실제 하드웨어에서의 물리적 디버깅
88로봇이 모델의 예측과 다르게 행동할 때, 누군가는 배선, 메커니즘, 센서 배치를 직접 살펴봐야 한다. 어떤 현재의 AI 시스템도 스스로의 손 없이는 수행할 수 없는 능력이다.
로봇공학은 AI 논쟁에서 독특한 위치에 있다. 학습된 인지·제어 모델이 손으로 짠 알고리즘이 결코 해내지 못한 일들을 해내면서 AI가 가장 빠르게 변화시키는 분야 중 하나인 동시에, 손가락을 짓누르거나 사람에게 부딪힐 수 있는 기계를 물리적으로 디버깅해야 하는 사람이 여전히 필요하다는 점에서 완전 자동화로부터 가장 보호받는 분야 중 하나이기도 하다.
아래 항목들은 '로봇공학 엔지니어'라는 직함이 AI에 안전하게 들리는지가 아니라, 어떤 특정 업무를 모델이나 로봇이 지금 할 수 있는지를 근거로, 이미 바뀐 것과 지금까지 자동화에 저항해온 것을 구분한다.
보통
기계가 대신할 수 있는 업무의 비율
인지, 동작 계획, 심지어 일부 기계 설계 탐색까지 점점 AI 도구로 생성되거나 가속되고 있다. 자동화에 저항하는 것은 실제 하드웨어에서의 물리적 디버깅, 어느 한 모델도 완전히 파악하지 못하는 기계·전기·소프트웨어 층위를 아우르는 통합 판단력, 그리고 사람을 다치게 할 수 있는 기계에 대한 법적 책임이다.
직함이 아니라 업무 단위로 산정했다. 낮을수록 안전하다.
AI가 대체하지 못하는 직업 →기계가 가져가지 못하는 것
안전 책임과 승인
85물리적 기계가 사람을 다치게 했을 때 규제기관, 법원, 피해자는 모델에게 책임을 물을 수 없다. 안전 검토에 대한 인간의 서명은 여전히 핵심적인 요소로 남아 있다.
여러 분야를 아우르는 시스템 통합
82서로를 제약하는 기계, 전기, 펌웨어, 소프트웨어 제약을 조율하려면 어느 한 분야의 모델도 완전히 담아내지 못하는 트레이드오프에 대한 판단이 필요하다.
전례 없는 과제를 위한 새로운 메커니즘 설계
76기존 어떤 로봇도 시도한 적 없는 과제를 위해 진정으로 새로운 메커니즘을 발명하는 일은 학습 데이터가 아니라 물리적 직관에서 나오는 창의적 공학 판단에 여전히 의존한다.
예측 불가능한 환경에서의 현장 진단
74통제된 공장 셀 밖에 배치된 로봇은 어떤 데이터셋도 완전히 예상하지 못한 먼지, 장애물, 예외 상황을 마주하며, 누군가는 그 자리에서 진정으로 새로운 고장에 대해 판단할 수 있어야 한다.
이미 가져가고 있는 것
인지 및 물체 인식 파이프라인
70딥러닝 모델이 예전에는 힘겨운 손 특징 설계가 필요했던 비전과 센서 융합 업무를 점점 더 처리하고 있다.
알려진 환경에서의 동작 계획
62학습 기반 및 최적화 기반 플래너가 이제 잘 알려진 환경에서 효율적인 경로와 파지를 자동으로 생성한다. 예전에는 세심한 수동 튜닝이 필요했던 작업이다.
시뮬레이션 기반 및 생성형 기계 설계
56소프트웨어는 다른 공학 분야에서 이미 흔한 생성형 설계 도구처럼, 주어진 제약 조건에 맞춰 구조나 메커니즘 변형안을 엔지니어가 손으로 반복하는 것보다 훨씬 빠르게 제안하고 순위를 매길 수 있다.
일상적인 펌웨어와 ROS 패키지 골격 작성
54AI 코딩 어시스턴트는 표준 제어 루프, 드라이버 코드, 통합용 상용구 코드 초안 작성을 가속하지만, 그 결과 코드는 여전히 사람이 하드웨어에서 테스트해야 한다.
일이 변해가는 방식
손으로 짠 컨트롤러에서 학습된 정책으로
강화학습과 모방학습이 조작과 이동을 위한 손으로 튜닝된 제어 루프를 점점 대체하면서, 공학적 노력의 초점이 모든 규칙을 작성하는 것에서 학습 데이터를 큐레이션하고 학습된 행동을 평가하는 쪽으로 옮겨가고 있다.
단일 목적 팔에서 범용 휴머노이드로
자금이 풍부한 스타트업들의 물결이 또 하나의 작업 특화 팔이 아니라 범용 보행·파지 휴머노이드 로봇에 베팅하면서, 로봇공학 엔지니어에게 요구되는 것이 더 넓고 덜 예측 가능한 능력 쪽으로 바뀌고 있다.
울타리 친 셀에서 사람 곁에서 일하는 로봇으로
안전 펜스 없는 협동 로봇은 힘 제한, 컴플라이언트 메커니즘, 새로운 센싱 표준을 요구하며, 안전공학을 경계선 문제에서 동작 단위 문제로 옮기고 있다.
모든 행동을 작성하는 것에서 학습 데이터를 큐레이션하는 것으로
로봇의 행동이 점점 더 손으로 쓴 코드가 아니라 학습된 모델에서 나오면서, 일의 일부가 그 모델들이 학습하는 데이터를 수집·라벨링·평가하는 쪽으로 옮겨가고 있다.
갈라져 나오는 새 직업들
로봇 학습 엔지니어
손으로 컨트롤러를 짜는 대신 강화학습이나 모방학습을 이용해 조작·이동 정책을 학습시키는 전문 분야로, 학습된 행동이 인지를 넘어 제어로까지 퍼지면서 빠르게 성장하고 있다.
인간-로봇 상호작용(HRI) 디자이너
로봇이 훈련받지 않은 사람들과 안전하게 의도를 전달하고 공간을 공유하는 방식을 설계하며, 로봇이 울타리 친 셀을 벗어나면서 심리학, 산업 디자인, 제어공학을 결합한다.
플릿 운영 엔지니어
창고, 배송, 농업용 로봇의 대규모 배치 함대를 원격으로 관리하며, 개별 기계를 프로그래밍하기보다 자동화 시스템이 에스컬레이션하는 예외와 예외 사례를 해결한다.
로봇 기능안전 엔지니어
ISO 10218과 ISO/TS 15066 같은 안전 표준에 맞춰 로봇을 인증하는 전문 분야로, 로봇이 울타리 뒤가 아니라 사람 곁에서 직접 일하게 되면서 빠르게 성장하고 있다.
전망
로봇공학 엔지니어에 대한 수요는 향후 10년간 강하게 유지될 가능성이 높다. 이는 단일한 AI 돌파구보다는 진정한 여러 흐름의 수렴에 의해 추진된다. 창고·물류 자동화, 미국과 유럽의 제조업 리쇼어링, 일본·한국·독일의 고령화 노동력, 그리고 자금이 풍부한 스타트업과 대형 기술기업들이 함께 걸고 있는 범용 휴머노이드 로봇에 대한 대규모의 투기적 베팅이다.
정직한 진단은, AI가 예전에는 주니어 엔지니어의 시간 상당 부분을 차지하던 인지와 계획 업무를 압축하고 있지만, 이 일의 중심에 있는 물리적 디버깅과 안전 책임까지 없애지는 못했다는 것이다. 즉 이 분야 전체 인력이 계속 늘어나는 와중에도, 업무는 통합, 판단, 학습 데이터 품질 쪽으로 옮겨가고 있다.
계속 탐색하기
공학·기술 분야의 다른 직업
💻
소프트웨어 엔지니어
현대 사회를 움직이는 코드를 작성하고 테스트하고 유지보수하는 직업이며, AI가 자기 일상 업무를 자동화하는 모습을 가장 먼저 지켜보는 직업 중 하나다.
AI 내성 35 🤖AI 연구원
기계 지능을 뒷받침하는 알고리즘을 설계하고 검증하는 직업으로, 이제는 자기 자신의 연구 과정 상당 부분을 자동화하려는 경쟁이 벌어지는 분야이기도 하다.
AI 내성 50 🛰️항공우주공학자
지상을 벗어나는 항공기, 로켓, 우주선을 설계하고 분석하고 인증하며, 추측의 여지가 없는 안전 여유를 다루는 직업이다.
AI 내성 74 🌉토목공학자
강과 바위와 중력을 다리, 도로, 맑은 물로 바꾸는 직업 — 임호테프 이래 문명을 떠받쳐온 조용한 하중지지의 업.
AI 내성 72 🔌반도체 엔지니어
컴퓨터, 휴대폰, 무기 등 거의 모든 전자기기 내부의 트랜지스터를 설계하고 제조하며, 지구상 극소수 공장만이 다룰 수 있는 초정밀 장비를 다룬다.
AI 내성 60