수중 AI 로봇부터 드론 대응까지: 2026년 자율 로봇 기술의 전선(戰線)이 확장된다

핵심 요약 (리드)

2026년 초, 수중 자율 조작 AI, 물리 기반 강화학습(Reinforcement Learning), 그리고 민·군 드론 협력이라는 세 개의 기술 흐름이 동시에 가시화되고 있다. 스탠퍼드·컬럼비아대 연구진이 발표한 수중 로봇 파지(grasping) AI는 지상 학습 데이터를 수중에 '제로샷(zero-shot)' 전이하는 데 성공했고, IEEE RA-L(Robotics and Automation Letters)에 게재된 방향성 탐색 알고리즘은 로봇 강화학습의 샘플 효율을 획기적으로 높였다. 이러한 기초 연구의 성숙과 맞물려 한국 국방부는 민·군 드론·대드론(Counter-UAS) 기술 협력 확대를 공식 가속화했다. 자율 로봇의 연구실 성과가 실전 플랫폼으로 빠르게 이전되는 시대가 열리고 있다.

배경 및 맥락

수중 로봇 기술의 뿌리는 깊다. IEEE Spectrum이 조명한 1980년대 심해 잠수정 **딥 로버(Deep Rover)**는 아크릴 구형 선체와 매니퓰레이터 암(arm)을 탑재해 크레이터 호수, 몬터레이만, 나이아가라 폭포 수력 터널을 탐사하며 유인 수중 탐사의 패러다임을 열었다. 그로부터 약 40년이 지난 현재, 조종사가 직접 탑승하는 대신 AI가 물속에서 스스로 학습하고 물체를 잡는 시대로 전환되고 있다.

같은 맥락에서 드론 기술도 전쟁의 문법을 바꾸고 있다. 우크라이나-러시아 분쟁에서 확인된 소형 드론의 전술적 파괴력은 전 세계 국방 당국이 대드론(Counter-UAS, Unmanned Aerial System) 체계 구축에 사활을 거는 계기가 됐다. 한국 역시 북한의 드론 위협이 현실화된 가운데, 민간의 첨단 AI·센서 기술을 군에 빠르게 수혈하는 기술협력 체계 정비가 시급한 과제로 떠올랐다.

핵심 내용 심층 분석

UMI-Underwater: 지상 학습, 수중 적용

2026년 3월 27일 arXiv에 공개된 UMI-Underwater 논문(arXiv:2603.27012)은 스탠퍼드·컬럼비아대 등 공동 연구진이 제안한 수중 로봇 조작 프레임워크다. 핵심 도전 과제는 두 가지였다.

열악한 수중 이미지: 빛의 굴절·흡수, 부유물로 인해 RGB 카메라 기반 인식이 육상 대비 극도로 불안정
데이터 수집 비용: 다양한 수중 환경에서 원격조작(teleoperation) 시연 데이터를 모으는 것은 시간·비용 면에서 비현실적

연구팀의 해법은 **깊이 기반 행동 가능성 표현(depth-based affordance representation)**이다. 지상에서 사람이 핸드헬드 방식으로 수집한 시연 데이터에서 학습한 어포던스(affordance) 모델을 기하학적 정렬(geometric alignment)을 통해 수중 환경에 제로샷으로 배포한다. 이후 **어포던스 조건부 확산 정책(affordance-conditioned diffusion policy)**이 수중에서 수집한 자율 데이터를 추가 학습해 제어 액션을 생성한다.

수조(pool) 실험 결과, RGB 단독 베이스라인 대비 파지 성능과 배경 변화 강인성이 모두 개선됐으며, 지상 데이터로만 학습한 물체에도 일반화에 성공했다. 수중 원격조작 없이 수중 조작을 학습한다는 점에서 군용 수중 자율 무기체계 및 해저 인프라 점검 로봇 분야에 즉각적인 파급력이 예상된다.

Where-to-Learn: 물리 기반 방향성 탐색으로 강화학습 가속

2026년 3월 28일 arXiv에 공개된 Where-to-Learn 논문(arXiv:2603.27317, IEEE RA-L 게재)은 온-정책 강화학습(on-policy RL)의 핵심 병목인 탐색 비효율 문제를 정면으로 공략한다.

기존 방법론은 정책 엔트로피(policy entropy) 최대화나 새로운 상태 방문을 독려하는 방식으로 탐색을 장려했으나, 태스크 맥락을 고려하지 않아 고보상 궤적으로의 수렴이 느렸다. 연구팀은 **미분 가능 동역학 모델(differentiable dynamics model)**에서 도출한 해석적 정책 기울기(analytical policy gradient)를 탐색 지침으로 활용해, 에이전트가 물리 법칙을 인지한 채 고보상 영역으로 방향성 있게 탐색하도록 유도한다.

8페이지·10개 그림으로 구성된 이 논문의 방법론은 복잡한 지형·환경 변수가 많은 드론, 지상 무인 차량(UGV), 수중 무인체계(UUV) 의 실시간 정책 학습에 직접 적용 가능하다.

한국 국방부: 민·군 드론·대드론 기술협력 공식 가속

2026년 4월 1일 국방일보 보도에 따르면, 한국 군 당국은 민·군 드론 및 대드론 기술협력 확대를 공식 가속화하고 있다. 민간의 AI·센서·통신 기술을 군 운용 환경에 신속히 적용하고, 역으로 군의 실전 데이터와 요구사항이 민간 R&D에 피드백되는 양방향 협력 구조가 핵심이다.

글로벌 동향 비교

구분	미국	중국	한국
수중 자율 로봇	DARPA 심해 UUV, UMI-Underwater 연구	자율 수중 기뢰 탐색 체계	해군 UUV 연구 초기 단계
강화학습 로봇 제어	MIT·스탠퍼드 주도, RA-L 게재	베이징대·칭화대 다수 논문	KAIST·ETRI 연구 진행 중
대드론 체계	MORPHEUS, SHORAD 통합	드론 재밍·레이저 체계 양산	민·군 협력 가속화 단계

미국은 기초 연구와 실전 플랫폼 간 전이가 DARPA 프로그램을 축으로 빠르게 이루어지고 있으며, 중국은 량안(量安) 계열 해중 자율 체계를 다수 운용 중인 것으로 알려져 있다. 한국은 민·군 협력 제도화가 이제 막 탄력을 받는 시점으로, 기초 연구 성과를 실전 전력화로 연결하는 '중간 다리' 구축이 관건이다.

한국에 주는 시사점

① 수중 자율체계 기술 격차 해소가 시급하다 UMI-Underwater가 보여준 지상→수중 도메인 적응 기술은 한국 해군의 수중 기뢰 탐색·제거, 항만 보안 로봇에 즉시 적용 가능한 개념이다. LIG넥스원, 한화오션 등 국내 방산업체가 해당 연구 그룹과의 기술 협력 또는 라이선싱을 검토할 만하다.

② Where-to-Learn 알고리즘, 드론 AI 훈련 비용 절감에 직결 물리 기반 방향성 탐색은 실제 비행 시험

물리 기반 방향성 탐색은 실제 비행 시험 데이터 수집 비용을 획기적으로 낮춰, 한국 드론 스타트업과 국방부의 민·군 협력 사업에서 빠른 프로토타이핑과 정책 최적화를 가능하게 할 전망이다.

③ 민·군 기술협력 체계의 제도화가 경쟁력의 핵심 미국의 DARPA 에코시스템, 중국의 국방과학기술대학 연계 체계와 달리, 한국은 아직 대학·스타트업·방산업체·군 간 신뢰와 데이터 공유 체계가 제도화되지 않은 상태다. 국방부의 공식 가속화 선언을 계기로 규제 샌드박스·데이터 규격화·인센티브 구조 정비가 함께 이루어져야만 2026년~2027년 실제 성과로 이어질 수 있다.

자주 묻는 질문

Q1. UMI-Underwater가 군용 수중 자율 무기체계에 바로 적용될 수 있나요?

A. 파지·조작 학습 프레임워크는 기술적으로 이식 가능하지만, 군용화는 실시간 통신, 음향 간섭, 고압·저온 환경 안정성 검증을 거쳐야 하므로 3~5년의 추가 개발이 필요할 것으로 예상됩니다.

Q2. Where-to-Learn 알고리즘을 한국 드론 업계가 사용하려면 어떤 절차를 거쳐야 하나요?

A. IEEE RA-L 게재 논문이므로 학술 라이선싱 또는 오픈소스 공개를 통해 기술 접근이 가능하며, 국방부 민·군 협력 프로젝트에 등재되면 정부 R&D 자금 지원 대상이 될 수 있습니다.

Q3. 한국이 수중 자율 로봇 분야에서 글로벌 수준에 도달하려면 얼마나 걸릴까요?

A. 현재 기초 연구 역량과 방산업체의 시스템 통합 능력을 고려하면, 민·군 협력이 본격화될 경우 3~4년 내 선진국 대비 기술 격차를 현저히 좁힐 수 있을 것으로 전망됩니다.

Q4. 민·군 드론·대드론 기술협력이 실제로 가동되기 위한 가장 큰 장애 요인은 무엇인가요?

A. 군의 요구사항 정의 모호성, 보안 규제와 빠른 기술 이전의 충돌, 그리고 성과 평가 기준 불일치로 인한 신뢰 부족이 가장 현실적인 병목으로 지적되고 있습니다.

Q5. 중국의 자율 수중 체계 운용 규모가 한국 대비 얼마나 앞서 있나요?

A. 공식 통계는 제한적이지만, 중국은 이미 상용 수중 드론 생산 능력과 해양 조사용 자율 체계를 보유한 반면, 한국은 해군 성능 검증 단계에 있어 실제 전력화 측면에서 2~3년의 시간차가 있는 것으로 평가됩니다.

여러분은 한국의 민·군 협력 프레임워크가 미국의 DARPA 모델을 벤치마킹하되, 스타트업 보호와 군사 보안 사이에서 어떤 균형을 잡아야 한다고 생각하십니까?

수중 탐사를 변혁한 1980년대 잠수정