대부분의 소규모 제조업체가 자동화를 도입하지 못하는 이유는 로봇이 없어서가 아니다. 로봇을 프로그래밍하려면 감당하기 어려운 비용을 지불하고 전문 엔지니어를 고용해야 하기 때문이다. 체코 스타트업 RoboTwin은 이 병목을 정면으로 겨냥한다. 작업자가 휴대용 센서 기기와 노코드 소프트웨어를 이용해 직접 동작을 시연하면 산업용 로봇을 학습시킬 수 있도록 한 것이다. 일반적인 설정에는 1분도 걸리지 않는다.
- RoboTwin의 시연 기반 학습 시스템이란?
- 모방 학습은 원격 조작 및 시뮬레이션과 어떻게 다른가?
- RoboTwin이 겨냥하는 산업과 활용 사례는?
- RoboTwin의 확장을 이끄는 자금은 무엇인가?
- 공장 자동화 도입을 검토하는 기업에 어떤 의미가 있는가?
- 자주 묻는 질문
RoboTwin의 시연 기반 학습 시스템이란?
RoboTwin의 핵심 제품은 작업자가 특정 작업을 수행하는 동안의 동작을 기록하는 휴대용 센서 기기다. 예를 들어 금속 부품에 스프레이 도장을 하는 동작을 기록한 뒤, 이를 재사용 가능한 로봇 프로그램으로 변환한다. 코드를 직접 작성할 필요는 없다. 전체 과정은 일반적으로 약 1분이면 끝난다.
RoboTwin은 기계공학자인 Megi Mejdrechová가 Ladislav Dvořák, David Polák과 함께 2021년 프라하에서 설립했다. 회사는 ‘로봇은 존재하지만 실제 현장에 투입할 수는 없는’ 간극을 정조준한다. RoboTwin의 CTO이기도 한 Mejdrechová는 AI와 컴퓨터 비전을 결합한 로보틱스 연구 과정에서 기반 기술을 개발했으며, 이후 이를 유럽 중소기업(SME)을 위한 제품으로 상용화했다.
Mejdrechová는 Robohub에 이렇게 말했다. “로봇은 기본적으로 사람이 시연한 동작을 그대로 따라 합니다. 코딩을 할 줄 모르는 사람도 자신의 노하우와 경험을 로봇에 전달할 수 있죠.”
이 기술이 중요한 이유는 암묵적 동작을 다룰 수 있기 때문이다. 작업자가 경험에 따라 무의식적으로 수행하는 미세한 조정과 본능적인 동작은 기존 프로그래밍 방식으로 명시하기가 특히 어렵다. 전통적인 로봇 프로그래밍에서는 엔지니어가 모든 경유점과 매개변수를 일일이 지정해야 한다. 반면 RoboTwin의 시스템은 이런 미세 조정을 시연 과정 자체에 포함된 정보로 자동 포착한다.
이 시스템은 협동로봇(코봇)을 포함한 다양한 산업용 로봇과 호환된다. 코봇은 사람과 작업 공간을 공유하도록 설계된 기계로, 힘 제한 센서를 통해 사람이 작동 범위 안으로 들어오면 움직임을 멈춘다. 따라서 작업 공간 전체를 안전 펜스로 둘러싸기 어려운 사람-로봇 혼합 환경에도 적용할 수 있다.
모방 학습은 원격 조작 및 시뮬레이션과 어떻게 다른가?
RoboTwin이 사용하는 방식인 시연을 통한 학습(learning from demonstration, LfD), 즉 모방 학습은 전통적인 프로그래밍 없이 로봇에 새로운 작업을 학습시키는 대표적인 방법 세 가지 중 하나다. 각각 뚜렷한 장단점이 있다.
| 방법 | 설정 시간 | 전문 인력 필요 여부 | 일반화 성능 | 하드웨어 비용 |
|---|---|---|---|---|
| 모방 학습(RoboTwin) | 약 1분 | 불필요 | 낮음~중간 | 낮음(휴대용 기기) |
| 원격 조작 | 수분~수시간 | 어느 정도 필요 | 중간 | 중간~높음(햅틱 장비) |
| 시뮬레이션 + 강화 학습 | 수일~수주 | 필요(ML 엔지니어) | 높음 | 높음(연산 자원 + 시뮬레이션 라이선스) |
| 전통적 프로그래밍 | 수시간~수일 | 필요(로봇 프로그래머) | 낮음 | 낮음(소프트웨어만 필요) |
원격 조작은 사람이 실시간으로 로봇을 원격 제어해 학습 데이터를 생성하는 방식이다. 현재 Figure AI와 Physical Intelligence(π0) 같은 휴머노이드 로봇 개발업체가 선호하는 방법이기도 하다. 고품질 시연 데이터를 만들 수 있지만 전용 하드웨어와 숙련된 작업자가 필요하다. 로봇 제어 인터페이스에 익숙하지 않은 공장 작업자가 직접 사용하기에는 확장성도 떨어진다.
강화 학습(RL)을 결합한 시뮬레이션 기반 학습은 물체의 형태와 작업 환경이 달라져도 높은 일반화 성능을 제공한다. 그러나 ML 엔지니어링 역량과 막대한 연산 자원이 필요하며, 로봇이 가상 환경에서 실제 환경으로 이동할 때 성능 차이가 발생하지 않도록 시뮬레이션-현실 전이를 세심하게 조정해야 한다.
RoboTwin의 방식은 실용적인 중간 지점에 있다. 빠르고 접근성이 높으며, 구조가 정해진 산업 작업에는 충분한 성능을 제공한다. 특히 경로가 반복되고 환경이 통제되는 표면 처리 공정에 적합하다. RoboTwin은 중장기적으로 하이브리드 운용도 추진하고 있다. 축적된 시연 데이터와 물체의 기하 정보를 활용해 제품이 바뀔 때마다 새로 시연하지 않아도 프로그램을 자동 생성하는 방식이다.
RoboTwin이 겨냥하는 산업과 활용 사례는?
RoboTwin은 분체 도장, 스프레이 도장, 연마 등 표면 처리 분야에서 사업을 시작했다. 자동화 수요가 높은 동시에 만성적인 인력 부족을 겪는 분야이기 때문이다.
Robohub에 따르면 자동차 산업은 2024년에만 생산 라인에 약 23,000대의 신규 로봇을 추가했다. 이 물량을 주도하는 것은 대형 OEM이다. 하지만 이들 공장에 부품을 공급하는 표면 처리 업체는 대개 다양한 부품을 소량 생산하는 중소기업이다. 자동화를 정당화할 만한 프로그래밍 인력을 확보하지 못한 이들 기업은 대체로 뒤처져 있었다.
RoboTwin은 이미 이 분야의 여러 고객사에 시스템을 공급했다.
- RobPainting(네덜란드) — 중소기업을 위한 로봇 도장 전문 기업으로, RoboTwin의 기기를 활용해 다양한 제품 형상에 맞는 정밀한 스프레이 경로를 학습
- Surfin Technology(체코) — 로봇 코팅 솔루션 제공업체
- Innovative Finishing Solutions(캐나다) — 기술의 해외 확장을 지원하는 북미 채널 파트너
코팅과 도장은 모방 학습에 특히 잘 맞는 작업이다. 물체 위치의 변동에 대응하기 위해 강력한 인식 기능이 필요한 픽 앤 플레이스 작업과 달리, 스프레이 도장은 숙련된 작업자가 경험을 통해 다듬어 온 공간상의 경로를 따른다. 표면과의 거리, 이동 속도 조절처럼 작업자가 체득한 요소까지 포함해 그 경로를 시연으로 정확히 기록하는 것은 LfD가 강점을 보이는 영역이다.
고객사에 따르면 이제 대부분의 로봇 프로그램을 생산 라인을 멈추지 않고 만들 수 있다. 이는 장시간 가동 중단을 감당하기 어려운 다품종 소량 생산업체에 상당한 운영상의 이점이다.
RoboTwin의 확장을 이끄는 자금은 무엇인가?
RoboTwin은 2025년 유럽혁신위원회(EIC)로부터 230만 유로의 보조금을 확보했다. 이 자금은 차세대 제품 개발과 중부 유럽, 네덜란드, 멕시코, 캐나다 등 신규 시장 진출에 사용될 예정이다.
초기에는 여성 창업 딥테크 스타트업을 지원하는 EU 프로그램 Women TechEU의 지원도 받았다. EU 지원 연구 성과를 소개하는 쇼케이스인 Horizon Results Platform을 통해 인지도를 높인 덕분에 EU의 Empowering Start-ups and SMEs 이니셔티브에 참여하게 됐고, 세계 최대 산업기술 박람회 중 하나인 Hannover Messe 2025에도 후원 형태로 참가했다.
Mejdrechová는 2025년 Forbes Czechia의 30 Under 30에 선정됐다. 이는 그녀의 기술적 기여뿐 아니라 짧은 기간에 RoboTwin이 확보한 사업 성과를 보여주는 인정이기도 하다.
다음 개발 단계에서 시스템은 생성형 프로그램 제작으로 나아갈 예정이다. 물체의 형상에 관한 기하 정보를 과거 시연 데이터 라이브러리와 결합해 로봇의 이동 경로를 자동으로 생성하는 방식이다. 이렇게 되면 제품마다 실제 시연을 반복해야 하는 횟수를 크게 줄일 수 있어, 다품종·소량 생산 환경에서도 기술을 활용할 수 있게 된다.
공장 자동화 도입을 검토하는 기업에 어떤 의미가 있는가?
지금까지 자동화 비용을 감당하지 못했던 중소 제조업체에 RoboTwin은 전혀 다른 비용 구조를 제시한다. 걸림돌은 로봇 하드웨어 자체가 아니었다. 프로그래밍 인력, 시스템 통합 엔지니어링, 제품 변경에 따른 지속적인 재프로그래밍까지 포함한 전체 도입 비용이 문제였다.
노코드 모방 학습은 바로 이 재프로그래밍 문제를 해결한다. 새로운 제품 형상에 맞춰 로봇 경로를 바꿔야 한다면, 외부 로봇 엔지니어가 아니라 숙련된 현장 작업자가 1분 안에 처리할 수 있다. 한 달에 수십 종에서 수백 종의 제품을 생산하는 공장이라면 누적되는 시간 절감 효과는 상당하다.
가장 적합한 환경: - 다품종·소량 생산 방식의 표면 처리 작업 - 로봇이 물려받아야 할 암묵적 작업 노하우를 직원들이 이미 보유한 환경 - 사내 로봇 프로그래밍 역량이 없는 중소기업 - 작업 경로가 반복되고 환경 변화가 제한적인 애플리케이션
상대적으로 적합하지 않은 환경: - 적응형 인식이 필요한 비정형 환경 - 모션 캡처만으로는 해결하기 어려운 정밀한 힘 피드백이 필요한 작업 - 서로 크게 다른 물체 종류에 걸쳐 높은 일반화 성능이 요구되는 작업
표면 처리나 경공업 자동화를 위해 협동로봇 도입을 검토하고 있다면, Robot Overflow에서 구매 가능한 코봇을 살펴보고 시연 기반 프로그래밍 방식과 호환되는 플랫폼을 비교해 볼 수 있다. 도장이나 코팅처럼 더 높은 하중이 필요한 산업용 로봇 작업에는 Robot Overflow의 중고 산업용 로봇이 초기 자본 지출을 줄이는 선택지가 될 수 있다. 이 경우 RoboTwin의 소프트웨어 계층이 프로그래밍 문제를 해결한다.
자주 묻는 질문
RoboTwin의 시스템으로 로봇을 학습시키는 데 얼마나 걸리나요?
RoboTwin의 휴대용 센서 기기를 사용하면 일반적으로 약 1분 안에 로봇 프로그램을 만들 수 있다. 작업자가 목표 작업을 한 번 수행하면 시스템이 동작을 기록하고, 변환된 프로그램을 즉시 배포할 수 있다. 코드를 작성하거나 생산 라인을 멈출 필요도 없다.
RoboTwin의 기술은 어떤 로봇과 호환되나요?
RoboTwin은 표준 매니퓰레이터, 전용 도장 로봇, 협동로봇(코봇)을 비롯한 다양한 산업용 로봇과 호환된다. 코봇은 사람이 작업 구역에 들어오면 힘 감지 시스템이 자동으로 움직임을 멈추기 때문에 사람과 로봇이 함께 일하는 환경에 특히 적합하다.
로봇 학습에서 모방 학습은 원격 조작과 어떻게 다른가요?
모방 학습은 사람이 작업을 직접 수행하는 동안 휴대용 센서 기기로 동작을 기록한다. 전문 조작자는 필요하지 않다. 원격 조작은 사람이 실시간으로 로봇을 원격 제어해 학습 데이터를 생성하는 방식이다. 일반적으로 더 높은 품질의 시연 데이터를 얻을 수 있지만, 더 많은 하드웨어 투자와 기술 숙련도가 필요하다.
RoboTwin의 다음 개발 단계는 무엇을 목표로 하나요?
RoboTwin은 2025년 230만 유로 규모의 EIC 보조금을 확보한 뒤, 물체의 기하 정보와 기존에 저장된 시연 데이터를 바탕으로 로봇 프로그램을 자동 생성하는 시스템을 개발하고 있다. 이를 통해 새로운 제품마다 실제 시연을 반복해야 하는 부담을 줄일 수 있다. 결과적으로 다품종 제조 환경에서 기술을 활용할 수 있는 범위가 크게 넓어질 전망이다.
RoboTwin은 현재 어떤 산업과 지역에서 사업을 진행하고 있나요?
RoboTwin은 주로 분체 도장, 스프레이 도장, 연마 등 표면 처리 분야에서 사업을 진행하고 있으며, 중부 유럽과 네덜란드, 캐나다, 멕시코에 서비스를 제공하고 있다. 고객사로는 네덜란드의 RobPainting, 체코의 Surfin Technology, 캐나다의 Innovative Finishing Solutions 등이 있다.
로봇 전문 지식이 없는 제조업체도 RoboTwin을 사용할 수 있나요?
그렇다. 그것이 바로 이 시스템의 명확한 설계 목표다. 노코드 시스템을 사용하면 로봇이나 프로그래밍을 배운 적이 없는 작업자도 자신이 보유한 작업 전문성을 바탕으로 로봇 프로그램을 만들고 배포할 수 있다. 회사가 내세우는 핵심 목표는 모든 제조 현장 작업자가 독립적으로 로봇을 학습시킬 수 있도록 하는 것이다.
RoboTwin의 상용화 성과는 모방 학습이 학술 논문을 넘어 실제 공장 현장으로 이동하고 있음을 보여준다. 특히 대형 자동화 업체가 오랫동안 외면해 온 중소기업 시장에서 그 흐름이 두드러진다. 1분 만에 끝나는 학습 과정, 기존 로봇 하드웨어와의 호환성, 그리고 기하 정보 기반 자동 프로그램 생성으로 향하는 로드맵은 RoboTwin을 현재 노코드 자동화가 도달한 실용적 최전선에 세운다.