TechFlow Logo
로그인/ 회원가입
ETH 가스
Gwei
공포
gas
메타버스가 남긴 가상 세계가 로봇 '원주민'을 맞이하다

메타버스가 남긴 가상 세계가 로봇 '원주민'을 맞이하다

2026.09.22
공유하기
「가상 세계 구축, 현실 장면 복제」라는 설명만 봐도 이는 과거 '메타버스' 기술 열풍을 쉽게 떠올리게 한다.

글: Zen, PANews

9월 8일, 미국의 스타트업 기업인 Antioch가 3200만 달러의 시리즈A 라운드를 완료했으며, 실리콘밸리의 저명한 벤처캐피탈 회사인 Greylock이 주도했다. 연초에 완료된 850만 달러의 시드 라운드를 포함해, 설립 초기 불과 1년도 채 되지 않은 이 회사의 누적 투자 유치 금액은 이미 4050만 달러에 도달했다.

Antioch의 주요 전략은 현실의 로봇, 센서, 소프트웨어 시스템 및 운영 환경을 컴퓨터로 가져와, 현실과 최대한 가까운 디지털 공간에서 기계를 대규모로 훈련·테스트·검증하는 것이다. 현상에서는 비용이 높거나 반복하기 어렵고 위험까지 있는 결함 및 극한 상황들을 여기에서 끊임없이 재현할 수 있다.

Antioch만이 유일한 예시는 아니다. Physical AI가 AI 산업의 새로운 투자 방향으로 부상함에 따라 3D 공간, 디지털 트윈, 물리 시뮬레이션 및 합성 데이터를 중심으로 하는 일련의 기업들이 다시 자본의 주목을 받고 있다. 이들이 해결하려는 본질적인 과제는 모두 컴퓨터 안에서 현실과 충분히 유사한 세계를 어떻게 창조할 것인가이다.

『가상의 세계를 구축하고 현실의 장면을 복제한다』는 설명만 보면 이전의 '메타버스' 기술 붐이 쉽게 떠오른다. 그러나 차이는 Antioch가 사용자에게 VR 헤드셋을 착용하고 가상 세계를 탐험하게 하는 것이 아니라, 이번에는 실제로 가상 세계에서 장기적으로 '살아가야' 하는 주체가 로봇이라는 점이다.

가상 세계가 사라진 것은 아니다. 다만 이번에는 들어가는 '거주민'이 바뀌었을 뿐이다.

사람들은 메타버스에 입주하지 않았다

2021년 8월, 전 세계 가장 중요한 컴퓨터 그래픽스 콘퍼런스인 SIGGRAPH에서 NVIDIA는 Omniverse 플랫폼을 확대하겠다고 발표했다. 당시 NVIDIA는 이를 명백히 '시뮬레이션 및 3D 협업을 위한 플랫폼'이며 '메타버스를 위한 기반을 제공 중이다'라고 정의했다.

그 핵심 구상은 원래 다른 소프트웨어에 흩어져 있던 3D 콘텐츠를 하나의 가상 세계로 모으는 데 있었다.

여기서 매우 중요한 하위 기술 중 하나는 USD(Universal Scene Description, 범용 장면 설명)다. 픽사가 처음 복잡하거나 애니메이션 영화 제작을 위해 개발했고 이후 오픈소스로 공개된 3D 장면 설명 표준이다. 간단히 말해 이는 3D 세계의 '범용 언어'와 같다. 가상 장면에 어떤 물체가 있으며, 어디에 위치하며, 어떤 재질을 사용하고, 어떻게 운동하며 서로 어떤 관계를 맺는지 등 모든 것을 USD를 통해 구조화할 수 있다.

따라서 당시 Blender 같은 3D 모델링 소프트웨어를 사용하는 디자이너, Adobe Substance 3D로 텍스처와 재질을 만드는 아티스트, 그리고 다양한 엔지니어링 소프트웨어를 쓰는 엔지니어들은 USD를 통해 각자가 만든 콘텐츠를 Omniverse에 연결해 동일한 3D 세계에서 협업할 수 있었다.

NVIDIA는 당시 이러한 미래를 '3D 인터넷'이라 묘사하기도 했다. 오늘날 인터넷이 웹 페이지를 연결한다면, 미래의 인터넷은 실시간으로 접속하고 상호작용할 수 있는 무수한 3D 공간을 연결하게 될 것이라는 것이다.

같은 해 10월, Facebook이 사명을 Meta로 변경하면서 메타버스는 가장 열띤 단계에 진입했다.

NVIDIA보다 더 거대한 청사진을 제시한 이는 Mark Zuckerberg(저커버그)였다. 그의 구상에서 사람들은 단순히 2D 화면 너머로 인터넷을 이용하는 것을 넘어, 공간감과 '존재감'을 갖춘 디지털 세계로 직접 들어가 회의, 업무, 여가, 쇼핑, 사회적 교감을 나누게 된다. 당시 Meta는 향후 약 10년 내 Metaverse가 10억 인구를 아우르며 막대한 규모의 디지털 경제를 형성할 것으로 예상했다.

메타버스는 방대한 그물망이자 무엇이든 담을 수 있는 그릇이었다. 이후 2년간 VR, AR, 디지털 휴먼, 가상 사무실, 3D 게임, 디지털 트윈, NFT 등 디지털 자산 관련 서사는 모두 '대규모 디지털 월드'라는 통합된 상상력 속에 편입되었다.

그러나 소비재 시장용 메타버스 산업은 아직 실현되지 않았으며, 초창기의 수많은 참여자들은 조용히 시장을 떠났다. Meta는 여전히 VR, AR, 스마트 글래스 분야를 포기하지 않았지만 관련 사업을 뒷받침하는 Reality Labs는 여전히 치명적으로 비싼 장기 투자의 연속이다. 2025년 기준 Reality Labs의 연간 매출은 약 22억 700만 달러였으나 영업손실은 191억 9300만 달러에 달했다. Meta는 동시에 2026년 해당 부서의 영업손실도 대체로 2025년 수준을 유지할 것으로 전망했다.

반면 Omniverse의 변화는 더욱 의미심장하다. 5년 전 NVIDIA는 Omniverse를 '메타버스의 기반'이라고 칭했다. 하지만 현재 NVIDIA 공식 웹사이트의 정의는 'Physical AI 애플리케이션을 개발하기 위한 라이브러리 및 마이크로 서비스 집합'으로 완전히 달라졌다.

Omniverse의 상위 서사와 제품 중심은 이미 산업용 디지털 트윈, 로봇 시뮬레이션 및 자율주행 개발로 이동했다. 그 아래에는 Isaac Sim, Isaac Lab, Cosmos, PhysX, Warp 등 일련의 로봇 및 Physical AI 도구가 연결되어 있다. 동일한 플랫폼이 짊어지고 있는 최대 서사는 이미 변했다.

사실 로봇 시뮬레이션, 산업용 디지털 트윈 및 물리 엔진의 역사는 '메타버스 원년'보다 훨씬 오래됐다. 이전 메타버스 붐은 단지 3D 모델링, 실시간 렌더링, 디지털 트윈, 가상 협업 및 개방형 3D 표준, NFT 등 상대적으로 분산되어 있던 기존 기술들을 '대규모 디지털 월드'라는 통합된 상상력 속에 모아놓았을 뿐이다.

따라서 메타버스가 물러난 뒤에도 이러한 인프라는 사라지지 않았다. 사람들은 단지 점진적으로 깨달았을 뿐이다. 로봇이 인간보다 훨씬 더 가상공계를 필요로 할지도 모른다는 사실을.

로봇에게 가상공계가 필요한 이유

NVIDIA는 올해 GTC 콘퍼런스에서 휴머노이드 로봇 훈련 체계를 설명하며 매우 직관적인 '로봇 데이터 피라미드'를 한 번 더 선보였다.

바닥층에는 인터넷 및 인간 데이터가 대량으로 쌓여 있다. 웹페이지, 이미지, 비디오, 인간 행동 기록 등이 여기에 속한다. 이들은 거의 고갈될 줄 모르며, 로봇에게 세상이 어떻고 사람들이 무엇을 하는지 알려준다. 하지만 일반적으로 로봇이 실제로 동작을 수행할 때 필요한 관절 각도, 힘, 촉감 및 제어 신호는 포함되어 있지 않다.

피라미드 최상단은 실제 로봇 데이터다. 로봇이 원격 조종이나 자율 주행으로 진짜 물건들을 집어 들고 나르며 걷도록 하면 최종 작업과 가장 근접한 데이터를 얻을 수 있지만, 반대로 가장 비싸다. 로봇 한대가 하루에 경험할 수 있는 실제 시간은 최대 24시간이 고작이며, 이는 기계, 장소, 운용 요원 및 장비 관리 비용까지 모두 포함되기 때문이다.

두 층 사이에 있는 것은 시뮬레이션 및 합성 데이터다. 실제 로봇 데이터만큼 정확하지는 않지만 GPU 내에서 고속으로 복제되고 병렬로 생성할 수 있다. 또한 인터넷 영상처럼 단순히 '사람들이 무엇을 하는지 보여주는 것'이 아니라, 로봇이 작업을 수행하는 데 필요한 동작, 상태 및 센서 데이터를 직접 생성할 수 있다.

이러한 이유로 NVIDIA는 앞으로 피라미드 중간에 위치한 합성 데이터 영역을 지속적으로 확장하여, 로봇 훈련의 핵심 데이터 소스로 삼기를 희망하고 있다.

세 가지 데이터의 장단점은 매우 명확하다. 인터넷과 인간 데이터는 저렴하고 규모가 크지만, 로봇의 실제 실행과는 거리가 멀다. 실제 로봇 데이터는 로봇의 실제 배포에 가장 밀접하고 물리적 신뢰도가 최고이지만, 비용이 많이 들고 속도가 느리다. 시뮬레이션 데이터는 그 중간 지점에 자리 잡는다. 신뢰도가 다소 떨어지지만 규모, 비용 효율성 및 통제 가능성 측면에서 실제 기기보다 압도적으로 우위에 있다.

결국 이것이 시뮬레이션이 미국의 Physical AI 인프라 부문에서 자본과 대형 기업의 가장 큰 투자를 받고 있는 주요 방향 중 하나가 된 이유다.

또한 시뮬레이션이 해결하는 문제는 데이터 양만이 아니다. 현실 세계의 가장 큰 특징은 임의로 복제할 수 없다는 것이다. 회사에 로봇 100대가 있다면 동시에 작동시킬 수 있는 대로 100대뿐이다. 또한 로봇을 훈련시키기 위해 창고 안에서 10분마다 선반, 조명, 바닥, 상품을 완전히 재배치할 수도 없다. 하지만 가상 환경에서는 동일한 로봇을 수천, 많게는 수만 개의 디지털 아바타로 복제할 수 있다.

기계팔 한대가 동시에 1000가지 책상 배치에 대응할 수 있으며, 로봇은 물체의 위치, 질량, 재질을 끊임없이 변경할 수 있다. 빛, 카메라 위치, 지표 마찰력, 심지어 센서 오차까지 인위적으로 무작위로 조정할 수 있다. 이러한 훈련 방식을 로봇 분야에서는 도메인 랜더마이제이션(Domain Randomization)이라 부른다. 완벽하게 일치하는 가상 환경 외우는 대신 의도적으로 환경을 지속적으로 변화시켜 모델이 여러 상황 변화 속에서도 동일한 작업을 완수하도록 학습시키는 방법이다.

덧붙여 언급할 만한 점은 '정상 작동' 데이터 외에 개발자들이 극한 상황 데이터에도 신경 써야 한다는 사실이다. 카메라가 갑자기 고장 나거나 로봇 밑바닥이 갑자기 미끄러워지며 넘어지는 등의 상황을 반드시 고려해야 한다. 현실에서 데이터 수집을 목적으로 매일 사고를 연출할 수는 없지만, 가상 세계는 가능하다.

이는 일부 전문가들이 로봇 개발이 지속적으로 실제 테스트장을 의존해서는 안 된다고 보는 이유이기도 하다. 실제 테스트에는 장비, 부지, 엔지니어링 시간이 필요하며 극단적 장애 발생을 반복하기 어렵기 때문이다. 반면 시뮬레이션 안에서는 시스템 업데이트 한 번으로 즉시 수천 가지 조건에 대한 병렬 테스트가 가능하다.

메타버스가 과거 직면했던 가장 큰 문제는 '왜 인간이 반드시 가상 세계로 들어가야 하는가'였다. 그러나 이제 로봇이 이와는 완전히 다른 답을 내놓았다. 인간에게 가상 세계는 현실 생활의 선택적 대체제일 뿐이다. 하지만 로봇에게 가상 세계는 현실에 진입하기 전 준비되는 연습장으로 기능할 수 있다.

비즈니스로 다시 부상한 '가상공계'

Physical AI를 중심으로 한 새로운 '가상 인프라' 산업이 나타나고 있으며, 각사의 전문화 및 세분화 수준도 날로 정교해지고 있다.

2026년 8월, 독일 뮌헨에 본사를 둔 NavVis가 8500만 달러의 자금 조달을 완료했다.

NavVis는 공간 데이터 기업이다. 핵심 사업은 로봇을 훈련시키는 것이 아니라 모바일 스캐닝 장비를 활용해 현실의 공장, 건물 및 인프라를 신속하게 고정밀 3D 데이터로 변환하는 것이다. 기업 측은 발표 자료를 통해 2025년 단 1년 동안 자사 시스템이 처리 및 배분한 실제 공간이 10억 제곱미터를 넘었다며 밝혔다.

현재 NavVis는 이 비즈니스를 Physical AI의 '데이터 기초'로 명확히 규정했다. 만약 로봇이 미래에 실제 공장에서 작업하려면, 컴퓨터가 먼저 해당 공장의 정확한 형상을 인지해야 하기 때문이다.

한국 스타트업 기업 NdotLight가 해결하려는 과제는 또 다른 층위다. NdotLight는 로봇 시뮬레이션용 3D 애셋을 전문적으로 제작하는 Physical AI 데이터 기업이다. 올해 8월 한국개발은행(KDB)이 주도한 신규 자금 조달로 150억 원, 약 1060만 달러를 확보했다.

일반적인 3D 모델은 대체로 충분히 사실적이라면 게임 또는 애니메이션에 사용할 수 있다. 하지만 로봇 훈련에는 턱없이 부족하다. 왜냐하면 의자 무게는 얼마인지, 어디서 충돌이 발생하는지, 표면 마찰 계수는 어느 정도인지, 어떤 부분이 움직일 수 있는지 등에 대한 정보를 정확히 알아야 하기 때문이다.

NdotLight이 개발한 TRINIX는 일반 3D 콘텐츠를 이른바 SimReady 애셋으로 전환하는 솔루션이다. 즉 로봇 시뮬레이터에 바로 삽입 가능한 3D 모델을 말한다. 외양뿐만 아니라 질량, 마찰력, 관절 구조 및 충돌 데이터도 보충하며 NVIDIA Omniverse 및 Isaac Sim과 연동된다. 이 솔루션은 가상물이 단순한 현실 복제를 넘어 로봇이 현실 객체처럼 활용할 수 있도록 하는 방법을 제공한다.

9월 17일, 아이슬란드의 Treble 역시 1800만 달러의 자금 조달을 성사시켰다. Treble는 음향 시뮬레이션 기업이다. 가상 공간을 구성한 후 방, 건물 및 기타 환경에서 소리가 전달되는 방식을 시뮬레이션하며 합성 음향 데이터를 생성한다.

로봇, 스마트 글래스 및 기타 Physical AI 기기가 현실 환경 파악을 위해 마이크에 점차 더 의존하게 되면서, 동사는 자체 음향 디지털 트윈 기술을 Physical AI 훈련에 활용하기 시작했다. 주로 해결하려는 문제는 가상 세계 내부에서 로봇이 현실과 흡사한 소리를 어떻게 '경청'하느냐는 점이다.

이러한 계열 기업들을 합쳐보면 사실상 디지털 세계를 재조립하기 시작했으며, 그 모습은 5년 전 화제가 되었던 '가상공계'와 매우 가까워지고 있다. 차이가 있다면 메타버스가 몰입감을 추구했다면 Physical AI는 실재감을 추구한다는 점이다.

이는 로봇 시뮬레이션 분야에서 가장 중요한 개념인 'Sim-to-Real'(시뮬레이션에서 실제 적용으로)이라는 결론에 도달한다. 가상 세계에서 습득한 지식이 실제 현업으로 돌아가도 통할 수 있느냐를 논하는 개념이다.

이것이 바로 NVIDIA의 Isaac Sim이 단순히 화면 렌더링뿐만 아니라 강체 역학, 관절, 충돌 및 각종 가상 센서를 포괄하며 그러한 격차를 최소화하려 하는 이유다. Isaac Lab은 추가로 개발자로 하여금 다수의 로봇 환경을 동시에 실행하고 GPU 병렬 처리를 통해 로봇 정책을 학습할 수 있도록 돕는다.

결과적으로 오늘날의 로봇 가상공계가 많은 소비자용 메타버스와 구별되는 핵심 포인트는, 전자의 가치가 결국 현실 세계로 돌아가 검증받아야 한다는 점이다.

인간은 당초의 구상대로 메타버스에 입주하지 않았다. 하지만 가상 세계를 위해 닦아 놓았던 길들이 완전히 폐허가 된 것은 아니며, 로봇들이 그것을 따라 현실 세계로 돌아오고 있다.