도 있다.
• Q: 내 일자리를 빼앗기진 않을까요?
  A: 반복 작업 중심의 직군은 장기적으로 타격을 받을 것이다. 동시에 로봇 관련 새 직군이 생긴다는 것도 맞다. 기술 혁신이 장기적으로는 고용 총량을 늘렸다는 역사적 근거가 있지만, 단기 충격을 겪는 사람들 입장에선 위안이 안 되는 얘기이기도 하다.
• Q: 오작동하면 위험하지 않나요?
  A: 비상정지 시스템, 충돌 감지 센서, 안전 가이드라인 — 개발 초기부터 안전이 최우선 과제다. 자동차가 처음 나왔을 때도 같은 우려가 있었다. 기술이 성숙하고 규제가 정비되면서 안전 기준도 함께 발전해왔듯이, 로봇도 같은 경로를 밟을 가능성이 높다.

핵심은 이거다. 기술 자체보다 기술을 어떻게 쓰느냐가 중요하다. AI와 결합한 휴머노이드 로봇은 더 이상 먼 미래 이야기가 아니다. 창고에서, 공장에서, 이미 작동하고 있다.

출처: Engadget