B컷 by 배민

병오님 로보틱스LAB실에서 배달로봇 딜리와 로봇배달 서비스를 만들고 있습니다. 저는 매일 서비스와 로봇 데이터를 살펴보며 “다음에는 무엇을 더 개선할 수 있을까?”를 고민합니다. AI를 활용해 데이터 수집과 분석 속도를 높이고, 그만큼 더 중요한 문제를 정의하고 해결하는 데 집중하고 있습니다. 데이터를 통해 현실의 문제를 발견하고, 이를 실제 서비스 개선과 변화로 연결하는 것이 제 역할이에요.

–

동혁님 플래닝과컨트롤팀 팀장 역할을 맡고 있어요. 팀 이름에 있는 ‘플래닝(Planning)’은 배달로봇 딜리가 주변 환경을 인식하고 스스로 움직임을 계획할 수 있도록 만드는 일이고, ‘컨트롤(Control)’은 그렇게 계획한 움직임을 실제 로봇이 안정적으로 수행할 수 있도록 제어하는 일이에요. 저희는 로봇이 주행하며 수집한 로그, 영상, 라이다(LiDAR) 데이터를 분석하고, 시뮬레이션 환경에서 문제를 재현해 원인을 찾습니다. 이후 실제 로봇을 통해 검증하며 지속적으로 성능을 개선하고 있고요. 현실 세계의 복잡한 환경 속에서도 로봇이 스스로 안전하게 판단하고 움직일 수 있도록 만드는 것이 제가 맡고 있는 역할이에요.

병오님 로봇이라고 하면 보통 최소 수 년 뒤의 미래를 이야기하잖아요. 그런데 우리는 ‘현실의 문제’를 풀고 있는 딜리를 만들어요. 사람을 돕는 배달 로봇으로, 지금 당장 굴러가는 서비스를 만드는 것, 그게 로보틱스LAB실에서 당면한 과제예요.

병오님 “고객분들과 점주님 사이의 연결”을 더 빠르고 효율적으로 만드는 ‘배달 인프라’예요. 중요한 건, 라이더분들에게 어렵고 수익성 낮은 배달을 로봇이 대신 맡으며 사람과 로봇이 각자 더 잘할 수 있는 영역을 나눠 맡는 그림이에요.
로봇이 일부 불편한 지역의 배달을 함께 수행하면 고객과 점주 사이의 수요를 안정적으로 공급할 수 있어요. 특히 강남처럼 복잡한 이면도로와 많은 보행자, 다양한 이동수단이 뒤섞인 환경은 자율주행 로봇에게도 가장 어려운 영역 중 하나예요. 그런 현실 환경에서도 안정적으로 배달할 수 있는 기술을 만드는 것이 저희의 중요한 과제입니다.

–

동혁님 자율주행 로봇을 보는 관점은 크게 둘인데, 하나는 세상에 로봇을 위한 인프라를 까는 것, 다른 하나는 “로봇이 우리가 사는 세상에 맞춰가는 것”이에요. 우리는 후자를 지향해요. 딜리가 그저 장애물을 피해 빨리 도착하는 데 만족하지 않고, 사람들이 기대하는 자연스러운 움직임으로 불편함 없이 공존하는 기술을 꿈꾸고 있어요.

병오님 맞아요. 강남 배달을 안정적으로 수행하면서, 그동안 쌓은 자율주행 기술로 로봇의 평균 주행 속도가 눈에 띄게 빨라졌어요. 그만큼 더 먼 거리를 배달할 수 있게 됐고요. 더 결정적인 건 따로 있어요. 안정적인 주행 덕분에 원격 관제사의 도움이 필요한 수준이 2025년 초 대비 90% 가까이 줄었거든요. 최근 서비스 지표로 보면 전체 주행 거리 중 자율주행으로 이동한 거리의 비중이 99%에 도달하는 등 주행 기술의 수준이 상승했어요. 로봇이 그만큼 ‘스스로’ 더 많이 해내게 됐다는 뜻이죠. 물론, 아직도 혼잡한 상황이나 스스로 해결이 어려운 상황이 존재하고 있지만요.

동혁님 자율주행 로봇을 만들기 위해선 여러 기술들이 모여 하나의 유기체처럼 조화롭게 동작해야 하다 보니, 어느 하나만 부족해도 안정적인 주행을 담보할 수 없었어요. 그래서 초기의 저희 기술 수준은 관제사가 1:1로 한 순간도 방심할 수 없이 지켜봐야 할 정도였는데요, ‘관제사가 로봇에서 눈을 뗄 수 있게 만들어야 한다’는 목표가 가장 중요했다고 생각합니다
–
그런데 이 목표의 최초 근원지는 아주 작은 문제에서 시작된 것으로 기억해요. 저희가 개발을 시작할 당시엔 딜리가 차량과 오토바이가 혼재된 이면도로를 달리게 될 줄도 몰랐거든요. 그래서 인도에서 평화롭게 거닐다가 ‘횡단보도를 건너는 시나리오’에서 고속으로 주행하는 오토바이와 차량에 대한 대응이 가장 큰 문제로 떠올랐습니다. 신호등이 없는 횡단보도는 물론이고, 신호등이 있더라도 우회전 차량 혹은 쌩쌩 달리는 오토바이들도 적지 않게 마주치니까요.
–
그래서 우리는 이 한 장면을 집요하게 파고들었어요. 횡단보도에서 관제사가 개입한 순간들을 데이터로 모아, 로봇이 어떤 물체를 놓쳤고 어떤 판단을 머뭇거렸는지 하나씩 뜯어봤죠. 그렇게 찾은 약점을 학습 데이터로 만들어 인지, 판단 로직을 다듬고, 시뮬레이터에서 같은 상황을 수없이 반복시키며 검증했어요. 그 결과 로봇이 횡단보도 앞에서 오토바이를 먼저 인지해 스스로 감속하고, 안전한 순간을 골라 건너기 시작했고요. 그만큼 관제사의 개입도 줄었습니다.
–
당시엔 각각의 기술들이 무르익지 않은 상태였어요. 요리에 비유하자면, 좋지 않은 재료들을 버무려서 최대한 맛있게 만들려는 노력들이 있었다고 생각합니다. 물론 지금은 재료들이 그때보다 더 싱싱해져서 전체적으로 성능이 나아지기도 했지만요.

병오님 우리는 로봇이 주행하는 모든 과정의 데이터를 수집하고 분석해요. 요즘은 AI 도구를 적극적으로 쓰면서 문제를 분석하고 해결하는 속도가 정말 빨라졌어요. 실제 환경에서 운영 중인 로봇으로부터 데이터를 바로 뽑아낼 수 있으니, 로봇이 해결해야 할 현실의 문제를 누구보다 빠르게 알아채고 해결할 수 있어요.
–
특히 최근에는, 사람이 직접 분석해야 했던 데이터 추출과 비교 분석 과정을 수행하는 시간이 극단적으로 짧아져서, 그 다음 날 바로 확인할 수 있게 됐어요. 덕분에 추가로 모을 데이터나 개선 가설을 세우는 데도 하루가 채 걸리지 않게 됐고요. 문제를 개선하는 과정이 극단적으로 짧아진 만큼, 이제는 누구나 데이터를 근거로 개선을 제안할 수 있게 됐어요. 현장에서 주행을 지켜보던 팀원이 “이 구간이 좀 이상하다”며 데이터를 들고 오면, 다음 날 바로 함께 들여다보는 식인 거죠.

동혁님 무인차는 하드웨어가 크고 빠르니까 그 자체로 도전적이죠. 그런데 배달 로봇은 ‘다른 방식으로’ 어려워요. 일단 크기가 작으니 센서와 연산장치에 제약이 큽니다. 거기에 한국 특유의 복잡한 이면도로, 노면에 깔린 자잘한 방해물들, 횡단보도에서 양방향으로 쏟아지는 인파를 뚫고 지나가는 문제까지 더해지죠. 사람과 가장 가까운 자리에서 움직이는 로봇이라, 개발자 입장에선 오히려 도전 욕구를 자극하는 요소로 가득해요.

동혁님 실제 도로에서는 사람에겐 평범한 시나리오도 로봇에겐 쉽지 않은 경우가 많았어요. 예를 들어 횡단보도를 건널 때는 많은 사람들 틈바구니에서 시작을 하고, 반대편에선 나를 향해 사람들이 걷거나 뛰어오는 상황이죠. 사람은 자연스럽게 위험을 예측하고 움직이지만 로봇에게는 그 판단이 결코 쉽지 않아요. 말로는 단순해 보이지만 하나하나가 현실의 복잡함과 싸우는 과제예요.
–
그래서 한 번 겪은 어려운 상황은 그냥 넘기지 않아요. 그 장면을 그대로 재현한 다음, 사람의 동선이나 날씨, 시간대를 조금씩 바꾼 수많은 변형을 더해 다시 시험해 보거든요. 한 상황을 여러 각도로 두들겨 보면서 로봇의 판단을 조금씩 단단하게 만들어가는 거죠.
–
그리고 그렇게 문제들을 하나씩 해결해 나가다 보니 이제 어떤 문제를 ‘해결했다’고 말하는 것조차 어려워요. 개선된 로직으로 주행을 해보니 잘 되는 걸 보고 ‘해결’ 도장을 찍은들, 사람의 움직임이 조금 다르거나, 갑자기 이륜차가 난입하거나, 사람들 사이에 가려진 작은 아이가 뛰어나오거나, 비가 오거나, 밤이거나, 밤인데 하필 어떤 가로등이 하나 너무 밝거나 등등 실제 세계에서 발생하는 문제는 무궁무진합니다. 때문에 더욱 다양한 시나리오들을 고려하고 문제가 되는 상황의 데이터를 수집하는 것으로 ‘어제보다는 조금 더 해결했다’라는 마음가짐으로 일하고 있습니다.

동혁님 로봇이 원하는 대로 움직이지 않으면 원인이 하드웨어일 수도, 소프트웨어일 수도, 심지어 주변 환경일 수도 있어요. 그래서 문제를 해결하는 것만큼 중요한 것이 원인을 정확히 찾아내는 일이죠. 수년 전, 실내에서 주행 테스트를 하는데 로봇이 갑자기 이상하게 움직이는 거예요. 코드를 봐도, 모터를 봐도 원인이 안 나와서 몇 시간을 헤맸죠.
–
알고 보니 범인은 소프트웨어도 하드웨어도 아니었어요. 창문 블라인드 사이로 들어온 강한 햇살이 로봇의 라이다 센서에 영향을 주고 있었던 거예요. 그때 다시 한번 느꼈어요. 자율주행 로봇 개발은 문제를 해결하는 것만큼이나 원인을 정확히 찾아내는 일이 중요한 분야라는 걸요.

동혁님 자동차 산업이 기계, 전자, 컴퓨터 공학의 결정체라면, 자율주행 로봇은 그걸 넘어서는 기술 집약이에요. 저희 조직은 배달 로봇의 하드웨어부터 소프트웨어, 그리고 배민 서비스까지 전부 한 지붕 아래에서 다루거든요. 그래서 긴밀한 소통과 협업이 필수예요. 잘 알던 분야 밖의 것들을 접하고 익히면서, 작은 로봇 하나가 움직이기 위해 필요한 기술 스택 전체를 이해해 나가는 과정 자체가 개인에게도 더없이 큰 경험이 됩니다. 이런 폭넓은 이해와 경험은 로보틱스LAB실에서만 얻을 수 있는 특별한 성장 기회라고 생각해요.

병오님 자율주행 로봇은 정해진 노선이나 제한된 구역에서 한두 달 시범 운영하는 경우가 많아요. 우리는 로봇이 ‘어디든’ 갈 수 있게 만드는 기술을 만들고, 그만큼 더 많은 거리를 오픈 필드에서 실제로 달리고 있어요.
–
게다가 서비스부터 하드웨어까지 직접 만듭니다. 우리는 원하는 형태로 최적화해서 하드웨어부터 설계해요. 데이터와 인프라 환경은 실제 주행 데이터가 클라우드로 모이고, 자체 GPU 인프라와 직접 구축한 시뮬레이터 환경에서 학습돼요.
–
자율주행은 보통 엣지 디바이스에 갇혀 있어서 클라우드와 접점을 다루기 어려운데, 우리는 클라우드까지 써서 개발하는 광범위한 커버리지를 갖췄어요. 머신러닝, 딥러닝 인프라부터 시뮬레이터까지 이 정도로 갖춘 곳은 거의 없습니다.
서비스부터 하드웨어까지 한 형태로 최적화해 개발할 수 있다는 게 가장 큰 강점이에요. 그리고 물론 실제 거리에서 운영 중인 로봇 데이터를 바로 분석하고 개선할 수 있다는 점도 핵심 강점이죠.

동혁님 맞아요. 컨트롤을 다루는 사람은 물리적 다이나믹스와 모터 제어를 이해하고, 모션 플래너가 짠 계획을 딜레이 없이 추정해서 하드웨어와 소프트웨어의 중간 영역을 메워야 해요.
–
한쪽만 잘해서는 풀리지 않는 문제들이거든요. 눈앞의 프로덕트를 만드는 데 집중하되, 한 단계 앞선 가능성의 ‘룸’도 함께 열어둬야 한다고 생각해요. 그래서 서로 소통하고 협업하면서 팀과 기술의 경계를 무너뜨리는 데 집중하고 있어요.

동혁님 지금 딜리는 대부분의 상황에서 스스로 판단하고 움직일 수 있지만, 예상하지 못한 복잡한 상황에서는 여전히 관제사의 도움이 필요할 때가 있어요. 예를 들어 차 한 대가 겨우 지나갈 수 있는 비좁은 이면도로에서, 딜리 앞을 가던 차량이 맞은편 차량을 위해 옆으로 비켜줬는데, 딜리가 눈치 없이 그 사이로 달려가면 안 되겠죠. 사고를 유발하지 않고 관제사의 개입이 전혀 필요 없는 수준까지 자율성을 높였더라도, 보행자와 차량 운전자들이 기대하는 움직임으로, 조화롭게 움직이는 것이 궁극적인 목표가 아닐까 생각합니다.
이를 위해 작년부터는 기존의 분석적, 모듈식 접근을 넘어 End-to-End 방식의 연구와 강화학습 방식의 연구 개발도 진행하고 있습니다.

–
병오님 궁극적으로는 사람이 편해지는 세상을 만들고 싶어요. 사람의 일을 빼앗는 게 아니라, 로봇의 정확하고 빠른 배달 덕분에 모두가 각자 원하는 일에 더 집중할 수 있게요. 더 똑똑한 로봇이 더 큰 영향력을 만들도록, 로봇의 지금 한계를 하나씩 풀어가며 현실 세계의 문제를 하나씩 해결해 나가는 것.
–
스스로의 손으로 현실의 변화를 만들어낼 수 있는 유일무이한 서비스와 경험을 함께 만들 수 있는 기회라고 생각해요. 우아한형제들의 로보틱스LAB실에서 많은 고객들을 대상으로 실제로 서비스를 제공하면서 내가 만든 변화를 곧장 현실에 반영하고 거기서 얻은 배움으로 빠르게 다시 개선해볼 수 있습니다.

병오님 문제를 집요하게 파고들고, 좋은 동료들과 데이터를 기반으로 의사결정을 해 나가면서, 때로는 데이터를 직접 만들어내기 위한 빠른 도전도 마다하지 않는 분이요. 로봇으로 세상을 바꾸고 싶은 분이라면 서로에게 큰 자극이 되고, 함께 미래의 변화를 만들 수 있다고 생각해요.

–
동혁님 지금 쓰는 기술보다 더 나은 기술을 늘 탐구하고, 단순히 아는 것을 넘어 그것을 실제 로봇에 적용하는 과정을 즐기는 분이라면 누구든 환영해요. 새로운 관점으로 기존의 시도를 넘어서는 분이라면 더 좋고요.

동혁님 어떤 기술은 실현 가능성의 벽, 기술적 한계, 수익성, 법규에 막혀 연구실 한 켠의 프로토타입으로 덮이곤 해요. 자율주행 배달 로봇은 지금 그 모든 면에서 ‘가능해지는 적정한 시점’에 놓여 있다고 생각합니다. 프로토타입에 머무르지 않고, 사람들과 매일같이 마주치며 사회에 기여하는 기술을 함께 만들어 나가는 것만큼 개발자의 가슴을 뛰게 하는 일은 없으니까요.

–
병오님 업무가 주어지길 기다리기보다, 우리가 풀어야 할 문제를 스스로 찾아내고 공감대를 만들어 함께 성과를 내는 분. 어려운 현실의 문제 앞에서 좌절하지 않고 끝까지 답을 찾아내며 성취감을 느끼는 분을 기다리고 있습니다.