휴머노이드 로봇이 ‘빨래 개기’에 집착하는 진짜 이유: 테슬라 옵티머스·Figure AI·LG전자 로봇 경쟁의 핵심 신호
요즘 휴머노이드 로봇 시연 영상에서 반복적으로 등장하는 장면이 있습니다.
바로 구겨진 수건, 티셔츠, 바지를 로봇이 두 손으로 펼치고 접는 ‘빨래 개기’입니다.
겉으로 보면 단순한 집안일처럼 보이지만, 사실 이 장면에는 로봇 산업의 기술 수준, AI 학습 방식의 변화, 가정용 로봇 상용화 가능성, 그리고 글로벌 경제 전망까지 읽을 수 있는 중요한 단서가 들어 있습니다.
특히 테슬라 옵티머스, Figure AI, LG전자, Sunday Robotics, Weave Robotics 같은 기업들이 빨래 개기를 반복적으로 보여주는 이유는 단순 홍보가 아닙니다.
빨래 개기는 휴머노이드 로봇에게 가장 어려운 과제이면서도, 동시에 가장 안전하고 효율적으로 데이터를 쌓을 수 있는 최고의 훈련장입니다.
1. 왜 하필 ‘빨래 개기’인가: 로봇에게 천은 가장 까다로운 물체다
로봇이 컵을 집거나 상자를 옮기는 일은 비교적 명확합니다.
컵과 상자는 형태가 고정되어 있고, 어디를 잡아야 하는지도 비교적 예측 가능합니다.
하지만 빨래는 완전히 다릅니다.
수건, 티셔츠, 바지, 양말처럼 천으로 된 물체는 손을 대는 순간 모양이 바뀝니다.
구겨지고, 접히고, 겹쳐지고, 늘어나고, 방향까지 바뀝니다.
같은 티셔츠라도 빨래 바구니에서 꺼낼 때마다 매번 다른 형태로 나타납니다.
이것이 로봇 업계에서 말하는 ‘연성 물체 조작’의 어려움입니다.
- 수건인지 티셔츠인지 먼저 인식해야 합니다.
- 가장자리와 모서리를 찾아야 합니다.
- 소매나 허리선처럼 옷의 구조를 이해해야 합니다.
- 두 손으로 천을 펼쳐야 합니다.
- 방향을 맞추고, 양쪽 끝을 정렬해야 합니다.
- 접는 순서를 판단하고 실행해야 합니다.
- 실패했을 때 다시 펼치고 복구해야 합니다.
즉 빨래 개기는 단순 노동이 아니라, 로봇의 시각 인식, 공간 판단, 양손 협응, 힘 조절, 오류 복구 능력을 한 번에 검증하는 종합 테스트입니다.
휴머노이드 로봇이 빨래를 잘 갠다는 것은 “이 로봇이 실제 집안 환경에서 어느 정도 유연하게 움직일 수 있다”는 강력한 신호입니다.
2. 테슬라 옵티머스, Figure AI, LG전자가 빨래 개기를 보여주는 이유
테슬라의 옵티머스는 일론 머스크가 직접 티셔츠를 접는 장면을 공개하면서 큰 관심을 받았습니다.
Figure AI 역시 Figure 02와 Figure 03 시연 영상에서 빨래 개기에 상당한 시간을 할애했습니다.
LG전자도 CES에서 클로이 로봇이 세탁물을 세탁기에 넣고 수건을 접는 장면을 보여줬습니다.
이 기업들이 모두 빨래 개기를 선택한 이유는 명확합니다.
빨래 개기는 휴머노이드 로봇이 ‘사람이 사는 공간’에서 실제로 쓸 수 있는지를 보여주는 대표 장면이기 때문입니다.
- 테슬라 옵티머스: 범용 휴머노이드 로봇의 가능성을 보여주는 상징적 시연으로 활용했습니다.
- Figure AI: 비전 기반 판단과 양손 작업 능력을 강조하는 장면으로 빨래 개기를 사용했습니다.
- LG전자 클로이: 가정 내 생활 보조 로봇의 실용성을 보여주는 데 빨래 정리 장면을 배치했습니다.
- Sunday Robotics: 가정용 로봇 ‘Memo’의 첫 테스트 과제로 옷 개기를 제시했습니다.
- Weave Robotics: 빨래 개기에 특화된 고정형 로봇 Isaac Zero와 이동형 로봇 Isaac One을 내세웠습니다.
결국 빨래 개기는 로봇 기업들이 자신들의 기술을 가장 직관적으로 보여줄 수 있는 ‘무대’입니다.
사람들이 보기에도 이해하기 쉽고, 기술적으로는 매우 어렵기 때문에 시연 효과가 큽니다.
3. 빨래 개기에 필요한 핵심 로봇 능력
로봇이 빨래를 개려면 단순히 팔을 움직이는 것만으로는 부족합니다.
사람이 무의식적으로 하는 행동을 로봇은 모두 계산하고 판단해야 합니다.
- 시각 인식: 카메라로 옷의 종류와 현재 상태를 파악해야 합니다.
- 물체 이해: 수건, 바지, 티셔츠의 구조 차이를 구분해야 합니다.
- 접점 선택: 어디를 잡아야 펼쳐지는지 판단해야 합니다.
- 양손 협응: 한 손으로 잡고 다른 손으로 당기거나 접는 동작이 필요합니다.
- 힘 조절: 너무 세게 잡으면 천이 꼬이고, 너무 약하면 놓칩니다.
- 방향 정렬: 옷의 앞뒤, 위아래, 좌우를 맞춰야 합니다.
- 오류 복구: 접다가 실패하면 다시 펼치고 재시도해야 합니다.
이 모든 과정을 안정적으로 수행하는 것은 AI 로봇 기술의 중요한 진전입니다.
특히 로봇이 인간의 생활공간에 들어오려면 이런 비정형 작업을 처리할 수 있어야 합니다.
4. 과거의 빨래 개는 로봇은 왜 실패했나
빨래 개는 로봇은 사실 10년 전에도 등장했습니다.
하지만 당시 기술은 지금과 달리 매우 제한적이었습니다.
- 2010년 UC버클리 PR2: 수건 한 장을 접는 데 평균 25분이 걸렸습니다.
- 2015년 모방학습 실험: 구겨진 수건을 제대로 접은 비율이 10번 중 6번 수준이었습니다.
- 일본 Seven Dreamers의 Laundroid: 카메라와 로봇팔로 옷을 인식해 접는 가전제품을 개발했지만, 속도와 인식 정확도 문제로 상용화에 실패했습니다.
- 미국 FoldiMate: 사람이 옷을 한 장씩 펼쳐 투입구에 걸어줘야 했고, 양말·속옷·아기옷 등은 처리하지 못했습니다.
Laundroid는 옷 한 장을 개는 데 최대 10분이 걸렸고, 조금만 다른 형태의 옷이 들어오면 인식에 실패하는 경우가 많았습니다.
결국 Seven Dreamers는 2019년 파산했습니다.
FoldiMate도 CES에서 주목받았지만 양산과 출하 단계까지 가지 못했고, 2021년 문을 닫았습니다.
당시의 가장 큰 한계는 로봇이 상황에 맞춰 스스로 판단하는 능력이 부족했다는 점입니다.
연구자가 옷의 모서리를 찾는 방법, 팔을 움직이는 순서, 접는 단계를 하나하나 설계해야 했습니다.
옷의 상태가 조금만 달라져도 시스템이 쉽게 무너졌습니다.
5. 최근 로봇이 달라진 이유: VLA 모델과 AI 학습의 진화
최근 휴머노이드 로봇이 과거보다 빨래 개기를 훨씬 잘하게 된 배경에는 VLA 모델이 있습니다.
VLA는 Vision-Language-Action의 약자로, 비전·언어·행동을 통합해 학습하는 AI 모델입니다.
- Vision: 카메라로 현재 장면을 인식합니다.
- Language: 작업의 의미와 목표를 이해합니다.
- Action: 로봇 팔과 손을 어떻게 움직일지 결정합니다.
과거에는 사람이 동작을 직접 설계했다면, 이제는 로봇이 다양한 상황 데이터를 학습하면서 행동을 익힙니다.
즉 “수건의 왼쪽 모서리를 잡고 오른쪽으로 당겨라”처럼 고정된 명령만 수행하는 것이 아니라, 눈앞의 상태를 보고 그에 맞는 행동을 선택하는 방식으로 바뀌고 있습니다.
이 변화는 로봇 산업의 판을 바꾸고 있습니다.
AI 반도체 성능 향상, 대규모 데이터 학습, 센서 기술 발전, 생성형 AI의 추론 능력이 결합되면서 로봇이 실제 환경에 더 가까워지고 있습니다.
이는 장기적으로 생산성 혁신과 노동시장 변화에도 큰 영향을 줄 수 있습니다.
6. 빨래는 왜 최고의 훈련 과제인가
빨래 개기가 중요한 또 다른 이유는 훈련 데이터를 쌓기에 매우 좋기 때문입니다.
로봇은 실수하면서 배워야 하는데, 모든 작업이 실수하기 좋은 것은 아닙니다.
- 요리는 불과 칼이 있어 위험합니다.
- 설거지는 그릇을 깨뜨릴 수 있습니다.
- 공장 조립은 밀리미터 단위의 정밀도가 필요합니다.
- 가구 조립은 실패 비용이 큽니다.
반면 빨래는 떨어뜨려도 깨지지 않습니다.
잘못 접어도 다시 펼치면 됩니다.
수건을 구기거나 방향을 바꾸는 것만으로도 새로운 훈련 상황을 만들 수 있습니다.
카메라를 고정해 놓고 같은 작업을 수천 번 반복할 수도 있습니다.
기업 입장에서는 비용과 위험을 낮추면서 대량의 시행착오 데이터를 모을 수 있습니다.
이 부분이 매우 중요합니다.
휴머노이드 로봇의 경쟁력은 결국 하드웨어보다 데이터와 학습 루프에서 갈릴 가능성이 큽니다.
7. Sunday Robotics의 99.1% 성공률이 의미하는 것
최근 로봇 기업들이 공개하는 성과를 보면 10년 전과는 확실히 달라졌습니다.
Sunday Robotics는 자사 가정용 로봇 Memo가 낯선 가정 환경에서 진행한 785회의 빨래 개기 테스트 중 778회에 성공했다고 밝혔습니다.
성공률은 99.1%입니다.
옷 한 장을 개는 데 걸린 시간의 중앙값은 2분 13초였습니다.
물론 이 수치만 보고 곧바로 모든 가정에 빨래 개는 로봇이 들어온다고 보기는 어렵습니다.
테스트 조건, 옷 종류, 실패 기준, 사람의 개입 여부 등 확인해야 할 요소가 많습니다.
하지만 중요한 점은 속도와 성공률이 상용화 논의가 가능한 수준으로 빠르게 접근하고 있다는 것입니다.
10년 전에는 ‘기술 시연’에 가까웠다면, 지금은 ‘제품화 가능성 검증’ 단계로 넘어가는 분위기입니다.
8. 다른 뉴스에서 덜 다루는 핵심: 빨래 개기는 로봇의 ‘데이터 플라이휠’이다
많은 뉴스는 로봇이 빨래를 갰다는 장면 자체에 집중합니다.
하지만 더 중요한 것은 그 장면 뒤에서 만들어지는 데이터 구조입니다.
빨래 개기는 반복 가능한 작업입니다.
동시에 매번 상태가 달라지는 작업입니다.
이 두 가지 조건이 결합되면 AI 학습에 매우 좋은 데이터 플라이휠이 만들어집니다.
- 로봇이 빨래를 집습니다.
- 성공하거나 실패합니다.
- 실패 원인을 기록합니다.
- 다른 방식으로 다시 시도합니다.
- 성공 데이터를 축적합니다.
- 모델을 업데이트합니다.
- 다음에는 더 빠르고 안정적으로 수행합니다.
이 과정이 수천 번, 수만 번 반복되면 로봇은 단순히 빨래만 잘 개는 것이 아닙니다.
비정형 물체를 다루는 일반 능력을 얻게 됩니다.
이 능력은 침구 정리, 옷장 정리, 식탁보 정리, 병원 린넨 관리, 호텔 세탁물 처리, 물류 포장 작업으로 확장될 수 있습니다.
즉 빨래 개기는 가정용 로봇의 기능 하나가 아니라, 범용 로봇 지능을 키우는 핵심 훈련 문제입니다.
9. 경제 관점에서 보는 휴머노이드 로봇 경쟁
휴머노이드 로봇 경쟁은 단순한 기술 이벤트가 아닙니다.
글로벌 경제 전망에서도 중요한 투자 테마로 부상하고 있습니다.
특히 금리 인하 기대가 커지는 구간에서는 성장주와 미래 산업에 대한 자금 유입이 다시 강해질 수 있습니다.
로봇 산업은 AI 반도체, 배터리, 센서, 모터, 카메라, 클라우드 인프라, 제조 자동화와 연결됩니다.
따라서 휴머노이드 로봇 시장이 커지면 단일 기업만 수혜를 보는 것이 아니라, 전체 공급망이 함께 움직일 가능성이 큽니다.
- AI 반도체: 로봇의 시각 인식과 행동 판단에 고성능 연산이 필요합니다.
- 센서 산업: 카메라, 라이다, 촉각 센서, 힘 센서 수요가 늘어날 수 있습니다.
- 정밀 모터: 로봇 관절과 손가락 움직임을 제어하는 핵심 부품입니다.
- 배터리: 이동형 휴머노이드 로봇의 사용 시간을 결정합니다.
- 클라우드 AI: 로봇이 수집한 데이터를 학습하고 업데이트하는 기반입니다.
결국 빨래 개기 시연은 단순한 생활 로봇 홍보가 아니라, 차세대 제조업과 서비스업의 자동화 방향을 보여주는 장면입니다.
이것이 로봇 기술을 생산성 혁신의 관점에서 봐야 하는 이유입니다.
10. 가정용 로봇 상용화까지 남은 현실적인 과제
로봇이 빨래를 갤 수 있다고 해서 바로 대중화가 되는 것은 아닙니다.
상용화를 위해서는 몇 가지 큰 벽을 넘어야 합니다.
- 가격: 일반 가정이 부담할 수 있는 수준까지 내려와야 합니다.
- 속도: 사람이 직접 개는 것보다 지나치게 느리면 실사용 가치가 떨어집니다.
- 소음: 집안에서 장시간 움직여도 불편하지 않아야 합니다.
- 안전성: 아이, 반려동물, 가구가 있는 환경에서도 안정적으로 작동해야 합니다.
- 다양한 옷 처리: 수건뿐 아니라 바지, 셔츠, 양말, 속옷, 아기옷까지 대응해야 합니다.
- 정리 기능: 접는 것에서 끝나지 않고 옷장이나 서랍에 넣는 단계까지 이어져야 합니다.
- 업데이트 구조: 가정마다 환경이 다르기 때문에 지속적인 학습과 개선이 필요합니다.
특히 가격은 가장 큰 변수입니다.
가정용 휴머노이드 로봇이 수천만 원대에 머문다면 시장은 제한적일 수밖에 없습니다.
하지만 기업, 병원, 호텔, 요양시설, 세탁공장 같은 B2B 시장에서는 초기 도입 가능성이 더 높습니다.
11. 앞으로 빨래 개기 로봇은 어디에서 먼저 쓰일까
가정용보다 먼저 확산될 가능성이 높은 분야는 상업용 공간입니다.
반복 작업이 많고 인건비 부담이 큰 곳일수록 로봇 도입 명분이 강해집니다.
- 호텔: 수건, 침구, 가운 정리 작업이 반복적으로 발생합니다.
- 병원: 환자복, 침대 시트, 린넨 관리 수요가 큽니다.
- 요양시설: 세탁물 정리 업무가 많고 인력 부담이 높습니다.
- 세탁 서비스 업체: 대량의 의류를 처리하므로 자동화 효과가 큽니다.
- 물류센터: 의류 포장과 분류 작업에 응용될 수 있습니다.
가정용 로봇이 최종 목표라면, B2B 시장은 중간 단계가 될 가능성이 큽니다.
기업들은 상업 환경에서 데이터를 쌓고, 하드웨어 가격을 낮춘 뒤, 점진적으로 가정 시장에 진입할 수 있습니다.
12. 투자자와 독자가 봐야 할 핵심 체크포인트
휴머노이드 로봇 관련 뉴스를 볼 때는 단순히 “로봇이 빨래를 갰다”는 장면만 보면 안 됩니다.
다음 질문을 함께 봐야 합니다.
- 사람이 옷을 미리 펼쳐줬는가, 아니면 로봇이 직접 바구니에서 꺼냈는가?
- 수건만 접었는가, 다양한 옷을 처리했는가?
- 실패했을 때 스스로 복구했는가?
- 한 장을 개는 데 얼마나 걸렸는가?
- 테스트 환경이 정리된 실험실인가, 낯선 실제 가정인가?
- 성공률 산정 기준이 명확한가?
- 로봇이 원격 조종인지, 완전 자율인지 공개했는가?
- 수집된 데이터가 다른 작업으로 확장 가능한가?
이 질문에 대한 답이 명확할수록 해당 기업의 기술 신뢰도는 높아집니다.
반대로 화려한 영상만 있고 구체적인 조건이 없다면 마케팅 성격이 강할 수 있습니다.
13. 핵심 결론: 빨래 개기는 휴머노이드 로봇의 ‘작은 장면’이 아니라 ‘큰 전환점’이다
빨래 개기는 인간에게는 귀찮은 집안일입니다.
하지만 로봇에게는 시각, 손기술, 판단력, 오류 복구 능력을 모두 요구하는 고난도 과제입니다.
동시에 안전하고 반복 가능하며 데이터 축적에 유리한 최고의 연습문제입니다.
그래서 테슬라 옵티머스, Figure AI, LG전자, Sunday Robotics, Weave Robotics가 이 장면을 반복적으로 보여주는 것입니다.
그들이 팔고 싶은 것은 단순한 빨래 개기 기능이 아닙니다.
진짜 메시지는 “우리 로봇은 복잡한 현실 세계를 보고, 판단하고, 행동할 수 있는 단계로 가고 있다”는 것입니다.
휴머노이드 로봇 시장은 아직 초기 단계입니다.
하지만 빨래 개기 같은 비정형 작업에서 의미 있는 진전이 계속 나온다면, 로봇 산업은 AI 시대의 다음 성장축이 될 가능성이 큽니다.
< Summary >
로봇 회사들이 빨래 개기에 집중하는 이유는 단순한 집안일 시연이 아니라, 휴머노이드 로봇의 핵심 능력을 한 번에 보여줄 수 있기 때문입니다.
천은 형태가 계속 변하는 연성 물체라 로봇에게 매우 어렵습니다.
빨래 개기에는 시각 인식, 양손 협응, 힘 조절, 방향 판단, 오류 복구가 모두 필요합니다.
과거 Laundroid와 FoldiMate는 속도와 인식 한계로 실패했지만, 최근에는 VLA 모델과 AI 학습 발전으로 성능이 크게 개선되고 있습니다.
빨래는 실패해도 위험이 낮고 반복 학습이 쉬워 로봇 데이터 축적에 최적화된 과제입니다.
앞으로 휴머노이드 로봇은 가정보다 호텔, 병원, 세탁 서비스 같은 B2B 시장에서 먼저 확산될 가능성이 높습니다.
투자 관점에서는 AI 반도체, 센서, 정밀 모터, 배터리, 클라우드 AI 공급망까지 함께 봐야 합니다.
