Part I: 산업과 선별

Chapter 1: 중국 로봇산업 — 규모와 구조

집필일: 2026-08-17 최종수정일: 2026-08-17

개요

중국 로봇산업은 얼마나 큰가? 이 질문은 간단해 보이지만, 답을 숫자 하나로 줄이는 순간 거의 반드시 중요한 것을 놓칩니다. 산업용 로봇의 연간 출하량, 공장에 누적 설치된 로봇 수, 실제로 가동 중인 이동로봇 수, 휴머노이드 시제품 수, 로봇기업의 매출은 서로 다른 대상을 셉니다. 여기에 완성 로봇, 핵심 부품, 제어기, 촉각 센서, 데이터 기반시설, 의료기기처럼 규제 체계까지 다른 사업이 모두 ‘로봇’이라는 이름 아래 놓입니다. 따라서 규모를 읽는 첫 단계는 큰 숫자를 찾는 일이 아니라 분모를 고정하는 일입니다.

이 장의 질문은 “중국 로봇시장은 몇 위인가?”가 아니라 “어떤 단위와 증거로 중국 로봇산업의 구조를 비교해야 하는가?”입니다. 핵심 논지는 중국 로봇산업을 하나의 시장이 아니라 여러 계층이 맞물린 산업 생태계로 봐야 한다는 것입니다. 하드웨어만 보아도 산업용 팔, 협동로봇, 자율이동로봇, 4족 보행로봇, 휴머노이드, 수술로봇, 손과 촉각 센서가 서로 다른 구매자와 검증 절차를 가집니다. 그 위에는 제어 소프트웨어, 데이터, 시뮬레이션, 학습 모델, 시스템 통합, 유지보수가 얹힙니다. 회사의 가치는 어느 한 제품 사양보다 이 계층들을 얼마나 안정적으로 연결하는지에서 드러납니다.

이 관점은 WRC 2026 현장에서 특히 유용합니다. 전시장에서는 동작이 눈에 잘 띄는 몸체가 주목받지만, 제조업 도입을 결정하는 사람에게 더 중요한 질문은 따로 있습니다. 반복정밀도는 어떤 시험조건에서 측정했는가, 제어기는 현장 설비와 어떻게 연결되는가, 고장 시 누가 복구하는가, 데이터는 다음 배치에 재사용되는가, 통합된 셀의 안전 책임은 어디에 있는가를 물어야 합니다. 이 장은 이후 44개 기업을 비교할 때 사용할 공통 자와 증거 규칙을 세웁니다.

이 장을 읽고 나면... - 시장 규모, 출하량, 설치 기반, 실제 가동 배치, 기업 매출을 서로 다른 분모로 구분할 수 있습니다. - 산업용 팔부터 촉각·데이터·의료로봇까지 중국 로봇 생태계를 계층별로 읽을 수 있습니다. - 표준, 규제·등기 기록, 기업 원문, 학술 논문, 시연 영상이 각각 무엇을 증명하고 무엇을 증명하지 못하는지 판단할 수 있습니다. - 제조 셀 도입에서 제품 사양보다 통합·안전·운영 지표가 중요한 이유를 설명할 수 있습니다. - WRC 현장에서 비교 가능한 질문을 만들고, 과장된 규모 주장을 걸러낼 수 있습니다.

1.1 먼저 ‘로봇’과 ‘규모’를 정의해야 합니다

산업을 지도화하려면 관찰 단위를 먼저 정해야 합니다. 산업용 로봇 팔 한 대를 파는 회사와 물류센터 전체의 로봇 군집을 운영하는 회사는 모두 로봇기업이지만 수익 구조가 다릅니다. 전자는 장비 가격, 반복정밀도, 가반하중, 수명주기 서비스가 중요합니다. 후자는 로봇 대수뿐 아니라 창고관리시스템 연동, 교통 제어, 충전, 장애 복구, 소프트웨어 구독과 운영 인력이 비용을 좌우합니다. 휴머노이드 기업은 아직 연구·시범 배치와 양산 준비가 혼재하며, 의료로봇 기업은 임상·규제 승인과 병원 도입 절차를 거칩니다. 같은 ‘판매 한 건’도 경제적 의미가 같지 않습니다.

로봇 성능을 비교할 때는 정밀도, 경로, 속도, 가반하중의 공통 정의와 시험조건이 먼저 고정되어야 합니다. ISO 9283은 산업용 조작 로봇의 위치 정확도와 반복정밀도 등 성능 특성과 시험방법을 정의하지만, 모든 로봇이 넘어야 할 보편적 성능 문턱 하나를 제시하지는 않습니다. 따라서 제조사가 제시한 “정밀도”라는 단어만으로 두 제품의 우열을 판단할 수 없습니다. 자세와 경로, 부하, 속도, 온도, 캘리브레이션 상태, 측정 절차가 같은지 확인해야 합니다 [1].

정확도와 반복정밀도의 차이는 이 장 전체의 방법론을 잘 보여줍니다. 정확도는 명령한 위치와 실제 위치 사이의 차이를 묻고, 반복정밀도는 같은 명령을 여러 번 수행했을 때 결과가 얼마나 모이는지를 묻습니다. 편향된 로봇은 반복성은 좋지만 정확도는 낮을 수 있습니다. 반대로 평균적으로 목표에 가깝더라도 분산이 크면 정밀 조립에 부적합합니다. 시장 지표도 마찬가지입니다. ‘큰 시장’이라는 평균적 인상보다 무엇을 어떤 기간에 반복해서 셌는지가 중요합니다.

시장 규모, 연간 출하량, 누적 설치 기반, 실제 가동 중인 배치는 서로 바꿔 쓸 수 없는 분모입니다. 기업 등기 기록은 법인의 존재와 등록 정보를 확인하는 권위 있는 출발점이지만, 제품 성능이나 납품 실적을 입증하지는 않습니다. 또한 이 장의 소스 패킷에는 2026년 중국 로봇시장 전체를 동일 정의로 조화시킨 시계열이 없습니다. 그러므로 서로 다른 조사기관이나 기업이 제시한 숫자를 합쳐 하나의 시장 순위로 만들지 않고, 각 수치에 대상·기간·지역·출처를 붙여 읽어야 합니다 [2] [1].

이 제한은 약점이 아니라 분석의 출발점입니다. ‘출하’는 공장에서 나간 수량인지, 유통사에 인도된 수량인지, 최종 고객이 검수한 수량인지 확인해야 합니다. ‘설치’는 시험 설치와 유상 양산 배치를 구분해야 하며, ‘가동’은 한 번 켜진 상태인지 일정 가동률을 충족한 상태인지가 필요합니다. ‘고객 수’ 역시 본사 계약, 사업장 수, 셀 수, 로봇 수 중 무엇인지에 따라 다릅니다. 비교표의 열 제목을 먼저 설계한 뒤 숫자를 채우는 것이, 눈에 띄는 숫자를 모은 뒤 이야기를 만드는 것보다 안전합니다.

Figure 1.1: IFR이 집계한 2022~2024년 중국 산업용 로봇 연간 설치량. 전기·전자, 자동차, 일반산업 등 고객 산업별 분모를 분리해 읽어야 합니다. 출처: IFR World Robotics 2025, https://ifr.org/worldrobotics/report-2025, 학술 리뷰 목적의 공정 이용

1.2 하나의 시장이 아니라 계층형 산업입니다

중국 로봇산업의 구조는 수평적인 기업 목록보다 계층형 가치사슬로 볼 때 선명해집니다. 가장 아래에는 모터, 감속기, 엔코더, 힘·토크 센서, 촉각 센서, 배터리, 제어기와 같은 부품이 있습니다. 그 위에는 팔, 손, 이동 베이스, 4족 몸체, 휴머노이드 몸체, 수술기구 같은 플랫폼이 놓입니다. 다음 계층은 로봇운영체제, 실시간 제어, 좌표계, 군집관리, 원격조작, 시뮬레이션, 학습 데이터와 모델입니다. 최상단에는 용접, 조립, 피킹, 운반, 청소, 수술처럼 고객이 실제로 비용을 지불하는 응용과 시스템 통합이 있습니다.

이 계층들은 독립적이지 않습니다. 좋은 팔에 나쁜 그리퍼를 달면 접촉 작업이 실패하고, 좋은 하드웨어에 불안정한 통신·스케줄링을 얹으면 제어 주기가 흔들립니다. 많은 데이터를 모아도 좌표계와 행동 정의가 제각각이면 재사용이 어렵습니다. 강력한 학습 모델도 보호정지와 비상정지의 권한을 대신할 수 없습니다. 따라서 기업을 평가할 때 “무엇을 만든다”와 함께 “어느 경계까지 책임진다”를 물어야 합니다.

계층 대표 산출물 규모를 세는 단위 확인해야 할 증거 제조 현장의 핵심 질문
핵심 부품 구동기, 감속기, 센서, 제어기 출하 부품 수, 채택 플랫폼 수 데이터시트, 시험성적, 고객 설계 채택 수명·공급 안정성·교체성이 검증됐는가
로봇 플랫폼 팔, AMR, 4족, 휴머노이드, 수술로봇 출하·설치·가동 대수 제품 사양, 검수 기록, 규제 문서 공정 요구와 작업공간에 맞는가
소프트웨어·데이터 군집관리, 제어, 시뮬레이션, 데이터셋 연결 로봇, 과업, 환경, 데이터 시간 기술 문서, 재현 가능한 시험, 운영 기록 지연·호환성·데이터 계보를 관리하는가
시스템 통합 셀 설계, 안전, 설비 연동 가동 셀, 사업장, 가동시간 인수시험, 위험성 평가, 서비스 기록 누가 전체 성능과 안전을 책임지는가
응용 서비스 물류, 청소, 접객, 의료, 특수환경 계약, 반복 매출, 사용량, 임상 도입 계약·공시·규제 승인·현장 지표 고객 성과가 로봇 대수 증가와 함께 유지되는가

표에서 중요한 것은 계층마다 ‘좋은 숫자’가 다르다는 점입니다. 부품기업은 완성 로봇 출하량보다 설계 채택과 장기 공급 계약이 중요할 수 있습니다. 군집관리 기업은 자체 로봇 판매가 적어도 여러 제조사의 로봇을 연결할 수 있습니다. 의료로봇은 일반 공장 로봇보다 대수가 적더라도 승인과 소모품, 병원 워크플로가 높은 진입장벽을 만듭니다. 반대로 눈에 띄는 시제품 수가 많아도 서비스 체계와 부품 공급이 준비되지 않았다면 산업적 규모는 제한적입니다.

1.3 증거의 계층을 산업의 계층과 분리합니다

기업 지도에는 서로 다른 종류의 증거가 들어옵니다. 국가기업신용정보공시시스템 같은 등기·규제 원문은 법인 정체성과 등록 상태를 확인하는 데 강합니다 [2]. 거래소 공시와 연차보고서는 정해진 보고기간의 재무·운영 정보를 읽는 데 유용합니다. 보고서가 다루는 회계연도와 문서가 공개된 날짜는 구분해야 하며, 공시도 회사별 회계 범위와 지표 정의가 다르면 단순 순위표로 합칠 수 없습니다 [11].

기업 공식 사이트는 현재 제시하는 제품군과 인터페이스를 파악하는 데 가장 직접적입니다. SEER Robotics는 제어기, M4, RDS, 자율이동로봇을 한 포털에서 제시하며, 이는 회사가 단일 이동체뿐 아니라 제어·군집 계층까지 다룬다는 범위 증거가 됩니다 [8]. PaXini는 촉각 센서, 로봇 손, 휴머노이드, OmniSharing DB를 함께 제시하므로 접촉 하드웨어와 데이터 기반시설을 잇는 사업 구상을 읽을 수 있습니다 [10]. 하지만 제품 목록은 납품 수량, 가동률, 고장 간 평균시간, 갱신 매출을 자동으로 증명하지 않습니다.

학술 논문은 또 다른 역할을 합니다. ROS의 초기 설계는 로봇별 코드와 재사용 가능한 통신·도구 계층을 분리하는 방법을 제시했고 [22], ROS 2 연구는 분산 검색과 서비스품질 설정을 갖춘 구조로의 전환을 설명했습니다 [19]. 그러나 ROS 2를 쓴다는 사실만으로 제어 경로가 결정적이라고 말할 수는 없습니다. 콜백 사슬의 응답시간은 실행기와 스케줄링, 배포한 커널과 자원 예약 조건에 좌우됩니다 [16]. 기업의 ‘개방형 소프트웨어 생태계’ 주장은 지원 프로토콜뿐 아니라 지연 측정, 버전 정책, 장애 복구 절차로 확인해야 합니다.

증거를 실무적으로 네 등급으로 나눌 수 있습니다. 첫째, 표준·규제·공시 원문은 정의와 법적·재무적 사실에 우선합니다. 둘째, 동료평가 논문과 공개 기술보고서는 방법과 조건부 성능을 설명합니다. 셋째, 기업 공식 사이트와 데이터시트는 제공 범위와 제조사 주장에 적합합니다. 넷째, 시연 영상과 보도는 후보를 찾는 데 유용하지만 비교 결론에는 부족합니다. 낮은 등급의 증거가 쓸모없다는 뜻은 아닙니다. 증거가 답할 수 있는 질문의 범위를 넘기지 않는 것이 핵심입니다.

Figure 1.2: IFR의 중국 산업용 로봇 설치 추이와 중국 공급업체 비중. 설치 기준의 산업용 로봇 통계이며 서비스·의료·휴머노이드 시장 전체의 순위표가 아닙니다. 출처: IFR World Robotics 2025, https://ifr.org/worldrobotics/report-2025, 학술 리뷰 목적의 공정 이용

1.4 산업의 역사적 축: 몸체에서 시스템과 데이터로

로봇산업의 가치 중심은 몸체만으로 설명되지 않게 되었습니다. 초기 ROS가 프로세스와 메시지, 패키지의 재사용 구조를 제공한 것은 로봇 한 대의 기능을 여러 소프트웨어 구성요소로 나누는 전환이었습니다 [22]. 좌표 변환 라이브러리는 여러 센서와 관절이 서로 다른 시간과 좌표계에서 내놓는 정보를 연결했습니다. 연결된 변환 트리가 존재하는 것만으로 축 방향, 단위, 시간 동기화가 올바른 것은 아니지만, 좌표계 계약을 시스템의 일급 요소로 만들었다는 점이 중요합니다 [20].

제어 계층도 분리되었습니다. ros_control은 하드웨어 인터페이스와 재사용 가능한 제어기, 읽기-갱신-쓰기 주기, 자원 점유를 구분했습니다 [17]. 이 구조는 특정 회사의 팔을 다른 제어 소프트웨어와 연결하는 생태계를 가능하게 하지만, 호환성 로고가 현장 성능을 보장하지는 않습니다. 실행기와 콜백 스케줄링은 제어 관련 응답시간에 영향을 미치며, 그 경계는 배포한 커널과 자원 예약 가정에 좌우됩니다 [16]. 중국 기업을 볼 때도 SDK 유무보다 하드웨어 추상화, 시간 동기화, 로그, 버전 호환 범위를 물어야 하는 이유입니다.

데이터 계층의 등장은 비교 축을 다시 바꿨습니다. RoboNet은 7개 로봇 플랫폼에서 약 1,500만 프레임을 모아 서로 다른 로봇의 행동 조건부 영상을 학습 자원으로 묶었습니다 [15]. Bridge Data는 10개 환경과 71개 과업에서 7,200개 시연을 수집해 여러 환경의 오프라인 데이터가 후속 모방학습 일반화에 어떻게 기여하는지 살폈습니다 [14]. 이 수치는 현대 상용 배치 규모를 말해 주지는 않지만, 로봇 가치사슬에서 ‘데이터가 어느 몸체와 과업에 묶여 있는가’가 독립적인 경쟁 변수가 되었음을 보여줍니다.

두 데이터셋의 한계도 산업 해석에 중요합니다. 공통 몸체가 많으면 형태가 다른 로봇으로의 전이를 증명하기 어렵고, 카메라와 행동공간이 달라지면 플랫폼별 정합이 필요합니다. 짧은 밀기 과업에서 얻은 결과는 긴 조립 공정의 접촉·안전·복구를 대신하지 않습니다. 데이터 수량보다 행동 의미, 센서 구성, 실패 기록, 작업 지평, 권리관계가 중요합니다. 데이터 플랫폼을 내세우는 기업에는 성공 시연뿐 아니라 실패 표본과 버전 간 호환성, 삭제·재학습 절차를 물어야 합니다.

휴머노이드 연구의 폭도 이러한 계층화를 반영합니다. 최신 확인본에서 400편이 넘는 문헌을 아우르는 조사는 보행, 조작, 계획, 학습, 전신 촉각, 기초모델을 서로 얽힌 연구 축으로 정리합니다 [13]. 이 문헌의 폭은 휴머노이드를 단순히 관절 수가 많은 하드웨어로 볼 수 없다는 점을 보여줍니다. 다만 학술 문헌의 범위가 곧 2026년 중국 기업의 양산·매출·현장 가동을 뜻하지는 않습니다. 기술 가능성과 상업적 증거를 분리해야 합니다.

Figure 1.4: 휴머노이드 로코매니퓰레이션을 촉각, 접촉계획, 예측제어, 전신제어, 기술학습, 기초모델로 나눈 기술 지형. 기술 범위의 지도이지 기업의 양산·매출·현장 가동 증거는 아닙니다. 출처: Gu et al. 2025, arXiv:2501.02116 Fig. 2, CC BY 4.0

1.5 중국 생태계는 여러 상용화 시간축을 동시에 가집니다

이 책이 지도화하는 생태계는 산업용 팔, 이동로봇 군집, 휴머노이드와 4족 플랫폼, 촉각 시스템과 데이터 기반시설, 의료로봇까지 걸쳐 있습니다. ESTUN은 산업 자동화와 로봇 축을 보여주며 자사 소개에서 MIR을 인용한 2025년 중국 판매 점유율 10.6%를 제시합니다. SEER Robotics는 제어기·군집 소프트웨어·자율이동로봇을, Unitree는 H1·G1·R1 등 다리 달린 플랫폼의 연속 제품군을 제시합니다. PaXini는 촉각 센서에서 손·휴머노이드·데이터베이스까지 접촉지능의 수직 범위를 보여줍니다. MicroPort MedBot은 2025년 연차보고서를 2026년 4월 30일자로 공개해 의료로봇 사업의 다른 규제·재무 시간축을 보여줍니다. 이 수치와 날짜는 발행자 원문이 확인하는 범위이며, 기업 간 동일 분모의 우열을 뜻하지 않습니다 [7] [8] [9] [10] [11].

이 범위는 ‘중국 로봇기업’이라는 표본을 한 경기장의 선수처럼 순위화하기 어렵게 만듭니다. 산업용 팔은 공정 안정성과 통합 파트너, 서비스 부품이 중요합니다. 자율이동로봇은 지도·교통 제어와 창고 시스템 연동, 충전 운영이 중요합니다. 휴머노이드는 하드웨어 제조 가능성과 행동 데이터, 안전한 작업 범위가 동시에 병목입니다. 촉각 기업은 센서 단품의 분해능뿐 아니라 내구성, 케이블링, 캘리브레이션, 손과 학습 데이터의 연결이 필요합니다. 의료로봇은 임상 근거와 규제 승인, 병원 교육과 소모품 경제성이 핵심입니다.

공식 자료의 정량 주장도 해당 시간축 안에서만 읽어야 합니다. 발행자가 특정 조사기관을 인용한 판매 점유율은 조사기관·연도·지역·판매 기준이라는 자격을 붙일 때 유용합니다. 그러나 이를 중국의 모든 로봇 범주, 설치 기반, 수출, 실제 가동률로 확장할 수는 없습니다. 비교 대상 기업의 분모와 동일한지 확인되지 않은 상태에서는 산업 전체의 우열보다 확인할 가설로 다뤄야 합니다.

제품 포트폴리오는 기업이 어디로 확장하려는지도 보여줍니다. SEER Robotics가 제어기와 군집관리, 이동체를 함께 제공한다는 점은 수직 통합 가능성을 시사합니다. PaXini가 접촉 센서와 손, 데이터베이스를 함께 제시하는 것은 하드웨어 판매를 데이터 순환고리로 확장하려는 구조를 보여줍니다. Unitree의 제품 연속성은 서로 다른 가격·연구·응용 층을 겨냥할 가능성을 보여줍니다. 하지만 이러한 해석은 ‘제공 범위’에 관한 것이며 고객별 가동성과 수익성은 별도 자료가 필요합니다.

Figure 1.3: 2024년 베이징 WRC에 전시된 Unitree 플랫폼. 현장 사진은 제품군과 시연 맥락을 보여주지만 설치 기반, 가동률, 고객 성과를 입증하지는 않습니다. 출처: IFR 보도자료 및 Unitree, https://ifr.org/ifr-press-releases/news/chinas-new-growth-strategy-backed-by-robots, 학술 리뷰 목적의 공정 이용

1.6 안전은 로봇 사양이 아니라 통합 시스템의 속성입니다

공장 도입에서 가장 위험한 오해는 로봇 본체의 인증이나 ‘협동’이라는 명칭을 셀 전체의 안전과 동일시하는 것입니다. ISO 12100의 기본 흐름은 기계의 한계를 정하고, 위험원을 식별하고, 위험을 추정·평가한 다음, 본질적으로 안전한 설계와 방호, 사용 정보를 통해 위험을 줄이는 반복 과정입니다 [3]. 이 절차는 성공적인 시연을 안전 논거로 바꾸지 말라고 요구합니다. 정상 동작뿐 아니라 예측 가능한 오사용, 유지보수, 공구 교환, 정전과 재기동도 다뤄야 합니다.

안전은 팔 단품이 아니라 도구, 공작물, 고정구, 센서, 제어 소프트웨어, 작업자 동선까지 포함한 통합 로봇 시스템에 속합니다. 역사적 ISO 10218-1은 산업용 로봇 자체의 안전 요구를, ISO 10218-2는 로봇 시스템과 통합의 요구를 나눠 다뤘습니다. 2011년판은 2025년판으로 대체되었으므로 현재 규정 준수의 근거로 그대로 사용해서는 안 됩니다. ISO/TS 15066은 협동 산업용 로봇 시스템과 작업환경을 다루는 33쪽 기술사양이며 공식 기록상 2022년에 재검토·확인되었습니다. 이 자료들이 주는 구조적 교훈은 제조사 책임, 통합자 책임, 응용별 위험성 평가가 서로 다르다는 점입니다 [4] [5] [6] [3].

협동로봇도 예외가 아닙니다. 여기서 핵심은 협동성이 브랜드명이 아니라 응용의 속성이라는 점입니다. 끝이 뾰족한 공구를 달거나 무거운 공작물을 빠르게 이동시키면 같은 팔도 위험 시나리오가 달라집니다. 충돌 연구 역시 부상 위험이 로봇뿐 아니라 도구·물체·접촉 위치·에너지와 반응 전략의 결합에 달렸음을 보여줍니다 [21].

안전 방법은 충돌 전 예방, 충돌 중 제한, 충돌 후 반응으로 나눠 볼 수 있습니다 [18]. 제조 셀에서는 영역 감시와 경로계획, 속도·힘 제한, 충돌 감지와 보호정지, 비상정지와 수동 복구가 서로 다른 방어층을 만듭니다. 학습 모델이 더 좋은 행동을 생성해도 이 독립적인 안전층을 제거할 이유가 되지 않습니다. 기업 평가표에는 가반하중과 속도뿐 아니라 안전기능의 범위, 통합 지침, 검증 방법, 사고·정지 로그의 접근성을 넣어야 합니다.

1.7 제조 셀 사례: 혼합 부품의 공정 간 운반

구체적인 도입 사례로, 여러 종류의 부품 상자를 가공기와 검사대 사이에서 옮기는 공정을 생각해 보겠습니다. 바닥에는 작업자가 다니고, 상자 무게와 크기가 달라지며, 하루 중 일부 시간에는 수동 카트가 같은 통로를 씁니다. 후보 업체는 자율이동로봇, 상자를 싣는 상부 모듈, 군집관리 소프트웨어, 필요하면 로봇 팔을 제안합니다. 전시장에서는 장애물을 피하고 정해진 지점에 도착하는 시연이 가장 먼저 보입니다. 실제 구매 결정은 그 다음 질문부터 시작합니다.

먼저 과업 경계를 씁니다. 출발·도착 지점, 허용 상자 규격, 최대 중량, 목표 처리량, 교대시간, 충전창, 사람과의 교차 구간, 승강기·자동문·생산관리시스템 인터페이스를 정합니다. PUDU의 제품 페이지가 제시하는 가반하중은 후보군을 거르는 제조사 사양이지만, 실제 공장의 경사, 바닥 이음새, 무게중심, 상부 모듈, 정지거리, 배터리와 통신 조건에서 처리량을 보장하지는 않습니다 [12].

다음으로 시스템 경계를 그립니다. 로봇이 목적지를 선택하는지, 군집관리 시스템이 작업을 배정하는지, 생산관리시스템이 우선순위를 정하는지 구분합니다. 위치추정이 불확실하거나 통로가 막히면 누가 재계획하고, 어느 시간이 지나면 작업자에게 넘기는지도 정합니다. ROS 계열 구조를 쓴다면 메시지 전달 성공과 기한 내 제어 완료를 구분해야 합니다. 서비스품질 설정이 있어도 실행기 스케줄링과 자원 경합이 전체 응답시간을 흔들 수 있기 때문입니다 [16].

그다음 인수시험을 설계합니다. 단순 도착 성공률만 보지 말고, 주문 수신부터 인도까지의 95백분위 시간, 개입당 운행시간, 교대당 보호정지 횟수, 막힌 통로에서 복구하는 시간, 충전 때문에 놓친 작업 수, 잘못된 상자 인도, 네트워크 단절 후 상태 일관성을 기록합니다. 팔이 포함되면 ISO 9283의 정의를 참고해 자세와 경로 성능의 시험조건을 명시하되, 접촉·지각·공정 성공은 별도 과제로 측정합니다 [1].

마지막으로 소유권을 배분합니다. 로봇 제조사는 본체와 안전기능, 소프트웨어 제공사는 군집관리와 인터페이스, 통합자는 셀 위험성 평가와 설비 연동, 공장 운영자는 작업 규칙과 유지보수 데이터를 책임질 수 있습니다. 계약서에는 버전 업데이트 후 재검증 범위, 장애 로그의 보존 기간, 예비부품 조달시간, 현장 지원 응답시간, 수동 운영으로 되돌리는 절차를 넣습니다. 이렇게 하면 ‘로봇 몇 대를 샀는가’가 아니라 ‘얼마나 안정적인 물류 능력을 확보했는가’를 평가할 수 있습니다.

기업 제품 페이지는 회사가 제공한다고 밝힌 범위와 제조사 사양을 확인하는 증거이지만, 감사된 시장점유율이나 현장 가동시간을 입증하지는 않습니다. Unitree의 연혁·제품 정보는 H1·G1·R1과 2025년 활동을 확인하는 데 적합하지만 감사된 출하량은 제공하지 않으며, PUDU의 T600 600 kg·T300 300 kg 수치도 제조사 명목 가반하중입니다. 두 자료를 실제 설치 기반, 고장률, 교대 처리량으로 바꾸려면 고객 검수와 운영 기록이 추가로 필요합니다 [9] [12].

인수 단계 확인 질문 남길 근거 통과의 의미
범위 고정 어느 작업·사이트·제품 버전인가 과업 정의, 셀 경계, 기준선 비교 분모가 고정됨
제한 시험 정상·경계·고장 조건에서 무엇이 일어나는가 조건별 로그, 실패, 개입, 복구시간 명시한 조건의 성능만 확인됨
계약 인수 처리량·품질·안전 기준을 충족하는가 FAT/SAT, 위험성 평가, 서명된 인수 기록 계약한 셀 범위가 인수됨
운영 유지 변경 뒤 누가 재검증하고 롤백하는가 버전 이력, 재검증 결과, 지원·롤백 기록 지속 운영 책임이 확인됨

1.8 불일치와 한계: 비교하지 말아야 할 것을 구분합니다

첫 번째 불일치는 시장 범주입니다. ‘산업용 로봇’ 통계에 자율이동로봇과 서비스로봇이 포함되는지, 휴머노이드가 연구 장비인지 상용 제품인지, 의료로봇 매출이 로봇 본체와 소모품을 모두 포함하는지에 따라 결과가 달라집니다. 이 책은 패킷에 없는 조화된 2026년 중국 시장 총액을 새로 만들어내지 않습니다. 이후 기업별 숫자는 원문의 정의를 유지하고, 맞지 않는 분모는 나란히 놓되 합산하지 않습니다.

두 번째 불일치는 성능의 맥락입니다. 시뮬레이션에서 성공한 제어기가 실제 바닥의 마찰, 센서 지연, 케이블, 조명, 사람의 개입을 만나면 달라질 수 있습니다. ‘현실 간극’ 연구는 시뮬레이터의 우연한 특성을 이용하지 못하도록 관련 잡음과 변이를 설계하는 아이디어를 제시했지만, 역사적 소형 과업의 결과를 현대 제조 셀의 정량 성능으로 옮길 수는 없습니다 [23]. 실제 공장에서는 보류된 현장 조건과 실패 사례를 포함한 단계적 검증이 필요합니다.

세 번째 불일치는 기술 가능성과 사업 지속성입니다. 400편이 넘는 문헌을 바탕으로 한 휴머노이드 조사도 기업별 공급망, 서비스망, 재무 건전성을 평가하는 자료는 아닙니다 [13]. 반대로 기업 공시는 재무적 사실에 강하지만 알고리즘의 일반화나 안전성을 증명하지 않습니다. 학술 결과, 공식 제품 자료, 공시, 고객 운영 지표를 하나의 ‘신뢰도 점수’로 압축하면 무엇이 강하고 약한지 사라집니다. 이 책은 증거 종류를 열로 유지하고 빈칸도 정보로 남깁니다.

네 번째 한계는 시점입니다. 제품 페이지는 수시로 바뀌고, 기업의 행사 시연과 개발자용 모델이 양산 사양과 다를 수 있습니다. ISO 10218의 2011년판처럼 역사적 문헌은 책임 경계를 이해하는 데 유용하지만 최신 준수 판단에는 대체된 판과 관할 규칙을 확인해야 합니다. 이 장의 숫자와 제품 범위는 명시된 자료의 시점에 묶여 있으며, WRC 현장에서는 최신 데이터시트와 계약 가능한 사양을 다시 확인해야 합니다.

증거도 장비와 같이 노화합니다. 따라서 파일럿은 작업·사이트·버전을 한정하고, 기존 공정 기준선을 유지한 채 단계적으로 확장해야 합니다. 통과하지 못하거나 증거가 낡아지면 이전 운영·소프트웨어로 복귀할 수 있는 가역적 설계와 롤백 기준을 계약에 남겨야 합니다.

기존 서베이와의 연결

기존 휴머노이드 조사에 연결된 Terry의 해설은 보행과 조작, 계획과 학습을 넓게 훑을 때 유용한 읽기 입구를 제공합니다 [13]. 이 책은 그 기술 지형을 반복하기보다 중국 기업을 산업 계층과 증거 등급으로 비교하는 데 초점을 둡니다. 휴머노이드의 제어 방식은 4장에서 자세히 다루고, 이 장에서는 휴머노이드가 산업용 팔·이동로봇·촉각·데이터·의료로봇과 같은 분모로 비교될 수 없다는 점만 확립합니다.

제조 셀 적용 체크포인트

중국 로봇기업의 제품을 실제 셀에 넣기 전에 다음 다섯 묶음을 문서화해야 합니다.

  1. 과업 정의: 부품, 자세, 공차, 접촉, 사이클 시간, 교대시간, 허용 가능한 개입을 적습니다. ‘피킹’이나 ‘운반’처럼 넓은 이름만 두지 않습니다.
  2. 데이터와 기록: 명령·센서·좌표계·소프트웨어 버전·정지 원인·작업자 개입을 같은 시간축으로 남깁니다. 성공 영상만 수집하지 않습니다.
  3. 핵심 성과지표: 평균 성공률 외에 95백분위 지연, 개입당 시간, 첫 실패까지의 시간, 복구시간, 불량 유출, 교대 처리량을 봅니다.
  4. 안전과 복구: 위험원을 도구와 공작물까지 포함해 식별하고, 보호정지·비상정지·수동 복구·재기동 권한을 분리합니다. 소프트웨어 업데이트 뒤 재검증 조건도 정합니다.
  5. 책임과 계약: 제품 제조사, 소프트웨어 제공사, 통합자, 공장 운영자의 경계를 적고, 로그 접근권·예비부품·지원 응답·성능 인수조건을 계약에 넣습니다.

현장에서 기업 담당자에게 던질 질문도 이 구조를 따릅니다. “몇 대를 판매했습니까?”에서 멈추지 말고 “어느 기간, 어느 모델, 출하·설치·검수·가동 중 어떤 정의입니까?”라고 물어야 합니다. “정밀도는 얼마입니까?” 대신 “어떤 자세·부하·속도·시험 절차에서 측정했습니까?”라고 묻습니다. “사람과 함께 일합니까?”라는 질문은 “도구와 공작물을 포함한 셀 위험성 평가와 검증 책임은 누구에게 있습니까?”로 바꿉니다. 이렇게 물으면 화려한 시연과 제조 가능한 시스템 사이의 거리가 보입니다.

다음에 배울 것

이 장은 중국 로봇산업을 계층형 생태계로 보고, 숫자마다 분모와 증거 등급을 붙이는 공통 문법을 세웠습니다. 다음 장인 주요 기업 선별 — 자본·매출·주목도에서는 이 문법을 실제 44개 기업 표본에 적용합니다. 자본조달, 매출, 출하·고객, 제품 범위, 공개자료 가시성이 서로 다른 무엇을 말하는지 분해하고, 24개 심층 프로필과 20개 한눈보기 기업이 왜 그렇게 나뉘었는지 공개합니다. 이 기준을 먼저 이해해야 유명세가 기술력이나 상용화와 같은 뜻이라는 오류를 피할 수 있습니다.

참고문헌

  1. International Organization for Standardization (1998). ISO 9283:1998 Manipulating industrial robots — Performance criteria and related test methods. ISO 9283:1998. [ISO, 1998]
  2. State Administration for Market Regulation (2026). National Enterprise Credit Information Publicity System. Chinese government registry. [SAMR, 2026]
  3. International Organization for Standardization (2010). ISO 12100:2010 Safety of machinery — General principles for design — Risk assessment and risk reduction. ISO 12100:2010. [ISO, 2010]
  4. International Organization for Standardization (2011a). ISO 10218-1:2011 Robots and robotic devices — Safety requirements for industrial robots — Part 1: Robots. ISO 10218-1:2011. [ISO, 2011a]
  5. International Organization for Standardization (2011b). ISO 10218-2:2011 Robots and robotic devices — Safety requirements for industrial robots — Part 2: Robot systems and integration. ISO 10218-2:2011. [ISO, 2011b]
  6. International Organization for Standardization (2016). ISO/TS 15066:2016 Robots and robotic devices — Collaborative robots. ISO/TS 15066:2016. [ISO, 2016]
  7. Estun Automation (2026). ESTUN profile. Official company website. [Estun Automation, 2026]
  8. SEER Robotics (2026). SEER official portal. Official company website. [SEER Robotics, 2026]
  9. Unitree Robotics (2026). Unitree company chronology. Official company website. [Unitree Robotics, 2026]
  10. PaXini (2026). PaXini ecosystem. Official company website. [PaXini, 2026]
  11. MicroPort MedBot (2026). MicroPort MedBot reports. Exchange filing and issuer reports. [MicroPort MedBot, 2026]
  12. Pudu Robotics (2026). PUDU products. Official company website. [Pudu Robotics, 2026]
  13. Gu, Z., et al. (2025). Humanoid Locomotion and Manipulation: Current Progress and Challenges in Control, Planning, and Learning. arXiv:2501.02116. [Gu et al., 2025] #73 · Terry EN
  14. Ebert, F., Yang, Y., Schmeckpeper, K., Bucher, B., Georgakis, G., Daniilidis, K., Finn, C., & Levine, S. (2022). Bridge Data: Boosting Generalization of Robotic Skills with Cross-Domain Datasets. Robotics: Science and Systems XVIII; DOI:10.15607/RSS.2022.XVIII.063; arXiv:2109.13396. [Ebert et al., 2022]
  15. Dasari, S., et al. (2020). RoboNet: Large-Scale Multi-Robot Learning. CoRL; arXiv:1910.11215. [Dasari et al., 2020]
  16. Casini, D., Blaß, T., Lütkebohle, I., & Brandenburg, B. (2019). Response-Time Analysis of ROS 2 Processing Chains under Reservation-Based Scheduling. ECRTS 2019. DOI: 10.4230/LIPIcs.ECRTS.2019.6. [Casini et al., 2019]
  17. Chitta, S., et al. (2017). ros_control: A generic and simple control framework for ROS. Journal of Open Source Software. DOI: 10.21105/joss.00456. [Chitta et al., 2017]
  18. Lasota, P. A., Fong, T., & Shah, J. A. (2017). A Survey of Methods for Safe Human-Robot Interaction. Foundations and Trends in Robotics. DOI: 10.1561/2300000052. [Lasota et al., 2017]
  19. Maruyama, Y., Kato, S., & Azumi, T. (2016). Exploring the Performance of ROS2. Proceedings of the 13th ACM SIGBED International Conference on Embedded Software; DOI:10.1145/2968478.2968502. [Maruyama et al., 2016]
  20. Foote, T. (2013). tf: The transform library. IEEE TePRA 2013. DOI: 10.1109/TePRA.2013.6556373. [Foote, 2013]
  21. Haddadin, S. (2014). Towards Safe Robots: Approaching Asimov's 1st Law. Springer Tracts in Advanced Robotics, Vol. 90. [Haddadin, 2014]
  22. Quigley, M., et al. (2009). ROS: an open-source Robot Operating System. ICRA Workshop on Open Source Software. [Quigley et al., 2009]
  23. Jakobi, N., Husbands, P., & Harvey, I. (1995). Noise and the Reality Gap: The Use of Simulation in Evolutionary Robotics. In Advances in Artificial Life. [Jakobi et al., 1995]
  24. Miomir Vukobratović et al. (2004). Zero-Moment Point — Thirty Five Years of Its Life. DOI:10.1142/s0219843604000083.
  25. Kazuo Hirai et al. (1998). The Development of Honda Humanoid Robot. DOI:10.1109/robot.1998.677288.
  26. Daniel E. Whitney (1969). Resolved Motion Rate Control of Manipulators and Human Prostheses. DOI:10.1109/tmms.1969.299896.