Chapter 15: 2026 차별화 네 축 — 제조피지컬AI 혁신 관점

15.1 제조피지컬AI 프레이밍 — 공정한 귀속, 구별되는 기여

Chapter 14는 한국의 현위치를 진단했다: 세계 선도 산업 로봇 밀도, 강한 부품 공급망, 떠오르는 VLA 연구 기반, K-Humanoid Alliance 조율 계층, 그리고 플랫폼 통합과 1B+ VLA 사전 학습에서 미국/중국 대비 측정 가능한 격차. Chapter 15는 구체적인 차별화 전략을 주장한다 — 한국의 휴머노이드 프로그램을 제조피지컬AI(Manufacturing Physical AI, MPA-AI)와 네 기술 축에 정렬하고, 한국의 네 앵커 제조 섹터에 매핑하며, 축별 소유권 권고를 동반한다.

먼저 귀속. 제조피지컬AI 프레이밍은 이 책의 발명이 아니다. 2025년 중반까지 이 프레이밍은 여러 출처에 걸쳐 결정화됐다:

• 세계경제포럼(2025) "Physical AI: Powering the New Age of Industrial Operations" 백서 [WEF, 2025] — Physical AI를 제조 우선으로 다루는 기초 산업 프레이밍.
• MOTIE M.AX(Manufacturing AI Transformation) Alliance (2025년 12월) ^[4] — 약 7,000억 원 / USD 525M의 2026년 예산을 가진 한국 국가 제조 AI 약속, K-Humanoid Alliance에 대한 명시적 제조 우선 병행.
• 현대의 Metaplant 조지아 연 30,000대 Atlas 제조 용량 발표 [Hyundai, 2026-metaplant] — 자동차 섹터 배치에 명시적으로 묶인 단일 최대 휴머노이드 제조 약속.
• 산업 애널리스트 커버리지 (UPI 2026-01-27, Stimson Center 2026, Seoulz 2026)가 MPA-AI를 한국-중국-미국 산업 로보틱스 경쟁의 전략적 프레임으로 다룸.

이 책의 기여는 MPA-AI 프레이밍 자체가 아니다. 구체적인 축-섹터 매핑이다 — 네 기술 차별화 축 (1) 조작 데이터 플랫폼, (2) 온보드 VLA 효율성, (3) 플릿 학습 인프라, (4) 교차 임베디먼트 이식성 — 을 네 한국 제조 앵커 섹터 — 반도체, 자동차, 조선, 배터리 — 에 매핑하고, 한국 산업 행위자가 리드할 수 있는 곳과 수입해야 하는 곳을 식별하는 16-셀 소유권 매트릭스. 축-섹터 매트릭스가 챕터의 산출물이다. §15.7이 매트릭스를 제시한다. §§15.2–15.6이 구성 요소를 전개한다.

챕터 구성: 왜 네 축 (§15.2), 각 축 상세 (§§15.3–15.6 — 조작 데이터, 온보드 VLA, 플릿 학습, 교차 임베디먼트), 4×4 소유권 매트릭스 (§15.7), 반도체-자동차-조선-배터리 분석 (§15.8), 위험과 반대 테제 (§15.9), Chapter 16 단계적 확산으로의 다리 (§15.10).

15.2 왜 두도 여덟도 아닌 네 축인가

2026 휴머노이드 스택은 기업이 차별화할 수 있는 많은 차원을 가진다. Chapter 11은 Boston Dynamics를 하이브리드 MPC+RL로 분석했고, Chapter 12는 Figure의 엔드투엔드 학습을 Agility의 안전 우선 제어와 대비했으며, Chapter 13은 Unitree의 오픈 하드웨어를 AgiBot의 수직 통합 데이터 플랫폼에 매핑했다. 각 기업은 선택의 번들을 고른다. 왜 한국의 차별화 옵션을 네 개로 증류하는가?

두 이유. 첫째, critical-analyst의 포지셔닝 문서가 선택이 유의미하게 분리되는 개념 수준 — 데이터 / 모델-컴퓨트 / 학습-인프라 / 이식성 — 에서 네 축을 식별한다. 그 아래로 축은 합쳐진다 (예: 손 DoF는 별도 차별화 축이 아니라 조작 데이터 축의 하위 차원). 그 위로 축은 엔지니어링 결정에 매핑되지 않는 마케팅 슬로건이 된다. 네 개는 엔지니어링 결정 가능하고 전략적으로 위임 가능한 추상화 수준이다.

둘째, 한국은 네 앵커 제조 섹터를 가진다 (반도체, 자동차, 조선, 배터리). 4×4 매트릭스는 다룰 수 있다. 3×5 또는 5×5 매트릭스는 구조화되지 않은 강점 또는 채울 수 없는 셀을 생산한다. 네-축 선택은 따라서 한국 경제의 네-섹터 현실과 공동 설계된다.

네 축:

• 축 1 — 조작 데이터 플랫폼: 햅틱/촉각 신호 취득을 포함해 휴머노이드 조작 궤적을 규모에 맞게 수집·정제·주석·공개하는 시스템. Chapter 13 §13.5는 AgiBot World Colosseo를 벤치마크로 다뤘다 — 이 축은 그 차원에서 한국이 어떻게 경쟁하는지 묻는다.

• 축 2 — 온보드 VLA 효율성: 특화된 AI 가속기 실리콘을 포함해 전력/열 제약 하에서 휴머노이드 하드웨어 자체에 1B+ 파라미터 VLA 모델을 구동하는 시스템. Chapter 9 §9.9는 온보드 대 클라우드 추론을 다뤘다 — 이 축은 국내 AI 칩에 대한 한국의 구체적 기회다.

• 축 3 — 플릿 학습 인프라: OTA 업데이트, 연합 학습, 규제 준수 데이터 처리를 포함해 배치된 플릿 정책을 양산 데이터로부터 지속 개선하는 시스템. Chapter 12 §12.3은 Figure의 플릿 학습 주장을 다뤘다 — 이 축은 한국이 규제 준수, 제조 통합 플릿 학습 백본을 아키텍팅할 수 있는지 묻는다.

• 축 4 — 교차 임베디먼트 이식성: 다른 휴머노이드 폼팩터와 세대에 걸쳐 정책을 전이하는 시스템. Chapter 3 §3.7 Gap 4는 이를 미해결 프런티어로 다뤘다 — 이 축은 한국이 표준에 순응하는 대신 표준을 설정할 수 있는지 묻는다.

각 축은 기술적 깊이, 상업적 함의, 섹터 정렬 특성을 가진다. §§15.3–15.6이 각각을 전개한다.

15.3 축 1 — 조작 데이터 플랫폼

기술적 실체. 조작 데이터 플랫폼은 휴머노이드 조작 궤적을 (원격조종, 관찰, 자율 실행으로부터) 수집하고, 센서 모달리티(RGB, 깊이, 힘-토크, 촉각)로 풍부하게 하며, 태스크 레이블과 언어 기술로 주석을 달고, VLA 훈련을 위해 공개하는 스택이다. AgiBot World Colosseo ^[8]가 2026 벤치마크다 — 100 휴머노이드 × 1M+ 궤적 × 217 태스크. Chapter 3 §3.6 Gap 1은 조작 데이터를 네 촉매 중 가장 덜 해결된 것으로 식별했다. 프론티어 VLA(OpenVLA, π0, GR00T N1)는 모두 언어 모델 사전 학습 규모 대비 데이터가 기아 상태다.

한국 특유의 기회. 한국은 이 축에서 세 구조적 이점을 가진다:

• 햅틱과 촉각 연구 깊이: SNU와 KAIST 연구 프로그램은 강한 촉각 센서 IP를 가진다 [Chapter 14 §14.3]. 3 g 분해능의 지문 촉각(Figure 03)이 2026 프런티어다. 차세대 촉각 손가락은 센서 IP와 접촉 풍부한 조작 데이터 양쪽을 요구한다 — 한국은 둘 다 생산할 수 있다.
• 클린룸과 반도체 fab 태스크 접근: 한국 반도체 fab(삼성, SK 하이닉스)은 고유한 조작 데이터 기회를 대표한다 — 서브-밀리미터 정밀도, 엄격한 환경 제어, 비슷한 규모로 미국이나 중국 휴머노이드 기업이 접근할 수 없는 워크플로. K-Humanoid Alliance가 NDA 하에 조작 데이터를 수집하기 위한 반도체 산업 협력을 확보한다면, 한국은 fab 특화 휴머노이드 데이터를 가진 유일한 글로벌 행위자가 된다.
• 자동차 조립 태스크 코퍼스: 현대의 Metaplant 배치는 사내 데이터 수집 기회다. 현대-Boston Dynamics 통합(Chapter 14 §14.4)이 Atlas 배치를 체계적으로 조작 궤적을 기록하도록 구조화한다면, 현대의 플릿은 자동차 태스크 특이성의 AgiBot-World 동등물이 된다.

주요 소유권: 촉각과 조작 연구에 대해 SNU / KAIST, 산업 파트너(fab 데이터에 대해 삼성, 자동차 데이터에 대해 현대)와 함께. K-Humanoid Alliance는 한국 조작 데이터 컨소시엄에 전용 인프라 자금을 할당해야 한다.

2차 소유권: 플랫폼-도구 제공자로 Rainbow Robotics와 NAVER LABS.

2028 경쟁력 도달을 위한 주요 이정표:

• 2026H2: 컨소시엄 출범, 초기 데이터 수집 프로토콜.
• 2027: 연구 라이선스 하에 한국 수집 조작 궤적 10만+ 공개.
• 2028: 촉각 풍부화를 동반한 1M+ 궤적, OpenVLA 대비 벤치마크 패리티를 갖는 한국 수집 데이터에 훈련된 최초의 한국 원산 VLA.

15.4 축 2 — 온보드 VLA 효율성

기술적 실체. 온보드 VLA 효율성은 지속 전력과 열 예산(전형적으로 50–200 W) 하에서 휴머노이드 플랫폼 자체(임베디드 GPU 또는 특화 AI 가속기)에서 1B+ 파라미터 vision-language-action 모델을 구동하는 역량이다. Figure Helix 02는 7B VLM을 7–9 Hz에 온보드로 돈다고 주장한다. GR00T N1은 L40 외부 GPU에서 돈다. 2026 질문은 휴머노이드가 연결성 제한이나 프라이버시 제한 환경에서 작동할 수 있도록 온보드 효율성이 더 낮아질 수 있는지(Chapter 9 §9.9)다. SmolVLA ^[10]와 π0.5 [Intelligence, 2025-pi05]가 효율적 VLA의 학계 프런티어를 대표한다. 국내 AI 실리콘이 그림을 완성한다.

한국 특유의 기회. 한국은 두 구조적 이점을 가진다:

• 국내 AI 실리콘: Rebellions ATOM ^[12]과 DEEPX ^[13]는 엣지 AI 추론을 타깃으로 한다. 어느 칩도 2026Q1까지 NVIDIA와의 프론티어 모델 성능 패리티를 시연하지 못했지만, 추가 18–24개월 개발로 둘 다 휴머노이드 추론 적정 사양에 도달할 위치에 있다. 한국 칩 투자는 프론티어 훈련에는 아니더라도 엣지 추론 특정으로는 NVIDIA 투자와 규모가 맞다.
• 반도체 fab 제약 앵커: 한국 반도체 fab은 완전 온보드 휴머노이드 추론을 요구한다(데이터 잔류 규제, 에어갭 제약). 이것이 한국 칩을 선택하는 틈새다 — NVIDIA 프론티어 추론 칩은 fab 배치 제약이 허용하는 것보다 더 크고 뜨겁고 전력을 많이 먹는다. 전력 효율적이고 한국 공급망 기반의 한국 칩은 NVIDIA가 서비스하지 않는 시장을 가진다.

주요 소유권: 하드웨어 제조사로 Rebellions와 DEEPX, 반도체 제조 파트너로 삼성과 SK 하이닉스, 모델 계층 조율로 K-Humanoid Alliance.

2차 소유권: 모델 압축 연구에 대해 SNU와 KAIST, 시스템 통합에 대해 LG 전자.

주요 이정표:

• 2026H2: 개선된 추론 효율성을 갖는 Rebellions ATOM v2 tapeout.
• 2027: 휴머노이드 배치 주파수(50+ Hz 행동 head)에서 1B+ 파라미터 VLA를 구동하는 최초의 한국 제조 칩.
• 2028: 문서화된 가동률을 갖는 삼성 또는 SK 하이닉스 fab 내 한국 칩 휴머노이드 파일럿.

15.5 축 3 — 플릿 학습 인프라

기술적 실체. 플릿 학습은 휴머노이드 정책을 배치하고, 배치 단위로부터 양산 데이터를 수집하며, 오프라인 재훈련을 통해 정책을 지속 개선하고, OTA로 플릿에 업데이트를 푸시하는 인프라다. 인프라는 데이터 파이프라인, 모델 레지스트리, 플릿 서브셋에서의 A/B 테스트, 규제 준수 데이터 처리(GDPR, 한국 PIPA, 섹터별 규제), 업데이트가 성능을 저하시킬 때의 롤백 역량을 포함한다.

한국 특유의 기회. 한국은 두 구조적 이점을 가진다:

• 고준수 제조: 한국 반도체와 자동차 산업은 엄격한 규제 체제, 변경 통제 프로토콜, 추적 감사 요건에 수십 년 경험을 가진다. 이 관행을 휴머노이드 플릿 학습으로 번역하는 것은 Figure 같은 스타트업이 여전히 구축 중인 규제 준수 우위를 한국에 부여한다.
• 통합 제조-IT 스택: LG CNS, 삼성 SDS, 현대오토에버는 제조용 기업 규모 IT 통합을 운영한다. 휴머노이드 플릿 관리를 위해 이 스택을 적응시키는 것은 밑바닥 스타트업 구축이 아니라 사내 역량 구축이다.

주요 소유권: 시스템 통합 리드로 LG CNS / 삼성 SDS / 현대오토에버, 배치 플릿 소유자로 삼성전자와 현대.

2차 소유권: 교차 기업 데이터 공유 프로토콜(준수가 허용하는 곳)에 대해 K-Humanoid Alliance.

주요 이정표:

• 2027: 문서화된 플릿 학습 OTA 주기(최소 분기 업데이트)를 갖는 최초의 한국 산업 휴머노이드 배치.
• 2028: K-Humanoid Alliance 하 교차 기업 데이터 공유 프로토콜(예: 현대 Atlas와 삼성 리서치 휴머노이드가 통제된 조건 하에 익명화된 조작 실패 데이터 공유).
• 2029: 반도체 fab 환경(가장 엄격한 테스트 케이스)에서의 규제 준수 휴머노이드 플릿 운영.

15.6 축 4 — 교차 임베디먼트 이식성

기술적 실체. 교차 임베디먼트 이식성은 최소한의 재훈련으로 한 휴머노이드 플랫폼에서 다른 플랫폼으로 훈련된 정책을 전이하는 능력이다. 2026 상태는 교차 임베디먼트가 연구에서 부분적으로 시연됐지만(Open X-Embodiment ^[6]은 22 임베디먼트에 훈련, GR00T N1 ^[7]은 세 휴머노이드 플랫폼 타깃) 상업 규모에서는 크게 미해결이라는 것이다 [Chapter 3 §3.7 Gap 4]. 엔지니어링 도전은 다른 휴머노이드가 다른 관절 구성, 센서 배치, 액추에이터 특성, 촉각 역량을 가진다는 것 — 하나에서 작동하는 정책이 다른 것에 자명하게 작동하지 않는다.

한국 특유의 기회. 한국은 하나의 강한 이점과 하나의 떠오르는 이점을 가진다:

• 표준 소유권 레버리지: 한국이 IEEE/ISO 휴머노이드 인터페이스 계약(관절 수준 명령 형식, 센서 데이터 프로토콜, 안전 필터 API)에 기여한다면, 한국 개발 플랫폼은 어떤 교차 임베디먼트 아키텍처에서도 일급 시민이 될 수 있다. 대안은 한국 플랫폼 선택을 제약하는 미국 주도 또는 중국 주도 표준.
• 정규 레퍼런스 임베디먼트로서의 현대 Atlas: 현대-Boston Dynamics 통합(Chapter 14 §14.4)이 연구 파이프라인 접근 가능한 Atlas 변종을 생산한다면, 한국 연구자는 Figure나 AgiBot의 공유 의지에 의존하지 않고 Atlas와 파트너 플랫폼에서 교차 임베디먼트 알고리즘을 개발하고 벤치마크할 수 있다.

주요 소유권: K-Humanoid Alliance(표준 기구 대표로), 기술 기여자로 현대와 KAIST.

2차 소유권: 연구 규모 교차 임베디먼트 벤치마크에 대해 SNU, POSTECH, ETRI.

주요 이정표:

• 2026H2: IEEE 휴머노이드 인터페이스 계약 작업 그룹에 한국 대표.
• 2027: 최소 세 한국 원산 플랫폼(예: Atlas, Rainbow RB-Y1, 두산 휴머노이드)을 커버하는 K-Humanoid Alliance 교차 임베디먼트 벤치마크 스위트.
• 2028: 한국 대표가 공동 리드하는 ISO/IEC 휴머노이드 표준 기여.

15.7 4×4 축-섹터 매트릭스

네 축은 한국의 네 앵커 제조 섹터에 다음과 같이 매핑된다:

셀 범례: ★ 리드 = 한국이 글로벌 리드를 할 구조적 이점 보유, ● 강함 = 한국이 경쟁력 있음, ○ 중간 = 한국이 기여하지만 리드하지 않음.

매트릭스는 세 구역에 집중된 여섯 "리드" 셀을 생산한다:

구역 A: 반도체 fab 조작 데이터와 온보드 VLA 리더십. 한국은 반도체 섹터에서 고유 태스크 접근(축 1)과 온보드 칩에 대한 고유 공급망 레버리지(축 2)를 가진다. 이것이 매트릭스에서 가장 날카로운 한국 차별화 기회다.

구역 B: 자동차 섹터 Atlas 플릿 리더십. 현대의 Metaplant 배치는 교차 임베디먼트 레퍼런스 플랫폼으로서의 Atlas(축 4)와 현대오토에버를 통한 플릿 학습 인프라(축 3)와 결합되어 자동차 섹터를 한국의 가장 넓은 다중 축 리드로 위치시킨다. 축 1(데이터)은 반도체와 공유 리드.

구역 C: 강하지만 리드는 아닌 조선과 배터리. 두 섹터 모두 의미 있는 한국 깊이를 가지지만 구체적으로 휴머노이드 리더십을 주장하기 어려운 더 센 경쟁(중국과 유럽 조선소로부터의 조선, 글로벌 EV 시장으로부터의 배터리)에 직면한다.

15.8 섹터 심층 분석

반도체. 삼성은 세계 선도 3nm·2nm 로직 fab을 운영하며(2nm Exynos 2600은 2025년 12월 양산 진입), SK 하이닉스는 세계 최선단 메모리 fab(10nm-class DRAM, HBM 선도 규모)을 운영한다. 휴머노이드 특화 태스크는 웨이퍼 취급 검사, 서브 fab 유지보수, 오염 제어 환경에서의 응급 대응 작업을 포함한다. 태스크 범위는 좁다(민첩 범용 작업 없음) 하지만 배치 휴머노이드당 가치는 매우 높다($10M+ 가동 중단 비용 함의). 로봇당 경제가 광범위한 한국 특화 커스터마이즈를 갖는 고가 휴머노이드를 정당화한다. 축 1(고유 데이터), 축 2(fab 호환 칩), 축 3(fab 준수 하 플릿 학습)이 정렬된다. 축 4(이식성)는 fab이 단일 플랫폼 표준화를 허용하기 때문에 덜 중요하다.

자동차. 현대자동차 그룹은 단일 가장 휴머노이드 약속한 한국 산업 행위자로서 광범위한 배치에 위치한다. Metaplant 조지아의 연 30,000대 Atlas 제조 용량 + 한국 조립 공장은 제조된 휴머노이드와 배치된 플릿 양쪽을 생산한다. 데이터 수집(축 1), Atlas 교차 임베디먼트(축 4), 플릿 학습(축 3) 모두 리드. 축 2는 자동차 품질 통제가 온보드 추론을 선호하기 때문에 강하다(공급망 견고성, 생산 중 클라우드 연결성에 의존 없음).

조선. HD 현대, 삼성중공업, 한화오션은 세계 최대 조선소를 운영한다. 휴머노이드 태스크는 제한된 공간에서의 선체 검사, 용접 품질 감사, 대형 선박 응급 작업을 포함한다. 배치 볼륨은 자동차 대비 작다(수십에서 수백 조선소 휴머노이드 대 수천 공장 휴머노이드) 하지만 배치별 태스크 특이성은 높다. 한국은 축 2와 3에서 강한 위치를 가지지만 축 1과 4에서는 리더십이 아니라 경쟁력 있는 위치를 가진다.

배터리. SK On, LG 에너지솔루션, 삼성 SDI는 세계 최대 EV 배터리 생산을 운영한다. 휴머노이드 관련 태스크는 전극 취급 자동화, 열 이벤트 시나리오에서의 안전 대응, 품질 통제 검사를 포함한다. 조선과 유사하다 — 축 2와 3에서 강한 위치, 1과 4에서 경쟁력. EV 배터리 공급망은 글로벌 전략적 중요 섹터이므로, 여기서의 휴머노이드 응용은 순수 상업 경제 넘어 정책 계층 지원을 가진다.

네-섹터 분석이 매트릭스를 강화한다 — 한국 휴머노이드 노력을 먼저 반도체와 자동차 섹터에 집중하고, 조선과 배터리를 2차 배치 맥락으로 한다. K-Humanoid Alliance 자금은 이 우선순위화를 반영해야 한다.

15.9 위험과 반대 테제

세 반대 테제가 명시적 대응을 받을 가치가 있다:

반대 테제 1: "한국 제조 휴머노이드는 너무 좁다 — 범용 휴머노이드가 글로벌에서 이길 것". Figure와 Tesla는 하나의 범용 휴머노이드가 많은 섹터를 경제적으로 서비스한다는 데 베팅한다. 그들이 옳다면, 섹터별 한국 휴머노이드는 좁은 틈새용으로 오버엔지니어링되어 R&D 비용을 넓은 시장에 걸쳐 상각할 수 없다. 응답은 한국 특유 공급망을 가진 좁게 특화된 휴머노이드가 범용 휴머노이드가 결국 2032년 이후 지배하더라도 2026–2030 구간에 이길 수 있다는 것이다. 한국 창은 근시일 10년이지 영속성이 아니다.

반대 테제 2: "중국 가격 이점이 축 선택과 무관하게 한국 휴머노이드 시도를 격파할 것". Unitree의 $16k G1과 AgiBot의 $35k A2는 한국 휴머노이드 프로그램이 단위 비용으로 매치할 수 없는 가격을 대표한다. 응답은 한국 휴머노이드가 품질 및 신뢰성 프리미엄 시장(반도체 fab, 자동차 공장)을 타깃으로 한다는 것 — 거기서 단위 비용은 구속 제약이 아니다. 구속 제약은 배치 위험 최소화, 규제 준수, 공급망 출처다. 중국 휴머노이드는 반도체 fab 자격 심사를 전혀 통과하지 못할 수 있다.

반대 테제 3: "K-Humanoid Alliance는 다부처 한국 조율이 소프트웨어 주도 섹터에 역사적으로 약했기 때문에 발표된 목표를 underperform할 것". 응답은 Alliance가 반드시 축-섹터 매트릭스(또는 동등 구조)를 명시적으로 우선순위화해야 한다는 것. 네 축을 네 섹터에 걸쳐 균등히 커버하는 분산된 Alliance는 경쟁 우위를 생산하지 않는다. 반도체+자동차 × 축 1–3 우선순위화, 조선+배터리를 2차로 커버하는 집중된 Alliance는 Alliance 발표가 약속하는 2028 산출물을 생산한다.

15.10 Chapter 16으로의 다리

Chapter 15는 어디에서 플레이할지 질문을 프레임한다 — 네 축, 네 섹터, 여섯 리드 셀, 반도체와 자동차 우선순위화. Chapter 16은 언제 플레이할지 질문을 프레임한다 — 공장(2026–2028)에서 서비스(2028–2030)를 거쳐 가정(2030–2032)으로의 단계적 확산, 어느 한국 섹터가 어느 단계에 진입하는지와 산업 애널리스트 투영(ABI, IDC, Morgan Stanley)이 한국 배치 점유율 목표에 대해 무엇을 함의하는지에 명시적 주의. 두 챕터 함께 K-Humanoid Alliance와 참여 한국 산업 행위자를 위한 전략적 의사 결정 프레임워크를 생산한다.

참고문헌

1. World Economic Forum. (2025). Physical AI: 산업 운영 새 시대의 추동. WEF 백서.
2. MOTIE. (2025). M.AX (Manufacturing AI Transformation) Alliance 출범. 산업통상자원부, 2025년 12월.
3. Hyundai Motor Group. (2026). Metaplant 조지아와 Atlas 배치. 현대 발표, 2026년 1월.
4. MOTIE. (2025). K-Humanoid Alliance 출범 발표.
5. KIET. (2025). 제조업의 휴머노이드 로보틱스: 전략적 전망. 산업연구원.
6. Padalkar, A., et al. (2023). Open X-Embodiment: Robotic learning datasets and RT-X models. arXiv preprint 2310.08864.
7. Bjorck, J., et al. (2025). GR00T N1: 범용 휴머노이드 로봇을 위한 오픈 파운데이션 모델. NVIDIA 기술 보고서.
8. AgiBot. (2025). AgiBot World Colosseo: 대규모 조작 플랫폼.
9. Figure AI. (2026). Figure 03 + Helix 02: 범용 휴머노이드 시스템.
10. Shukla, A., et al. (2025). SmolVLA: 저렴하고 효율적인 로보틱스를 위한 vision-language-action 모델.
11. Physical Intelligence. (2025). π0.5: 개방 세계 일반화를 갖는 vision-language-action 모델.
12. Rebellions. (2025). Rebellions ATOM: 로봇 추론용 한국 AI 칩.
13. DEEPX. (2024). DEEPX: 로보틱스용 한국 엣지 AI 칩.