*이 장을 다 읽고 나면 알게 될 것: 디지털 Agent가 몸을 가지면 무엇이 달라지는지, 가정 안에서 Physical AI가 어디까지 왔는지, RC카 한 대로 시니어 케어 Agent를 만든다는 것이 현실적으로 무엇을 의미하는지, 그리고 개인 Agent의 마지막 퍼즐이 왜 '몸'인지*
도입: 어머니의 거실에 놓인 작은 차
2024년 겨울, 나는 어머니 댁에 작은 RC카를 한 대 놓았다. 장난감이 아니다. 카메라가 달렸고, 마이크와 스피커가 달렸고, 라즈베리파이 하나가 올라가 있었다. 바퀴 네 개짜리 시니어 케어 프로토타입이었다.
어머니는 혼자 사신다. 올해 일흔여덟이다. 건강하시다. 그러나 혼자 사시는 것이 걱정이다. 새벽에 화장실 가다 넘어지면. 약을 빠뜨리면. 가스 불을 끄지 않으면. 이 걱정은 나만의 것이 아니다. 한국에서 부모를 멀리서 돌보는 자녀라면 누구나 가지고 있는 걱정이다.
그래서 RC카를 놓았다. 거창한 것은 아니었다. 카메라로 거실을 본다. 일정 시간 움직임이 없으면 내 폰으로 알림이 온다. 약 먹을 시간이 되면 스피커로 알려준다. 내가 원하면 폰으로 RC카를 조종해서 방 안을 둘러볼 수 있다. 어머니도 RC카를 통해 나에게 말을 걸 수 있다.
한 달 써봤다. 결과는 의외였다. 기술적으로는 부족한 점이 많았다. 카메라 화질이 나빴고, 카펫에 바퀴가 걸렸고, 와이파이가 끊기는 날이 있었다. 그런데 어머니의 반응은 달랐다. "이게 있으니까 네가 옆에 있는 것 같다." 기술의 완성도가 아니라 연결의 느낌이 중요했던 것이다.
그 경험이 이 장을 쓰게 했다. 디지털 Agent는 훌륭하다. 일정을 잡고, 정보를 찾고, 글을 쓰고, 돈을 관리한다. 그러나 디지털 Agent는 몸이 없다. 화면 안에서만 산다. 그것만으로는 못 하는 일이 있다. 넘어진 사람을 발견하는 일. 방 안의 온도를 느끼는 일. 물건을 옮기는 일. 누군가의 곁에 물리적으로 있는 일.
Physical AI는 디지털 Agent가 몸을 가지는 순간이다. 그리고 그 몸은 반드시 휴머노이드일 필요가 없다. 바퀴 네 개짜리 RC카도 된다.
13.1 디지털 Agent의 한계, 물리적 세계의 벽
지금까지 이 책의 2부에서 우리는 많은 것을 다뤘다. 개인 Agent의 아키텍처를 설계했고, 기술 스택을 살펴봤고, 첫 Agent App을 만들어봤고, 개인 메모리와 프라이버시를 논의했다. 모두 디지털 세계의 이야기였다.
디지털 Agent는 강력하다. 텍스트를 읽고, 데이터를 분석하고, 판단을 내리고, 코드를 짠다. 그러나 디지털 Agent에게는 결정적인 한계가 있다. 물리적 세계를 감지하지 못하고, 물리적 세계에 개입하지 못한다.
당신의 Agent가 아무리 똑똑해도, 거실에 물이 샜는지 모른다. 부엌에서 가스 냄새가 나는지 모른다. 어머니가 오늘 아침에 일어나셨는지 모른다. 아이가 방에서 울고 있는지 모른다.
이것은 기술의 미숙함이 아니다. 구조적 한계다. 디지털 Agent는 디지털 데이터만 다룬다. 물리적 세계의 데이터를 얻으려면 센서가 필요하다. 물리적 세계에 개입하려면 액추에이터가 필요하다. 센서와 액추에이터. 즉 몸이 필요하다.
이 몸을 가진 AI를 Physical AI라고 부른다. 자율주행차도 Physical AI다. 산업용 로봇도 Physical AI다. 드론도 Physical AI다. 그러나 이 장에서 우리가 다루는 것은 가정 안의 Physical AI다. 가장 가까운 곳, 가장 사적인 공간에 들어오는 AI다.
잠시 멈추고 생각해보자
당신의 집 안에서, 디지털 Agent만으로는 절대 해결할 수 없는 일을 세 가지 떠올려보라. 그 일들의 공통점은 무엇인가?
13.2 가정 안의 Physical AI — 이미 와 있는 것들
Physical AI가 가정에 처음 들어온 것은 언제일까. 대부분의 사람은 이것을 의식하지 못하지만, 이미 와 있다.
로봇청소기. 아이로봇의 룸바가 2002년에 나왔다. 20년이 넘었다. 초기에는 벽에 부딪히며 돌아다니는 수준이었다. 지금은 다르다. 라이다(LiDAR) 센서로 집 안 지도를 만들고, 카메라로 장애물을 인식하고, 더러운 곳을 집중적으로 청소한다. 삼성의 비스포크 제트 봇 AI는 사물 인식까지 한다. 바닥에 떨어진 양말을 피해 간다. 이것이 Physical AI다.
스마트 스피커. 아마존 에코, 구글 홈, 카카오 미니, SK NUGU. 이것들은 몸이라기보다 귀와 입에 가깝다. 음성을 듣고 음성으로 답한다. 조명을 켜고, 음악을 틀고, 날씨를 알려준다. 가정 내 IoT의 허브 역할을 한다.
스마트홈 센서. 온도 센서, 습도 센서, 문 열림 센서, 모션 센서. 이것들은 눈에 보이지 않지만 집 안 곳곳에서 데이터를 모은다. 삼성 스마트싱스, LG 씽큐 같은 플랫폼이 이 데이터를 통합한다.
이 세 가지가 합쳐지면 무엇이 되는가. 집 안을 감지하고, 판단하고, 반응하는 시스템이 된다. 그런데 문제가 있다. 이것들은 각각 따로 논다. 로봇청소기는 청소만 한다. 스마트 스피커는 명령만 듣는다. 센서는 데이터만 보낸다. 이것들을 하나의 Agent로 묶는 사람은 거의 없다.
왜 그런가. 두 가지 이유가 있다.
첫째, 플랫폼이 분산되어 있다. 삼성 기기는 삼성 앱에서, LG 기기는 LG 앱에서, 아마존 기기는 알렉사 앱에서 관리한다. 통합이 안 된다.
둘째, AI가 충분히 똑똑하지 않았다. 센서 데이터를 받아서 맥락을 이해하고, 적절한 행동을 결정하는 AI가 가정용으로는 아직 초기 단계다. "거실 온도가 16도이고 오후 11시다"라는 데이터만으로는 "어르신이 이불 없이 잠들었을 수 있다"는 판단을 하기 어렵다. 그 판단에는 맥락이 필요하다.
2025년부터 이 상황이 바뀌기 시작했다. 대형 언어 모델이 가정 내 센서 데이터를 해석하는 뇌 역할을 할 수 있게 되었기 때문이다. 센서가 눈이라면, 액추에이터가 손이라면, LLM은 뇌다. 이 세 가지가 하나의 Agent로 묶이는 시대가 열리고 있다.
13.3 시니어 케어의 현실 — 초고령사회의 그림자
이야기를 좀 더 구체적인 곳으로 가져가자. 시니어 케어다.
한국은 2025년 초고령사회에 진입했다. 전체 인구의 20% 이상이 65세 이상이다. 2000년에 고령화사회(7%)에 진입한 지 25년 만이다. OECD 국가 중 가장 빠른 속도다.
숫자만 보면 먼 이야기 같다. 그러나 현실은 이렇다. 2025년 기준, 한국의 독거노인은 약 200만 명이 넘는다. 이 중 상당수가 자녀와 멀리 떨어져 산다. 자녀는 서울이나 수도권에서 일하고, 부모는 지방에서 혼자 산다. 전화는 주 2~3회. 방문은 월 1~2회. 그 사이에 무슨 일이 생기면 알 방법이 마땅치 않다.
공적 돌봄 시스템은 있다. 노인돌봄서비스, 독거노인 안전 확인, 응급안전알림서비스. 그러나 현실에서 이 서비스는 한계가 뚜렷하다. 돌봄 인력은 부족하고, 방문 주기는 길고, 야간이나 주말에는 사각지대가 생긴다. 결국 밤 열한 시에 화장실에서 넘어진 어르신은, 다음 날 아침 돌봄 인력이 올 때까지 바닥에 누워 있을 수 있다.
이 문제를 기술로 풀 수 있는가. 완전히는 아니다. 그러나 부분적으로는 가능하다. 그리고 그 부분이 생사를 가를 수 있다.
KT는 AI 돌봄 서비스를 운영하고 있다. AI 스피커를 독거노인 가정에 설치하고, 매일 정해진 시간에 AI가 "어르신, 오늘 기분이 어떠세요?"라고 말을 건다. 어르신이 응답하면 괜찮은 것이다. 응답이 없으면 담당자에게 알림이 간다. 2025년 기준 약 30만 대가 설치되었다. 간단한 시스템이다. 그러나 생명을 구한 사례가 실제로 보고되고 있다.
일본은 더 앞서 있다. 도요타의 HSR(Human Support Robot)은 2012년부터 개발을 시작했다. 팔 하나와 바퀴가 달린 로봇이다. 물건을 집고, 문을 열고, 커튼을 치고, 약을 가져다준다. 아직 상용화 전이지만, 일본 정부가 국가 차원에서 지원하고 있다. 소프트뱅크의 페퍼(Pepper)는 2014년에 발표되어 2015년에 일반 판매가 시작되었다. 감정을 인식하고 대화하는 로봇이었다. 노인 요양 시설에서 상당수 사용되었다. 결과는 엇갈렸다. 기술적으로는 부족했지만, 외로움을 달래는 효과는 연구로 확인되었다.
한국에서는 현대로보틱스가 서비스 로봇 분야에 투자하고 있다. 보스턴 다이내믹스를 인수한 현대차그룹은 휴머노이드에서 가정용까지 긴 호흡으로 접근하고 있다. 그러나 솔직히 말하면, 가정용 돌봄 로봇의 상용화는 아직 멀다. 가격이 높고, 기능이 제한적이고, 가정 환경의 복잡성을 다루기 어렵다.
그래서 나는 다른 접근을 시도했다. 비싼 로봇 대신, 싸고 간단한 것부터 시작하는 접근이다.
잠시 멈추고 생각해보자
독거노인 돌봄에서 가장 중요한 것은 무엇인가? 최첨단 기술인가, 아니면 '연결되어 있다'는 느낌인가? 기술의 완성도와 정서적 효과 사이에서 어디에 먼저 무게를 둬야 하는가?
13.4 RC카 시니어 케어 Agent — 작은 몸, 큰 역할
RC카 한 대의 부품 목록은 이렇다.
차체와 바퀴. 일반 RC카 플랫폼이면 된다. 가격은 3만~5만 원이다. 라즈베리파이 5. 소형 컴퓨터다. 카메라와 마이크, 스피커를 연결할 수 있다. 약 10만 원. 광각 카메라 모듈. 2만 원. USB 마이크와 소형 스피커. 합쳐서 2만 원. 모션 센서(PIR). 5천 원. 배터리 팩. 3만 원. 전체 부품비는 20만 원 안팎이다.
20만 원짜리 장비로 무엇을 할 수 있는가. 의외로 많다.
이동 감지. 모션 센서와 카메라를 결합한다. 평소 어르신의 활동 패턴을 학습한다. 아침 7시에 보통 거실로 나오신다. 8시에 부엌에서 활동이 감지된다. 이 패턴에서 벗어나면 — 아침 9시가 넘었는데 움직임이 없다면 — 알림을 보낸다. 단순하다. 그러나 효과적이다.
낙상 감지. 카메라 영상을 엣지 AI(클라우드가 아닌 기기 자체에서 AI를 실행하는 것) 모델로 분석한다. 사람이 갑자기 바닥에 누워 있는 장면이 감지되면 알림을 보낸다. 완벽하지는 않다. 낮잠을 자는 것과 넘어진 것을 구분해야 한다. 그래서 알림 후 음성으로 "괜찮으세요?"라고 물어본다. 응답이 없으면 자녀에게 긴급 알림을 보낸다. 응답이 있으면 기록만 남긴다.
약 복용 알림. 정해진 시간에 RC카가 어르신 가까이로 이동한다. "혈압약 드실 시간이에요"라고 말한다. 어르신이 "먹었어"라고 하면 기록한다. 응답이 없으면 5분 후 다시 알린다. 세 번 알렸는데도 응답이 없으면 자녀에게 알린다.
원격 소통. 자녀가 폰에서 RC카를 조종할 수 있다. 카메라로 방 안을 둘러볼 수 있다. 스피커로 말을 걸 수 있다. 화상통화와 비슷하지만 차이가 있다. 화상통화는 어르신이 폰을 들고 받아야 한다. RC카는 어르신이 아무것도 안 해도 된다. 그냥 거실에 앉아 계시면, RC카가 다가와서 "아들이 말을 걸고 싶대요"라고 알려준다.
환경 모니터링. 온도, 습도, 소음 수준을 지속적으로 측정한다. 한겨울에 실내 온도가 15도 이하로 떨어지면 알림을 보낸다. 한여름에 30도를 넘으면 알린다.
이 다섯 가지 기능은 하나의 LangGraph 워크플로우로 묶인다. 센서 데이터가 들어오면 상태를 판단하고, 판단 결과에 따라 행동을 결정하고, 행동을 실행한다. 이것이 Agent다. 디지털 Agent가 몸을 가진 것이다.
13.5 기술 스택 — 센서에서 행동까지
RC카 시니어 케어 Agent의 기술 스택을 정리하면 네 개의 층이다.
1층: 센서. 카메라, 마이크, 모션 센서, 온습도 센서. 물리적 세계의 데이터를 수집하는 층이다. 이 층의 핵심은 연속성이다. 센서는 24시간 돌아간다. 데이터는 끊임없이 흐른다.
2층: 엣지 컴퓨팅. 라즈베리파이에서 돌아가는 경량 AI 모델이다. 카메라 영상에서 사람의 자세를 인식하는 모델, 음성을 텍스트로 변환하는 모델, 이상 징후를 탐지하는 모델. 이것들은 클라우드에 보내지 않고 기기에서 직접 처리한다. 왜냐하면 두 가지 이유가 있다. 속도와 프라이버시. 어르신이 넘어졌는데 클라우드 응답을 기다릴 수는 없다. 그리고 어르신의 거실 영상을 클라우드에 올리는 것은 프라이버시 문제가 크다.
3층: 클라우드 AI. 복잡한 판단은 클라우드에서 한다. 예를 들어 "최근 3일간 어르신의 활동량이 30% 줄었다"는 분석은 엣지에서 하기 어렵다. 과거 데이터와 비교해야 하고, 날씨, 요일, 건강 기록 같은 맥락을 종합해야 한다. 이런 판단은 클라우드의 LLM이 한다. 엣지에서 올라온 요약 데이터를 받아서, 맥락을 분석하고, 필요시 알림을 생성한다.
4층: 액추에이터. RC카의 모터와 바퀴, 스피커. 판단 결과를 물리적 행동으로 변환하는 층이다. 약 복용 시간이면 이동한다. 이상 징후가 감지되면 가까이 가서 말을 건다. 자녀가 접속하면 조종에 따라 움직인다.
이 네 층을 관통하는 데이터 흐름은 이렇다. 센서 → 엣지(즉시 판단) → 클라우드(깊은 분석) → 엣지(행동 결정) → 액추에이터(실행). 왕복이다. 그리고 이 왕복의 속도가 시스템의 품질을 결정한다.
핵심은 엣지와 클라우드의 역할 분담이다. 모든 것을 클라우드에서 하면 느리고 비싸고 프라이버시 문제가 생긴다. 모든 것을 엣지에서 하면 판단력이 부족하다. 이 균형을 맞추는 것이 가정용 Physical AI 설계의 핵심 과제다.
잠시 멈추고 생각해보자
어르신의 거실 영상을 클라우드에 올려야 더 정확한 판단이 가능하다. 그러나 프라이버시 침해의 위험이 있다. 당신이라면 이 선택을 어떻게 하겠는가? 정확도와 프라이버시 사이의 균형점은 어디인가?
13.6 Sim-to-Real — 시뮬레이션에서 현실로
Physical AI에는 디지털 Agent에 없는 특별한 문제가 하나 있다. 현실 세계에서의 시행착오가 비싸다는 것이다.
디지털 Agent가 실수하면 어떻게 되는가. 이메일을 잘못 요약한다. 일정을 잘못 잡는다. 불편하지만 큰 일은 아니다. 다시 하면 된다.
Physical AI가 실수하면 어떻게 되는가. RC카가 어르신의 발에 부딪힌다. 계단에서 굴러 떨어진다. 넘어진 것을 낮잠으로 오판해서 알림을 보내지 않는다. 결과가 물리적이다. 되돌리기 어렵다. 그래서 Physical AI는 현실에 배치하기 전에 충분한 테스트가 필요하다.
여기서 Sim-to-Real이라는 개념이 등장한다. 시뮬레이션 환경에서 먼저 충분히 학습하고, 그것을 현실로 옮기는 방법이다.
NVIDIA의 Isaac Sim이 대표적이다. 가상의 3D 환경에서 로봇을 훈련시킨다. 중력, 마찰, 충돌을 물리 엔진으로 시뮬레이션한다. 가상 환경에서 수백만 번 시행착오를 겪은 뒤, 그 학습 결과를 현실의 로봇에 옮긴다.
RC카 수준에서도 이 원리는 적용된다. 가정의 3D 모델을 만든다. 가구 배치, 문턱 높이, 카펫 위치를 입력한다. 그 안에서 가상의 RC카를 돌린다. 어디서 바퀴가 걸리는지, 어떤 경로로 이동해야 하는지, 카메라 각도는 어떻게 잡아야 어르신을 잘 볼 수 있는지를 시뮬레이션으로 미리 확인한다.
물론 시뮬레이션과 현실 사이에는 항상 격차가 있다. 이것을 Reality Gap이라고 부른다. 카펫의 미세한 주름, 햇빛의 각도 변화, 반려동물의 예측 불가능한 움직임. 시뮬레이션에서는 잡아내지 못하는 것들이다. 그래서 Sim-to-Real은 만능이 아니다. 시뮬레이션으로 80%를 해결하고, 나머지 20%는 현실에서 천천히 조정하는 것이 현실적인 접근이다.
이 과정이 왜 중요한가. 가정에서 Physical AI를 쓴다는 것은, 사랑하는 사람이 있는 공간에 기계를 들여놓는다는 뜻이기 때문이다. 그 기계가 예측 불가능하게 행동하면 안 된다. 신뢰가 먼저다.
13.7 비용과 실용성 — 20만 원 대 2000만 원
Physical AI의 가장 큰 장벽은 기술이 아니다. 비용이다.
도요타 HSR의 예상 가격은 수천만 원대다. 테슬라의 옵티머스 휴머노이드도 일론 머스크가 "2만 달러 이하"를 목표로 한다고 했지만, 2026년 현재 상용화 시점은 불투명하다. 소프트뱅크의 페퍼는 본체 약 200만 엔에 월 이용료가 별도였다. 가정에서 쓰기에는 부담스러운 가격이다.
반면 RC카 기반 시스템은 20만 원이면 만든다. 물론 기능의 차이는 크다. HSR은 물건을 집는다. RC카는 못 집는다. 페퍼는 얼굴 표정을 인식한다. RC카는 카메라 해상도가 낮다. 그러나 핵심 질문은 이것이다. 시니어 케어에서 정말 필요한 기능은 무엇인가?
나는 이렇게 본다. 시니어 케어의 핵심 기능은 세 가지다.
감지. 어르신이 괜찮은지 아닌지를 아는 것. 이것은 카메라와 센서로 가능하다.
소통. 어르신과 가족을 연결하는 것. 이것은 마이크와 스피커로 가능하다.
알림. 이상이 감지되면 빠르게 알리는 것. 이것은 소프트웨어로 가능하다.
이 세 가지에 물건을 집거나 계단을 오르는 기능은 필요하지 않다. 그러니까 20만 원짜리로 핵심의 80%를 해결할 수 있다. 나머지 20%를 위해 2000만 원을 쓸 것인가. 이것은 시장이 판단할 문제다.
물론 RC카 수준의 시스템에도 한계는 분명하다. 바퀴가 문턱을 넘지 못한다. 배터리가 하루를 못 버틴다. 와이파이가 끊기면 무용지물이 된다. 이 한계들을 하나씩 개선하는 것이 엔지니어링의 영역이다. 그리고 이 개선은 매년 빨라지고 있다. 배터리는 좋아지고, 칩은 작아지고, 모델은 가벼워지고 있다.
중요한 것은 완벽한 제품이 나올 때까지 기다리지 않는 것이다. 지금 할 수 있는 것부터 시작하는 것이다. 어머니의 거실에 놓은 RC카는 완벽하지 않았다. 그러나 그것은 작동했다. 그리고 어머니는 "네가 옆에 있는 것 같다"고 말씀하셨다. 기술의 완성도보다 연결의 가치가 먼저였다.
잠시 멈추고 생각해보자
당신의 부모님이나 가까운 어르신을 위해 20만 원짜리 돌봄 시스템을 만든다면, 가장 먼저 넣고 싶은 기능은 무엇인가? 기술적으로 가능한 것과 정서적으로 필요한 것 사이에서 무엇을 먼저 선택하겠는가?
13.8 개인 Agent의 완성 — 디지털과 피지컬의 만남, 그리고 기업으로
이 장은 2부의 마지막 장이다. 돌아보자.
1장에서 우리는 일상을 일곱 개의 강으로 나눴다. 2장부터 8장까지 각 강을 하나씩 걸었다. 9장에서 개인 Agent의 아키텍처를 설계했고, 10장에서 기술 스택을 살펴봤고, 11장에서 첫 Agent App을 만들었고, 12장에서 개인 메모리와 프라이버시를 다뤘다. 그리고 이 장에서 디지털 Agent가 몸을 가지는 이야기를 했다.
2부의 여정을 한 문장으로 요약하면 이렇다. 개인 Agent는 나를 아는 디지털 두뇌에서 시작해서, 물리적 세계와 만나는 몸으로 확장된다.
이것은 시작이다. 끝이 아니다. RC카 한 대가 할 수 있는 일은 제한적이다. 그러나 이 RC카가 스마트홈 센서와 연결되고, 클라우드 AI와 연결되고, 가족의 폰과 연결되면, 하나의 돌봄 시스템이 된다. 그리고 이 시스템이 동네 병원의 데이터와 연결되고, 지역 돌봄 서비스와 연결되면, 사회적 인프라의 일부가 된다.
개인에서 시작한 것이 시스템으로 확장된다. 이것이 Agent의 본질이다.
여기까지가 개인의 이야기다. 2부에서 우리는 한 사람의 일상, 한 사람의 Agent, 한 사람의 집을 다뤘다. 그런데 사람은 혼자 살지 않는다. 조직에서 일한다. 기업에서 일한다. 그리고 기업에도 Agent가 필요하다.
기업의 Agent는 개인의 Agent와 다르다. 규모가 다르다. 복잡도가 다르다. 의사결정의 무게가 다르다. 무엇보다 만들 것인가, 살 것인가라는 질문이 다르다. 개인은 만드는 것이 자연스럽다. 자기 일상을 가장 잘 아는 사람은 자기 자신이니까. 그러나 기업은 다르다. 직접 만들면 비용과 시간이 크다. 사서 쓰면 자기 데이터를 남에게 맡기게 된다. 이 딜레마를 어떻게 풀 것인가.
3부에서 그 이야기를 한다. 기업의 결정 — Build vs Buy. 2025~2026년 Enterprise Agent 시장은 어떤 모양인가. 직접 만들 것인가, 살 것인가를 어떻게 판단하는가. 하이브리드 전략이란 무엇인가. ROI를 어떻게 증명하는가.
개인의 분신에서 기업의 대리인으로. 스케일이 바뀌면 모든 것이 바뀐다. 그 이야기를 시작하자.
핵심 정리
Physical AI는 디지털 Agent가 몸을 가지는 순간이다. 디지털 Agent는 화면 안에서만 작동한다. 물리적 세계를 감지하지 못하고, 물리적 세계에 개입하지 못한다. 센서와 액추에이터, 즉 몸이 필요하다.
가정 안의 Physical AI는 이미 시작되었다. 로봇청소기, 스마트 스피커, 스마트홈 센서가 각각 들어와 있다. 그러나 이것들은 아직 하나의 Agent로 통합되지 못했다. 2025년부터 LLM이 가정 내 센서 데이터를 해석하는 뇌 역할을 하면서 통합이 가능해지고 있다.
시니어 케어는 Physical AI의 가장 절실한 적용 분야다. 한국은 2025년 초고령사회에 진입했고, 독거노인은 200만 명이 넘는다. 일본의 도요타 HSR, 소프트뱅크 페퍼, 한국의 KT AI 돌봄, 현대로보틱스 서비스 로봇 등 다양한 시도가 있다.
RC카 기반 시니어 케어 Agent는 20만 원의 부품비로 핵심 기능을 구현할 수 있다. 이동 감지, 낙상 감지, 약 복용 알림, 원격 소통, 환경 모니터링. 기술 스택은 센서 → 엣지 컴퓨팅 → 클라우드 AI → 액추에이터의 네 층 구조다.
Sim-to-Real은 Physical AI의 핵심 방법론이다. 시뮬레이션에서 충분히 학습한 뒤 현실로 옮긴다. 그러나 시뮬레이션과 현실 사이에는 항상 격차가 있다. 80%를 시뮬레이션으로, 나머지 20%를 현실에서 조정하는 것이 현실적이다.
가장 중요한 교훈은 이것이다. 완벽한 제품을 기다리지 말고, 지금 할 수 있는 것부터 시작하라. 기술의 완성도보다 연결의 가치가 먼저다.
반드시 답해봐야 할 질문 5가지
질문 1. 당신의 집에 Physical AI를 들여놓는다면, 가장 먼저 해결하고 싶은 물리적 문제는 무엇인가? 그 문제를 해결하는 데 반드시 로봇이 필요한가, 아니면 센서만으로도 충분한가?
질문 2. 시니어 케어에서 AI의 역할은 어디까지여야 하는가? 감지와 알림까지인가, 아니면 직접적인 돌봄 행위(약 전달, 이동 보조)까지인가? 그 경계를 정하는 기준은 무엇인가?
질문 3. 어르신의 거실에 카메라가 달린 장치를 놓는 것은 돌봄인가, 감시인가? 그 구분은 누가 결정하는가 — 자녀인가, 어르신 본인인가? 동의의 의미는 이 맥락에서 어떻게 달라지는가?
질문 4. RC카 수준의 저비용 Physical AI와 도요타 HSR 수준의 고비용 Physical AI 사이에서, 시장은 어디서 먼저 열릴 것인가? 그 판단의 근거는 무엇인가?
질문 5. 개인의 Physical AI Agent를 기업용으로 확장한다면 어떤 산업에서 가장 먼저 적용 가능하겠는가? 시니어 케어, 물류, 농업, 제조 중 어디에 먼저 투자하겠는가?
더 깊이 탐구하기
NVIDIA Isaac Sim 공식 문서 (2025). Physical AI의 시뮬레이션 환경 설계에 대한 가장 포괄적인 기술 자료다.
도요타 HSR 프로젝트 백서 (2023). 가정용 서비스 로봇의 설계 철학과 기술적 도전을 정리한 문서다.
한국보건사회연구원, 「초고령사회 대응 노인돌봄체계 개편 방안」 (2025). 한국의 시니어 케어 현실과 정책 방향을 이해하는 데 필수적이다.
라즈베리파이 공식 가이드, 「Building Smart Home Projects with Raspberry Pi 5」 (2024). 가정용 Physical AI의 엣지 컴퓨팅을 직접 구현할 때 참고할 실용 가이드다.
나의 시스템 기술 블로그, 「RC카 기반 시니어 케어 프로토타입 설계 노트」 (2025). 이 장에서 다룬 RC카 시스템의 실제 구현 과정과 교훈을 기록한 글이다.
2부가 끝났다. 개인의 일상을 일곱 영역으로 나누고, 각 영역의 Agent를 설계하고, 직접 만들어보고, 메모리와 프라이버시를 고민하고, 마지막으로 디지털 Agent에 몸을 입혔다. 이제 시선을 넓혀야 한다. 3부에서 우리는 기업으로 간다. 기업이 Agent를 도입할 때 마주하는 가장 근본적인 질문 — 직접 만들 것인가, 사서 쓸 것인가 — 에서 출발한다.