로봇이 쓸 데이터는
현장에서 만들어집니다

두 문장에서 출발합니다

2026년 10월 7일, Sequoia Capital은 로봇 학습 데이터 기업 Mecka에 투자하며 「Partnering with Mecka: Bringing AI to the Physical World」를 공개했습니다. 이 글에는 두 문장이 있습니다.

두 번째 문장은 답의 조건입니다. 다섯 역량이 모두, 함께, 큰 규모로 작동해야 한다는 것입니다. 원문은 "you need not one but all of them, working together and at scale"입니다. 첫 문장은 문제를, 두 번째 문장은 답의 조건을 말합니다.

로봇에게 필요한 데이터는 현장에서 만들어야 합니다

언어 모델은 인터넷에 쌓인 텍스트로 배웠습니다. 현장 로봇에게 필요한 데이터는 다릅니다. 부품이 지금 어디에 놓였는지, 용접선이 도면과 얼마나 어긋났는지는 현장을 직접 읽어야 알 수 있습니다.

중공업 현장에서는 이 문제가 특히 큽니다. 제품이 크고, 같은 것이 드뭅니다. 공정 상태도 계속 바뀝니다. 로봇이 작업하려면 지금 현장의 3D 상태와 작업 좌표가 필요합니다. 도면만으로는 이것을 알 수 없습니다.

Sequoia가 꼽은 다섯 가지 역량

리서치 로봇공학의 다음 변화와 그에 필요한 것을 미리 파악합니다.

하드웨어 데이터를 담는 장비를 설계하고 빠르고 경제적으로 양산합니다.

운영 여러 산업과 직무에서 큰 규모로 데이터를 수집합니다.

소프트웨어·AI 영상·동작·센서 데이터를 학습할 수 있는 데이터로 만듭니다.

배포 고객 현장에 로봇을 배치하고 강화학습과 실운영을 수행합니다.

Sequoia는 이 다섯 가지가 함께 작동해야 한다고 말합니다. 리옵스는 한 걸음 더 나아가, 중공업·제조 현장에서는 이것이 한 회사의 책임으로 이어져야 한다고 봅니다. 이유는 두 가지입니다.

첫째, 오차는 단계 사이에서 쌓입니다

센서가 현장을 측정하고, 소프트웨어가 측정값을 CAD와 맞추고, 로봇이 그 좌표로 움직입니다. 단계마다 오차가 생기고, 그 오차는 다음 단계로 넘어갑니다. 각 단계를 따로 확인해서는 전체 누적 오차를 설명하기 어렵습니다.

밀리미터 단위 작업에서는 이 누적 오차가 결과를 가릅니다. 그래서 리옵스는 인식부터 제어까지 한 회사가 연결해 책임지는 방식을 택했습니다.

둘째, 현장의 문제는 현장에서 드러납니다

현장의 예외는 연구실에서 미리 알기 어렵습니다. 로봇을 실제로 넣어 봐야 무엇이 어려운지 드러납니다. 원인은 센서 배치일 수도, 정합일 수도, 로봇 경로일 수도 있습니다. 리옵스는 어느 단계에서 생긴 문제든 직접 고칠 수 있도록 인식부터 제어까지 한 팀이 맡습니다.

데이터를 다루는 조건도 함께 봐야 합니다

중공업 현장의 데이터는 설계 정보이자 공정 노하우입니다. 그래서 보안은 도입의 전제 조건입니다. 현장 데이터를 쓰는 기술을 검토할 때는 무엇을 수집하는지, 어디서 처리하는지, 누가 접근하는지를 먼저 확인해야 합니다. 한 회사가 전체 과정을 맡더라도 마찬가지입니다.

리옵스가 하는 방식

리옵스는 조선·중공업을 위한 Physical AI 기업입니다. 현장을 읽는 공간 MES와, 그 위에서 일하는 로봇 작업반(로봇 용접반·자율 물류·로봇 머신텐딩)을 공급합니다. 두 제품은 같은 3D 공간 모델을 공유합니다.

리서치 작업 난이도를 검사·계측, 물류 이송, 도장·그라인딩(사상), 용접 순으로 봅니다. 그중 가장 어려운 비정형 용접부터 풀었습니다.

하드웨어 여러 센서로 현장을 상시로 읽는 시스템과 자율주행 AMR을 직접 만듭니다. 작업 현장에서는 센서와 로봇, 작업 도구를 하나의 좌표계로 묶어 로봇 작업 시스템을 구성합니다.

소프트웨어·AI 자체 개발 3D 정합 엔진으로 스캔 결과를 CAD와 맞춰 공정률을 실측합니다. 로봇 작업반도 이 공간 모델의 좌표로 일합니다.

운영과 배포 조선소 용접, 기자재 제작, 공장 물류, CNC 가공 설비의 머신텐딩 현장에서 로봇이 일합니다.

도입은 네 단계로 진행합니다.

도입 전에 물어볼 질문

피지컬 AI를 검토하는 현장이라면 공급사에 이렇게 물어보시길 권합니다.

맺으며

리옵스는 Physical AI를 "ChatGPT가 언어 작업에서 보여준 수준의 범용성을 로봇의 물리 작업에서 구현하는 것"으로 정의합니다. 로봇이 쓸 데이터, 곧 작업 시점의 현장 상태와 좌표를 현장에서 읽고 로봇 작업까지 잇는 일은 한 팀이 책임져야 한다고 리옵스는 봅니다.

현장의 사례는 쉬운 용접은 이미 로봇이 합니다와 로봇을 팔지 않습니다. 용접된 물량을 책임집니다에서 이어집니다.

참고: Sequoia Capital, "Partnering with Mecka: Bringing AI to the Physical World" (Anas Biad, James Flynn, 2026-10-07). 이 글의 원문은 리옵스 블로그(blog.liops.ai/physical-ai-field-data)에 있습니다.