SKT 로봇 데이터 표준화 (배경, 핵심분석, 전망)

SK텔레콤이 스위스 제네바에서 열린 ITU-T 국제회의에서 '로봇 데이터 팩토리(RDF) 연동 구조 및 방식'을 신규 표준화 과제로 채택시켰습니다. 로봇 산업에서 데이터 표준이 왜 중요한지, 그리고 이 움직임이 앞으로 어떤 의미를 갖는지 제 경험과 함께 짚어봤습니다.

로봇이 '잘하려면' 결국 데이터 문제다

로봇 관련 뉴스를 볼 때 예전에는 외형이나 하드웨어 스펙에 먼저 눈이 갔습니다. 얼마나 정교하게 생겼는지, 보행 속도가 얼마인지 같은 것들이요. 그런데 요즘은 생각이 달라졌습니다. 제 경험상 실제로 로봇이 산업 현장에서 '쓸 만한 존재'가 되려면 하드웨어보다 학습 데이터의 품질과 규모가 훨씬 결정적입니다.

일반적으로 로봇의 성능은 팔의 힘이나 센서 정밀도로 결정된다고 알려져 있지만, 제가 관련 사례를 살펴보면서 느낀 건 다릅니다. 물건을 집거나 도구를 사용하는 동작은 사람 눈에는 단순해 보여도, 로봇이 이를 안정적으로 수행하려면 수백만 건의 동작 데이터를 반복 학습해야 합니다.

문제는 기업마다 이 데이터를 모으고 관리하는 방식이 제각각이라는 점입니다. 어떤 회사는 자체 포맷을 쓰고, 어떤 연구소는 전혀 다른 방식으로 라벨링을 합니다. 그러면 데이터를 합치거나 다른 플랫폼에 연결하는 순간 호환 문제가 생깁니다. 이게 지금 로봇 AI 개발 속도를 늦추는 실질적인 병목 중 하나입니다.

현재 로봇 AI 학습에 필요한 데이터 수요가 빠르게 늘고 있다는 점은 수치로도 확인됩니다. 국제전기통신연합(ITU)은 190여 개 회원국과 1,000여 개 기관·기업이 참여하는 국제 표준화 기구로, 이 자리에서 표준 과제가 채택됐다는 것 자체가 글로벌 로봇 산업이 이 문제를 공식 의제로 인식하기 시작했다는 신호입니다(출처: ITU 공식 사이트).

RDF 표준화, 무엇을 바꾸려는 건가

이번 과제의 핵심은 로봇 데이터 팩토리(RDF)의 구조와 연동 방식을 국제 표준으로 만드는 것입니다. 여기서 RDF(Robot Data Factory)란 로봇이 AI를 학습하는 데 필요한 동작 데이터를 체계적으로 생산하고 관리하는 플랫폼을 뜻합니다. 쉽게 말해 로봇 AI를 위한 '데이터 공장'인 셈입니다.

SK텔레콤이 제안한 표준안은 RDF 구조를 다섯 계층으로 나눕니다.

• 서비스 계층: 로봇이 수행할 작업 유형과 요구 사항을 정의
• 로봇 모델·데이터 계층: 실제 동작 데이터와 로봇 모델 정보를 관리
• 인프라 계층: 데이터를 저장·처리하는 컴퓨팅 환경
• 디바이스 계층: 물리적 로봇 및 센서와의 연결
• 관리 계층: 전체 시스템의 운영·모니터링

이 구조가 표준으로 자리 잡으면, 서로 다른 회사가 만든 로봇이나 플랫폼도 같은 규격 위에서 데이터를 주고받을 수 있게 됩니다. 제가 이 부분에서 특히 주목한 건 '교체 가능성'입니다. 각 계층이 독립적으로 연동되면 특정 제조사의 솔루션에 종속되지 않아도 됩니다. 기업 입장에서는 벤더 락인(Vendor Lock-in), 즉 특정 공급사에만 의존해야 하는 구조에서 벗어날 수 있다는 뜻이기도 합니다.

SK텔레콤은 이 과제를 ITU-T 산하 스터디 그룹 11(SG11)에 제안했습니다. SG11이란 ITU-T 내에서 신호 요건, 프로토콜, 테스트 사양 등 통신 시스템의 연동 구조를 표준화하는 전문 그룹입니다. 통신 분야에서 쌓은 연동 표준화 노하우를 로봇 데이터 영역에 그대로 적용하려는 시도라고 볼 수 있습니다.

솔직히 이건 예상 밖이었습니다. 로봇 데이터 표준화를 이동통신사가 주도한다는 게 처음엔 조금 낯설게 느껴졌거든요. 그런데 SK텔레콤이 SK하이닉스와 협력해 제조 AI 분야의 디지털 트윈(Digital Twin) 플랫폼을 이미 구축해 왔다는 배경을 보면 이야기가 달라집니다. 디지털 트윈이란 실제 물리적 환경을 가상 공간에 그대로 복제해 시뮬레이션하는 기술로, 실제 로봇을 움직이지 않아도 가상에서 대규모 동작 데이터를 생성할 수 있는 기반이 됩니다. 이 경험을 로봇 학습 플랫폼으로 확장한다는 전략은 꽤 설득력이 있습니다.

표준이 생기면 로봇 산업 전체가 달라진다

표준화가 산업에 미치는 영향은 생각보다 훨씬 큽니다. 제 경험상 어떤 기술이든 표준이 정해지는 순간 시장의 판이 바뀝니다. 스마트폰 충전 규격이 통일되면서 주변 생태계가 폭발적으로 성장한 것처럼, 로봇 데이터 표준이 자리를 잡으면 데이터 수집부터 활용까지의 전 과정이 훨씬 효율적으로 돌아갈 수 있습니다.

피지컬 AI(Physical AI)라는 개념이 최근 주목받고 있습니다. 피지컬 AI란 디지털 세계에만 존재하는 소프트웨어 AI가 아니라, 실제 물리적 환경에서 몸을 가지고 행동하는 AI를 말합니다. 휴머노이드 로봇이 대표적인 사례입니다. 이 분야에서 데이터 표준이 없다는 건, 고속도로는 뚫렸는데 도로 규격이 제각각인 것과 같습니다.

일반적으로 표준화 논의는 채택 이후 상용화까지 오랜 시간이 걸린다고 알려져 있습니다. 제 생각도 이와 크게 다르지 않습니다. 190여 개 회원국과 수많은 기업의 이해관계가 얽혀 있는 ITU-T에서 하나의 표준이 실제 산업 현장에 뿌리내리려면 지속적인 협력과 검증이 필요합니다. 채택 자체가 끝이 아니라는 뜻입니다.

그럼에도 이번 움직임이 긍정적으로 보이는 이유는, SK텔레콤이 하반기 출시를 준비 중인 디지털 트윈 기반 로봇 학습 플랫폼과 이 표준화 작업을 함께 진행하고 있기 때문입니다. 표준을 만들면서 동시에 그 표준에 맞는 실제 플랫폼을 내놓겠다는 계획이니, 이론에 그치지 않을 가능성이 있습니다. 글로벌 로봇·AI 기업들과의 협력 확대 여부가 앞으로의 핵심 변수가 될 것으로 보입니다(출처: SK텔레콤 공식 사이트).

로봇 산업의 경쟁력은 이제 '누가 더 좋은 로봇을 만드느냐'만의 문제가 아닙니다. '누가 더 좋은 데이터를 더 많이, 더 일관되게 만들 수 있느냐'로 무게 중심이 옮겨가고 있습니다. 이번 표준화 과제 채택이 그 전환의 출발점이 될 수 있을지, 앞으로의 진행 상황을 계속 지켜볼 생각입니다. 관련 분야에 관심 있는 분이라면 하반기 SKT 로봇 학습 플랫폼 출시 시점을 하나의 기준점으로 챙겨두시길 권합니다.

---

참고: https://v.daum.net/v/20260723105740103