메타버스가 남긴 가상 세계, 로봇 '원주민'을 맞이하다

작성자: Zen, PANews

2026년 9월 8일, Antioch라는 미국 스타트업이 3,200만 달러 규모의 시리즈 A 투자를 유치했다. 실리콘밸리의 유명 벤처캐피털 Greylock이 주도했다. 연초에 완료한 850만 달러 규모의 시드 라운드를 더하면, 설립된 지 1년이 조금 넘은 이 회사의 누적 투자 유치액은 4,050만 달러에 달한다.

Antioch의 주요 방향은 현실의 로봇, 센서, 소프트웨어 시스템, 실행 환경을 컴퓨터로 옮겨, 현실에 최대한 가까운 디지털 세계에서 기계를 대규모로 훈련, 테스트, 검증하는 것이다. 현실에서는 비용이 많이 들고 반복하기 어렵거나 위험한 고장 및 극한 시나리오를 이곳에서 반복적으로 재현할 수 있다.

Antioch가 유일한 사례는 아니다. Physical AI가 AI 업계의 새로운 투자 방향으로 떠오르면서, 3D 공간, 디지털 트윈, 물리 시뮬레이션, 합성 데이터를 다루는 기업들이 다시 자본의 주목을 받고 있다. 이들이 해결하려는 것은 결국 컴퓨터 안에 현실에 충분히 가까운 세계를 어떻게 만들 것인가이다.

'가상 세계 구축, 현실 시나리오 복제'라는 설명만 보면, 지난 '메타버스' 기술 열풍을 떠올리기 쉽다. 하지만 Antioch가 하는 일은 사용자가 VR 헤드셋을 쓰고 가상 세계를 돌아다니게 하는 것이 아니다. 이번에 가상 세계에 장기간 '거주'해야 하는 주체는 로봇이다.

가상 세계는 사라지지 않았다. 다만 이번에는 그곳에 사는 '거주자'가 바뀌었을 뿐이다.

인간은 메타버스에 살지 않았다

2021년 8월, 세계에서 가장 중요한 컴퓨터 그래픽 컨퍼런스인 SIGGRAPH에서 NVIDIA는 Omniverse 플랫폼 확장을 발표했다. 당시 NVIDIA의 포지셔닝은 매우 명확했다. Omniverse는 시뮬레이션 및 3D 협업을 위한 플랫폼이며, '메타버스의 기반을 제공'하고 있다는 것이었다.

핵심 아이디어는 원래 서로 다른 소프트웨어에 분산되어 있던 3D 콘텐츠를 하나의 가상 세계로 통합하는 것이었다.

여기서 매우 중요한 기반 기술이 USD, 즉 Universal Scene Description(범용 장면 설명)이다. 이는 픽사가 복잡한 애니메이션 영화 제작을 위해 처음 개발하고 이후 오픈소스로 공개한 3D 장면 설명 표준이다. 간단히 말해, 3D 세계의 '공용 언어'와 같다. 가상 장면에 어떤 객체가 있고, 어디에 있으며, 어떤 재질을 사용하고, 어떻게 움직이며, 서로 어떤 관계인지를 USD를 통해 구성할 수 있다.

따라서 당시 Blender 같은 3D 모델링 소프트웨어를 사용하는 디자이너, Adobe Substance 3D로 텍스처와 재질을 만드는 그래픽 디자이너, 다양한 엔지니어링 소프트웨어를 사용하는 엔지니어가 USD를 통해 각자 만든 콘텐츠를 Omniverse에 연결하여 같은 3D 세계에서 협업할 수 있었다.

NVIDIA는 당시 이러한 미래를 '3D 인터넷'으로 묘사하기도 했다. 오늘날 인터넷이 웹페이지를 연결한다면, 미래의 인터넷은 실시간으로 접속하고 상호작용할 수 있는 무수한 3D 공간을 연결할 수 있다는 것이다.

같은 해 10월, Facebook은 회사 이름을 Meta로 변경했고, 메타버스는 가장 열광적인 단계에 접어들었다.

NVIDIA보다 저커버그가 그린 미래는 더욱 웅대했다. 그의 구상에서 사람들은 더 이상 2차원 화면을 통해 인터넷을 사용하는 것이 아니라, 공간감과 '현존감'이 있는 디지털 세계에 들어가 회의, 업무, 엔터테인먼트, 쇼핑, 소셜 활동을 하는 것이었다. Meta는 당시 향후 10년 정도 안에 메타버스가 10억 명을 포괄하고 거대한 디지털 경제를 형성할 것으로 예상했다.

메타버스는 무엇이든 담을 수 있는 그릇이었다. 이후 2년 동안 VR, AR, 디지털 휴먼, 가상 오피스, 3D 게임, 디지털 트윈, NFT 등 디지털 자산 내러티브가 모두 '대규모 디지털 세계'라는 하나의 통일된 상상 속에 담겼다.

그러나 소비자용 메타버스 산업은 지금까지 실현되지 않았고, 당초 참여했던 많은 기업들이 조용히 탈락했다. Meta는 여전히 VR, AR, 스마트 글래스를 포기하지 않았지만, 관련 사업을 지원하는 Reality Labs는 여전히 극도로 비용이 많이 드는 장기 투자로 남아 있다. 2025년 Reality Labs의 연간 매출은 약 22억 700만 달러였지만, 영업 손실은 191억 9,300만 달러에 달했다. Meta는 또한 2026년 해당 부문의 영업 손실이 2025년 수준을 대체로 유지할 것으로 예상했다.

이에 비해 Omniverse의 변화는 더욱 시사하는 바가 크다. 5년 전 NVIDIA는 Omniverse를 '메타버스의 기반'이라고 불렀다. 현재 NVIDIA 공식 웹사이트의 정의는 'Physical AI 애플리케이션 개발을 위한 라이브러리 및 마이크로서비스 모음'으로 바뀌었다.

Omniverse의 상위 서사와 제품 중심은 산업용 디지털 트윈, 로봇 시뮬레이션, 자율주행 개발로 이동했다. 그 아래에는 Isaac Sim, Isaac Lab, Cosmos, PhysX, Warp 등 일련의 로봇 및 Physical AI 도구가 연결되어 있다. 같은 플랫폼이 담는 가장 큰 서사가 바뀐 것이다.

사실 로봇 시뮬레이션, 산업용 디지털 트윈, 물리 엔진의 역사는 '메타버스 붐이 일어난 해'보다 훨씬 오래되었다. 지난 메타버스 열풍은 3D 모델링, 실시간 렌더링, 디지털 트윈, 가상 협업, 개방형 3D 표준, NFT 등 원래 비교적 분산되어 있던 기술을 '대규모 디지털 세계'라는 하나의 통일된 상상 속에 담았을 뿐이다.

따라서 메타버스 열풍이 가라앉은 후에도 이러한 인프라는 사라지지 않았다. 사람들은 점차 로봇이 인간보다 가상 세계를 더 필요로 할 수 있다는 것을 깨달았다.

로봇에게 가상 세계가 필요한 이유

NVIDIA는 올해 GTC 컨퍼런스에서 휴머노이드 로봇 훈련 시스템을 설명하면서 매우 직관적인 '로봇 데이터 계층 구조'를 다시 한번 선보였다.

가장 아래층은 양이 가장 많은 인터넷 및 인간 데이터로, 웹페이지, 이미지, 비디오, 인간 행동 기록 등이 있다. 거의 무궁무진하게 사용할 수 있으며, 로봇에게 세상이 어떤 모습이고 사람이 무엇을 하는지 알려줄 수 있다. 하지만 일반적으로 로봇이 실제로 동작을 실행할 때 필요한 관절 각도, 힘, 촉각, 제어 신호는 없다.

피라미드의 가장 꼭대기는 실제 로봇 데이터다. 로봇이 원격 조작이나 자율 운행을 통해 실제로 물건을 잡고, 운반하고, 걷게 하면 최종 작업에 가장 가까운 데이터를 얻을 수 있다. 하지만 가장 비싸다. 로봇 한 대는 하루에 최대 24시간밖에 실제로 경험할 수 없으며, 기계, 장소, 운영 인력, 장비 유지보수까지 필요하다.

그 사이에 있는 것이 시뮬레이션 및 합성 데이터다. 실제 로봇 데이터만큼 정확하지는 않지만, GPU에서 고속으로 복제하고 병렬 생성할 수 있다. 또한 인터넷 비디오처럼 단순히 '인간이 무엇을 하는지 보는' 것이 아니라, 로봇이 작업을 수행하는 데 필요한 동작, 상태, 센서 데이터를 직접 생성할 수 있다.

NVIDIA는 따라서 향후 피라미드 중간의 합성 데이터 층을 지속적으로 확대하여 로봇 훈련의 중요한 데이터 소스로 만들기를 희망한다고 밝혔다.

세 가지 데이터의 장단점은 사실 매우 간단하다. 인터넷 및 인간 데이터는 저렴하고 규모가 크지만 로봇의 실제 실행과는 거리가 멀다. 실제 로봇 데이터는 로봇의 실제 배치와 가장 가깝고 물리적 사실성이 가장 높지만 비싸고 느리다. 시뮬레이션 데이터는 그 중간에 있다. 사실성은 다소 떨어지지만 규모, 비용, 제어 가능성은 실제 기계보다 훨씬 뛰어나다.

바로 이 때문에 시뮬레이션은 미국 Physical AI 인프라에서 자본과 대기업이 가장 주목하는 분야 중 하나가 되고 있다.

그리고 이것이 해결하는 것은 단순히 데이터 양의 문제만이 아니다. 현실 세계의 가장 큰 특징은 마음대로 복제할 수 없다는 것이다. 회사에 로봇이 100대 있으면 동시에 100대만 운영할 수 있다. 창고도 로봇 훈련을 위해 10분마다 선반, 조명, 바닥, 상품을 전부 다시 배치할 수는 없다. 하지만 가상 환경에서는 같은 로봇을 수천, 수만 개의 디지털 분신으로 복제할 수 있다.

로봇 팔 하나가 동시에 1,000가지 책상 배치를 마주할 수 있다. 로봇은 물체의 위치, 질량, 재질을 계속 바꿀 수 있다. 조명, 카메라 위치, 바닥 마찰력, 심지어 센서 오차까지 인위적으로 무작위 조정할 수 있다. 이러한 훈련 방법은 로봇 분야에서 도메인 랜덤화(Domain Randomization)라고 불린다. 로봇이 완벽한 가상 환경 하나를 달달 외우게 하는 대신, 의도적으로 환경을 계속 변화시켜 모델이 다양한 변화 속에서도 같은 작업을 완수하도록 학습시키는 것이다.

또한 주목할 점은, '정상 작동' 데이터 외에도 개발자는 극한 상황의 데이터에 주의를 기울여야 한다는 것이다. 카메라 하나가 갑자기 고장 나거나, 로봇 발밑이 갑자기 미끄러워지거나, 로봇이 넘어지는 것은 모두 극복해야 할 시나리오다. 현실 세계에서는 데이터 수집을 위해 매일 사고를 일으킬 수 없지만, 가상 세계에서는 가능하다.

이것이 일부 사람들이 로봇 개발이 실제 테스트장에만 계속 의존할 수 없다고 생각하는 이유이기도 하다. 현실 테스트는 결국 장비, 장소, 엔지니어링 시간이 필요하고, 극한 고장은 반복하기 어렵다. 하지만 시뮬레이션에서는 한 번의 시스템 업데이트로 수천 가지 조건에 대해 즉시 병렬 테스트를 진행할 수 있다.

메타버스가 직면했던 가장 큰 문제는, 왜 인간이 반드시 가상 세계에 들어가야 하는가였다. 이제 로봇은 완전히 다른 답을 내놓았다. 인간에게 가상 세계는 현실 생활의 선택 가능한 대체재일 뿐이다. 하지만 로봇에게 가상 세계는 현실에 진입하기 전의 훈련장이 될 수 있다.

다시 사업이 된 '가상 세계'

Physical AI를 중심으로 새로운 '가상 세계 인프라' 산업이 등장하고 있으며, 이들 기업의 분업은 점점 더 세분화되고 있다.

2026년 8월, 독일 뮌헨에 본사를 둔 NavVis가 8,500만 달러의 투자를 유치했다.

NavVis는 공간 데이터 기업이다. 핵심 사업은 로봇 훈련이 아니라, 모바일 스캐닝 장비를 이용해 현실의 공장, 건물, 인프라를 고정밀 3D 데이터로 빠르게 스캔하는 것이다. 회사가 공개한 바에 따르면, 2025년 한 해에만 시스템이 처리하고 배포한 현실 공간이 10억 제곱미터를 넘는다.

이제 NavVis는 이 사업을 Physical AI의 '데이터 기반'으로 직접 포지셔닝하고 있다. 로봇이 미래에 실제 공장에서 일하려면, 먼저 컴퓨터가 이 공장이 어떻게 생겼는지 정확히 알아야 한다는 것이다.

한국 스타트업 NdotLight는 또 다른 층위의 문제를 해결한다. NdotLight는 로봇 시뮬레이션용 3D 에셋을 전문적으로 제작하는 Physical AI 데이터 기업이다. 올해 8월, 150억 원, 약 1,060만 달러의 신규 투자를 유치했으며, 한국산업은행(KDB)이 주도했다.

일반적인 3D 모델은 보통 충분히 사실적이기만 하면 게임이나 애니메이션에 사용할 수 있다. 하지만 로봇 훈련에는 턱없이 부족하다. 이 의자가 얼마나 무거운지, 어디에서 충돌이 발생하는지, 표면 마찰력이 얼마인지, 어떤 부위가 움직일 수 있는지까지 알아야 하기 때문이다.

NdotLight가 개발한 TRINIX는 일반 3D 콘텐츠를 이른바 SimReady 에셋, 즉 로봇 시뮬레이터에 바로 투입할 수 있는 3D 에셋으로 변환한다. 외형 외에도 질량, 마찰, 관절 구조, 충돌 데이터를 보완하고, NVIDIA Omniverse 및 Isaac Sim에 연결한다. 가상 물체가 현실을 재현할 뿐만 아니라 현실 물체처럼 로봇이 사용할 수 있게 만드는 문제를 해결하는 것이다.

9월 17일에는 아이슬란드의 Treble이 1,800만 달러의 투자를 유치했다. Treble은 음향 시뮬레이션 기업이다. 가상 공간을 구축한 후, 소리가 방, 건물 및 기타 환경에서 전파되는 방식을 시뮬레이션하고 합성 음향 데이터를 생성할 수 있다.

로봇, 스마트 글래스 및 기타 Physical AI 기기가 현실 환경을 이해하는 데 마이크에 점점 더 의존하게 되면서, 회사는 자사의 음향 디지털 트윈 기술을 Physical AI 훈련에 사용하기 시작했다. 주로 해결하는 것은 가상 세계에서 로봇이 어떻게 현실에 가까운 소리를 '듣는가'이다.

이러한 유형의 기업들을 모두 합치면, 실제로 디지털 세계를 다시 조립하기 시작한 것이며, 이는 5년 전 사람들이 말하던 '가상 세계'에 이미 매우 가까워졌다. 다른 점은, 메타버스가 추구한 것은 몰입감이었고, Physical AI가 추구하는 것은 사실성이라는 것이다.

이는 로봇 시뮬레이션 분야에서 가장 중요한 개념인 'Sim-to-Real', 즉 '시뮬레이션에서 현실로'로 이어진다. 로봇이 가상 세계에서 배운 것이 현실 세계로 돌아온 후에도 과연 쓸모가 있는가를 탐구하는 것이다.

이것이 NVIDIA의 Isaac Sim이 화면 렌더링뿐만 아니라 강체 역학, 관절, 충돌, 다양한 가상 센서를 포함하여 이러한 격차를 최대한 줄이려는 이유이기도 하다. Isaac Lab은 더 나아가 개발자가 수많은 로봇 환경을 동시에 실행하고 GPU 병렬 처리를 통해 로봇 정책을 훈련할 수 있게 한다.

따라서 오늘날의 로봇 가상 세계와 많은 소비자용 메타버스의 핵심적인 차이는, 전자의 가치가 결국 현실 세계로 돌아와 검증을 받아야 한다는 데 있다.

인간은 결국 당초 구상대로 메타버스에 살지 않았다. 하지만 가상 세계를 위해 깔아둔 길은 완전히 버려지지 않았다. 로봇이 그 길을 따라 현실로 걸어 돌아오고 있다.