리이미진로보틱스, 현장 작업자로 로봇 학습

Reimagine Robotics가 현장 작업자가 로봇을 직접 가르치고 고치는 산업용 로봇 모델을 앞세워 공장 자동화 시장에 뛰어들었다. 로봇 자체를 더 똑똑하게 만드는 경쟁보다 공정 변화가 생겼을 때 현장에서 바로 수정하고 다시 학습시키는 운영 방식에 초점을 맞췄다.

비즈니스인사이더는 조너선 숄츠(Jonathan Scholz) Reimagine Robotics 공동창업자 겸 CEO가 고객을 ‘로봇 교사’로 바꾸는 전략을 설명했다고 29일 보도했다. 숄츠 CEO는 구글 딥마인드(Google DeepMind) Applied Robotics 팀을 이끌었던 인물로, 오레그 수슈코프(Oleg Sushkov), 아킬 라주(Akhil Raju), 미샤 데닐(Misha Denil)과 회사를 세웠다.

Reimagine Robotics는 런던과 시드니를 기반으로 한다. 회사는 8월 3일 보도자료에서 스텔스 모드를 종료하고 Fly Ventures와 firstminute capital, 엔젤투자자가 참여한 프리시드 투자를 받았다고 밝혔다. 투자 금액은 공개하지 않았다.

회사의 핵심 구상은 작업자가 로봇에게 일을 보여주고, 로봇이 따라 하는 과정을 지켜본 뒤, 잘못된 동작을 현장에서 바로잡는 방식이다. 전문 프로그래머가 공장에 들어와 매번 코드를 수정하는 부담을 줄이겠다는 뜻이다.

조너선 숄츠(Jonathan Scholz) Reimagine Robotics 공동창업자 겸 CEO는 회사 보도자료에서 “유용한 로봇은 일을 하는 사람에게서 배울 수 있어야 한다”고 말했다. 로봇 도입의 병목을 현장 작업자가 직접 찾아내고, 필요한 도움 방식을 시연한 뒤, 쓸모 있는 수준까지 고치는 구조를 강조한 발언이다.

숄츠 CEO는 비즈니스인사이더 보도에서 딥마인드 시절 만든 로보틱스 프로젝트 3건이 파일럿 단계를 넘지 못한 경험을 언급했다. 문제는 기초 기술만이 아니라 실제 현장 배치 방식에 있었다는 설명이다.

회사는 이미 제조와 전자폐기물 분해 시설에서 로봇을 시험 운용하고 있다고 밝혔다. 맞춤형 플라스틱 공장에서는 3D 프린터의 출력판을 제거하고, 걸쇠를 다루고, 버튼을 누르는 작업을 맡겼다.

사용 후 하드드라이브에서 핵심 소재를 회수하는 작업에는 3대의 로봇이 들어간 분해 셀을 적용했다. 회사는 이 프로젝트에서 새 로봇 행동을 시제품으로 만들고 시험하는 시간을 약 하루에서 약 10분으로 줄였다고 밝혔다.

이 수치는 회사 발표에 근거한 것이다. 안전성, 반복 생산성, 수익성에 대한 독립 검증 수치는 공개되지 않았다.

Reimagine Robotics가 겨냥하는 문제의 배경에는 로봇 학습 데이터 부족이 있다. 켄 골드버그(Ken Goldberg) UC버클리 교수는 2025년 사이언스 로보틱스 글에서 로봇 학습 시스템이 실제 세계 데이터를 충분히 확보하지 못한 문제를 ‘10만년 데이터 격차’로 설명했다.

이 표현은 로봇이 언어모델처럼 대량의 온라인 데이터를 그대로 학습하기 어렵다는 문제의식에서 나온다. 공장과 창고의 작업은 물체의 위치, 힘, 속도, 안전거리처럼 물리 조건이 함께 움직이기 때문에 실제 현장 데이터와 반복 교정이 중요하게 평가된다.

인텔(Intel)은 8월 20일 발표한 조사에서 응답자 10명 중 6명이 향후 5년 안에 로봇 플리트를 운용할 것으로 봤지만, 공식적인 인간·로봇 인력 전략을 가진 조직은 40%라고 밝혔다. 로봇을 쓰려는 수요와 실제 운영 체계가 같은 속도로 움직이지 않는다는 뜻이다.

제조·물류 현장에서는 로봇 종류가 늘수록 장비 간 연동, 데이터 수집, 원격 관제, 유지보수 체계가 도입 비용과 운영 안정성을 좌우한다. 본지는 앞서 로봇 장비만 공급하는 방식보다 현장 운영 소프트웨어와 유지보수 체계를 함께 묶는 흐름을 전한 바 있다.

Reimagine Robotics의 방식은 범용 휴머노이드 경쟁과는 결이 다르다. 사람 모양 로봇을 전면에 세우기보다 공장과 창고에서 반복되는 작업을 현장 지식으로 빠르게 가르치는 쪽에 가깝다.

회사와 창업진의 공개 게시물에는 초기 고객이 공장과 창고에서 자동화를 진행하고 있다는 설명이 나온다. 고객사 실명과 계약 규모는 공개되지 않았으며, 회사는 초기 고객과 제조 현장 적용 사례를 앞세우고 있다.