소형 2족 보행 로봇
사업계획

우리가 만들려는 건 로봇 한 대로 블록 코딩부터 Python, 강화학습까지 쭉 배우는 학습 플랫폼입니다. 처음에는 블록을 끼워 맞춰 로봇을 움직입니다. 익숙해지면 Python으로 센서를 읽고 관절을 직접 제어합니다. 마지막에는 시뮬레이션 안에서 로봇이 넘어지고 다시 서기를 반복하며 걷는 법을 스스로 익히게 하고, 그 결과를 실제 로봇에 옮겨 확인합니다.

블록 코딩과 Python을 둘 다 지원하는 교육용 로봇은 이미 있습니다. 문제는 그다음입니다. 보행 제어나 강화학습으로 넘어가려는 순간 과제도, 교재도, 개발 환경도 끊깁니다. 학습자는 거기서 장비를 새로 사고 처음부터 다시 익혀야 합니다. 우리는 이미 손에 익은 로봇의 움직임과 센서를 발판 삼아 다음 개념을 배우게 하려 합니다. 기관 입장에서도 한 대로 기초 과정과 심화 과정을 모두 돌릴 수 있습니다.

부품을 더 사야 다음 단계로 갈 수 있는 구조는 아닙니다. 기본 구성 하나로 블록에서 Python, 강화학습까지 끝까지 갈 수 있게 만듭니다. 블록 단계에서는 미리 검증해 둔 동작을 조합하고 센서를 관찰합니다. Python으로 넘어가면 조건을 직접 걸고 제어 로직을 더 파고들 수 있습니다.

교체 다리, 팔·집게, 추가 센서는 기본 제품이 자리를 잡은 뒤에 붙일 선택 사항입니다. 부품을 바꾸면 새로운 실험을 할 수 있지만 공짜는 아닙니다. 무게와 관절이 달라지면 시뮬레이터도, 제어와 학습 모델도 다시 맞춰야 합니다. 그래서 지원할 조합마다 예제와 모델을 따로 준비하고, 앞서 배운 내용을 어디까지 그대로 쓸 수 있는지 함께 알려 줄 생각입니다. 부품에서 나올 매출은 가능성으로만 열어 두고 초기 목표에는 넣지 않았습니다.

조사해 보니 블록에서 텍스트 코딩으로 넘어가는 구간은 이미 여러 제품이 잘 지원하고 있었습니다. mBlock은 같은 화면에서 블록과 Python을 오가고, VEXcode는 블록 묶음을 버튼 한 번으로 Python으로 바꿔 줍니다. 이 구간을 내세워 차별화할 수는 없습니다.

차이가 벌어지는 곳은 AI를 어디까지 다루느냐였습니다. 교육용 제품이 제공하는 AI는 사진·소리·자세를 구분하는 데까지입니다. 학생이 데이터를 모아 분류 모델을 학습시키고, 로봇이 그 결과에 반응하게 만드는 방식입니다. 반면 로봇이 스스로 움직여 보면서 동작 자체를 익히는 강화학습, 그리고 컴퓨터에서 익힌 것을 실물 로봇으로 옮기는 과정은 교육용 제품에서 확인되지 않았습니다. 그 구간은 Microduck 같은 개발자용 제품에 있는데, 그쪽에는 블록 코딩 입문이 없습니다.

그래서 우리가 노리는 자리는 ‘블록과 텍스트 사이’가 아니라 ‘분류하는 AI와 스스로 움직임을 익히는 AI 사이’입니다. 같은 로봇으로 그 구간을 건너게 하는 것이 제품의 핵심이며, 이것이 실제 구매 이유가 되는지는 시범 운영에서 확인합니다.

지금 움직이는 이유는 두 가지가 겹쳤기 때문입니다. 학교에서 정보 교육이 늘고 있고, 실물로 실험할 수 있는 저가 로봇이 막 나오기 시작했습니다. 여기에 단계 전환을 어떻게 도울지 다룬 연구와 기존 교육 제품의 세대교체가 맞물리면서 고객을 만나기 좋은 시점이 됐습니다. 물론 환경이 좋아졌다고 주문이 들어오지는 않습니다. 아래 근거들이 각각 어디까지 말해 주는지 나눠서 정리했습니다.

네 번째는 우리가 쓸 수 있는 도구가 생겼다는 점입니다. Microduck은 399달러짜리 소형 보행 로봇과 함께 제어·시뮬레이션·강화학습 도구를 공개해 두었습니다. 여기서 출발하면 맨땅에서 시작하지 않아도 됩니다. 물론 남의 도구가 우리 기구에 그대로 맞지는 않습니다. 모델을 우리 몸체에 맞춰 보정하는 일, 안정적으로 걷게 만드는 일, 수십 대를 같은 품질로 뽑는 일은 여전히 우리 몫입니다.

Microduck 공식 자료에는 미리 학습된 동작을 실행하는 방법과 개발자가 제어·강화학습 도구를 사용하는 방법이 소개돼 있습니다. 공식 제품 페이지와 공개 저장소, 커뮤니티가 정리한 도구 목록(70여 개)까지 확인했으나 블록 코딩 도구는 찾지 못했습니다. 다만 커뮤니티에는 강화학습을 단계별로 가르치는 강좌와 30차시 교재가 있습니다. 자료가 없는 것이 아니라 개발자를 대상으로 한다는 것이 확인된 사실입니다. 비공개 자료나 향후 추가 가능성까지 배제하지는 않으며 계속 확인합니다.

우리는 그 이어짐을 제품의 중심에 둡니다. 같은 로봇에서 블록으로 움직여 본 동작을 Python으로 다시 제어하고, 이어서 걷는 법을 학습시켜 실물에 적용하는 과제를 묶어 제공합니다. 그러니 첫 고객에게 물어볼 것도 기능이 몇 개냐가 아닙니다. 이 과정이 실제로 다음 단계를 넘어가게 도와주는지, 그래서 돈을 낼 만한지입니다.

Grand View Research는 글로벌 교육용 로봇 시장이 2030년 58.4억 달러에 이르고, 2025~2030년 연평균 28.8% 성장할 것으로 전망합니다. 교육 현장의 로봇 활용 확대를 보여주는 참고 지표입니다. 다만 이 시장에는 다양한 연령과 형태의 교육용 로봇이 포함되어 있어, 이를 저가 2족 보행 연구용 로봇의 시장 규모로 그대로 사용할 수는 없습니다.

공개된 자료만으로는 우리 제품에 해당하는 시장만 따로 떼어내기 어렵습니다. 그래서 ‘전체 시장의 몇 퍼센트를 가져오겠다’는 식으로 잡지 않았습니다. 대신 실제로 살 만한 연구실과 수업, 개인 고객을 하나씩 세어 보기로 했습니다. 아래 계산기는 2년차 판매 목표를 어떻게 채울지 보여주는 예시일 뿐, 시장 규모도 확보된 주문도 아닙니다.

성장은 세 걸음으로 나눠 잡았습니다. 먼저 협력기관 수업에서 같은 로봇을 반복해서 쓰는지 확인하고, 다음으로 비슷한 기관으로 판매를 넓히고, 그다음에 해외 개발자에게 직접 팝니다. 기관이 다시 사지 않거나 해외에서 돈을 내는 비율이 기대에 못 미치면 판매 계획도 그만큼 낮춥니다. 대형 휴머노이드 시장 전망은 이 제품의 매출 근거로 쓰지 않습니다.

쓰는 사람과 돈 내는 사람이 다릅니다. 쓰는 사람은 블록 코딩으로 로봇을 처음 접한 뒤 프로그래밍과 제어, 강화학습까지 가보려는 학생입니다. 돈을 내는 쪽은 그 과정을 운영하는 교육기관이거나 학습자 본인입니다. 처음에는 기초와 심화를 한자리에서 확인할 수 있는 대학 수업과 동아리를 찾아갑니다. 연구실은 판매처라기보다, 보행과 강화학습 기능이 쓸 만한지 같이 봐줄 상대로 생각합니다.

고객을 만나면 세 가지를 묻습니다. 단계가 올라갈 때 실제로 어떤 장비를 바꾸는지, 새 환경에 적응하면서 무엇이 가장 힘들었는지, 같은 로봇을 계속 쓸 수 있다면 어떤 수업을 더 열고 싶은지입니다. 길게 보면 초중고 입문부터 대학과 개인의 심화 학습까지가 이 제품의 활용 범위입니다. 다만 첫해에는 협력기관에서 입문과 심화가 실제로 이어지는지부터 봅니다.

초기 대학·동아리 시범 과정은 서로 다른 수준의 학습자가 같은 로봇에서 기초와 심화 과제를 수행할 수 있는지 확인하기 위한 선택입니다. 이 결과만으로 초등학생의 학습 효과까지 입증됐다고 보지 않습니다. 초중고 진출 전에는 연령별 난이도, 교사 운영 시간과 안전성을 별도로 검증합니다.

기관에 직접 물어볼 것들

기관에는 예산과 사용 계획부터 듣습니다. 연구실에는 비싼 장비를 쓰려고 얼마나 기다리는지, 직접 만드는 데 시간을 얼마나 쓰는지, 센서와 제어를 어디까지 열어 줘야 하는지를 묻습니다. 교육기관에는 학생 몇 명당 장비가 몇 대인지, 다음 학기에 어떤 실습을 여는지를 확인합니다. ‘관심 있다’는 대답과 ‘몇 대 살 수 있다’는 대답은 다른 칸에 적습니다.

학습 과정은 같은 로봇의 ‘걷기’를 중심으로 연결합니다. 입문 단계에서는 블록으로 걷기와 정지를 조합하고, 속도에 따라 움직임이 어떻게 달라지는지 관찰합니다. Python 단계에서는 앞서 사용한 동작에 대응하는 API를 익히고 센서 값을 읽어 조건에 따라 동작을 바꿉니다. 눈앞의 로봇과 과제가 같기 때문에 새로 배우는 제어 개념에 집중할 수 있습니다.

심화 단계에서는 같은 로봇의 구조와 관절 특성을 반영한 시뮬레이터를 씁니다. 여기서 보상과 학습 조건을 바꿔 가며 로봇이 걷는 방법을 스스로 찾게 하고, 그렇게 얻은 결과를 실제 로봇에 옮겨 확인합니다. 단계마다 무엇이 연결되고 무엇을 새로 배워야 하는지 설명하는 예제와 교재를 함께 제공합니다. 블록으로 짠 코드가 그대로 강화학습 결과가 되는 것은 아니며, 익숙한 하드웨어와 공통 과제를 기반으로 학습의 깊이를 넓히는 구조입니다.

첫 제품은 20~30cm, 1kg 이하의 작은 2족 보행 로봇입니다. 사람 모양은 아닙니다. 두 다리를 고른 이유는 ‘걷기’라는 과제 하나를 블록에서 균형 제어, 강화학습까지 계속 끌고 갈 수 있기 때문입니다. 대신 바퀴형보다 훨씬 어렵습니다. 자꾸 넘어지고, 안정적으로 걷게 만드는 일도 만만치 않습니다. 이 난이도를 감수할 만큼 학습 가치가 있는지는 시범 과정에서 확인합니다.

첫 출시에서 확인할 것은 두 가지입니다. 평지에서 제대로 걷는가, 그리고 블록에서 Python, 강화학습으로 이어지는 과정이 실제로 굴러가는가. 다리 관절은 10~12개를 후보로 두고 토크와 발열, 원가를 재어 본 뒤 정합니다. 팔·집게와 교체 다리는 그다음 순서입니다.

국내 판매가는 부가세를 포함해 77만원, 해외는 세금과 배송을 뺀 499달러를 목표로 잡았습니다. Microduck이 399달러인데 우리가 더 비쌉니다. 기본 구성과 필수 학습 자료는 본체 값에 포함하고, 선택 부품의 가격과 출시 일정은 나중에 따로 정합니다.

검증은 두 갈래로 나눕니다. 하나는 잘 걷는가, 다른 하나는 팔리는가입니다. 인터뷰에서 들은 말, 시범 운영에서 나온 결과, 실제로 돈을 받은 판매는 서로 다른 것이라 각각 따로 셉니다.

잘 걷는다는 것도 영상 한 번으로 판단하지 않습니다. 바닥 조건, 배터리 상태, 거리, 시도 횟수를 적어 두고 성공률로 따집니다. 그리고 ‘잘 걷는가’와 ‘팔리는가’는 따로 봅니다. 잘 걷지만 수업에서 쓰기 불편할 수도 있고, 반응은 뜨겁지만 아무도 사지 않을 수도 있습니다. 둘을 섞어 보면 그런 상황을 늦게 발견합니다.

단계가 실제로 이어지는지는 시범 수업으로 확인합니다. 필요한 기초 설명은 우리가 해 줍니다. 각 단계에서 시간이 얼마나 걸렸는지, 어디서 도움을 요청했는지, 중간에 그만둔 사람은 왜 그만뒀는지를 기록합니다. 강화학습 단계는 우리가 준 예제를 돌려 보고 고쳐 보고 실물에 옮기는 데까지로 정의합니다. 혼자 연구할 수 있게 된다는 뜻은 아닙니다.

기능 목록을 늘어놓고 비교해서는 답이 안 나옵니다. mBot2는 이미 블록과 Python을 함께 줍니다. Microduck에는 보행과 강화학습 도구가 있습니다. 하나씩 떼어 놓고 보면 우리가 새로 내놓을 게 없습니다. 비교해야 할 것은 그 기능들이 한 대의 로봇 위에서 어디까지 이어지는가, 그리고 학습자가 그 길을 끝까지 걸어가는가입니다.

우리가 하려는 건 학생이 블록으로 익힌 동작을 Python으로 이해하고, 이어서 같은 로봇으로 걷는 법까지 학습해 보게 하는 것입니다. 시범 운영에서는 다음 단계로 넘어가는 데 걸린 시간, 장비를 새로 사야 했는지, 과제를 끝냈는지, 그다음에도 계속 썼는지를 봅니다. 설치와 수리 지원은 그 과정이 끊기지 않게 하는 뒷받침입니다.

사진으로 보면 차이가 분명합니다

두 제품 모두 두 다리로 움직이지만 형태와 활용 범위는 다릅니다. Microduck은 우리 제품과 가까운 소형 보행 플랫폼이고, Unitree G1은 사람 형태의 팔·몸통·다리를 갖춘 휴머노이드입니다. 아래 사진은 제품 종류의 차이를 보여주기 위한 것입니다.

시간이 갈수록 쌓이는 자산은 하드웨어가 아니라 교재입니다. 블록으로 만든 동작이 Python의 어떤 명령과 이어지는지, 방금 읽은 센서 값이 강화학습에서 어떻게 쓰이는지 설명하는 과제를 하나씩 모읍니다. 학습자가 오래 쓸수록 이미 익힌 로봇과 자료를 계속 활용할 수 있게 만드는 것이 목표입니다.

이걸 유지하려면 하드웨어와 소프트웨어 버전을 같이 관리해야 합니다. 관절과 센서 규격, 예제 코드, 시뮬레이션 모델이 어디까지 호환되는지 밝혀 두고, 제품을 개선한 뒤에도 기존 수업이 어디까지 그대로 돌아가는지 알려 줍니다. 수리와 부품 공급도 같은 이유로 중요합니다. 쓰던 장비가 멈추면 학습도 멈춥니다.

당분간 수익은 로봇 본체를 파는 것 하나로 봅니다. 개발 도구와 필수 실습 자료는 값을 따로 받지 않고 제품에 넣습니다. 구독료나 콘텐츠 판매는 팔릴지 아직 모르니 재무 전망에서 뺐습니다. 계산은 한 대당 70만원 기준입니다. 부가세를 빼고 할인도 적용하지 않은 금액입니다. 수수료와 배송비, 보증 비용은 아래에서 하나씩 뺍니다. 해외 499달러도 환율 1,400원이면 약 69.9만원이라 비슷하지만, 실제 환율과 정산 조건에 따라 달라집니다.

제조원가 목표 40만원에는 부품뿐 아니라 조립·검수·포장을 포함합니다. 여기에 결제 수수료, 판매자가 부담하는 배송비, 보증 비용을 빼면 한 대당 21.9만원이 남습니다. 이렇게 남는 돈을 공헌이익이라고 부릅니다. 인건비처럼 판매량과 무관하게 나가는 비용을 빼기 전의 금액입니다. 이는 영업이익이 아니며 개발 인건비, 마케팅비와 관리비는 별도로 부담합니다. 견적이 확보되기 전까지 이 수치는 원가 목표입니다.

교체 부품 판매는 다음 수익원 후보입니다. 3개년 계획에는 기본 로봇만 넣었습니다. 나중에 부품 사업을 구체화할 때는 예상 매출만 적지 말고 설계비, 재시험 비용, 재고, 지원 비용까지 같이 올려서 판단하겠습니다.

3년차에 판매량과 상관없이 나가는 비용(고정비)을 2.4억원으로 잡으면, 적자와 흑자가 갈리는 판매량은 약 1,096대입니다. 기준 목표 800대에서는 아직 흑자가 아닙니다. 제조원가가 10만원 높아지면 공헌이익은 11.9만원으로 줄고 흑자로 돌아서는 데 필요한 판매량은 약 2,017대로 늘어납니다. 원가 검증이 판매 확대보다 앞서야 하는 이유입니다.

처음에는 국내 협력기관 세 곳에서 시범 과정을 돌립니다. 같은 로봇으로 블록, Python, 강화학습을 이어서 가르쳐 보고 단계가 바뀔 때 학습자가 어디서 힘들어하는지, 과제를 끝까지 하는지를 기록합니다. 이 기록이 기초와 심화를 함께 운영하는 다른 기관을 설득할 자료가 됩니다. 교육청 단위 영업망은 지금 벌일 일이 아닙니다.

해외는 영문 문서와 공개된 시연 코드, 개발자용 콘텐츠로 직접 판매를 시험해 봅니다. 처음에는 나라를 한두 곳으로 좁힙니다. 배송비와 수리 비용이 얼마나 드는지, 그 나라에서 제품이 갖춰야 할 조건이 무엇인지 확인한 뒤에 주문을 받습니다. 광고를 크게 돌리거나 재고를 미리 쌓는 대신, 조금씩 팔면서 실제로 몇 명이 사는지와 고객 응대에 시간이 얼마나 드는지를 재 봅니다.

두 발로 걷는 로봇은 잘 넘어지고, 관절이 헐거워지고, 모터가 뜨거워지고, 배터리가 금방 닳습니다. 쓰는 사람의 만족도가 여기서 갈립니다. 그래서 한 대를 제대로 만드는 일과 수십 대가 똑같이 움직이게 만드는 일을 아예 다른 단계로 나눴습니다. 시제품 5대로 설계를 점검한 뒤, 30대를 시범 운영에 내보내 조립 편차와 고장 유형을 봅니다.

양산은 50~100대씩 끊어서 시작합니다. 출하 전 검사와 부품 교체 절차는 문서로 남깁니다. 팔기 전에 최종 하드웨어 구성이 확정돼야 하고, 파는 나라마다 어떤 인증과 배터리 운송 조건이 필요한지 확인해야 합니다.

첫해에는 매출을 잡지 않았습니다. 제품을 만들고 무상으로 시범 운영을 돌리는 해이기 때문입니다. 2년차 300대, 3년차 800대는 시장을 크게 차지한다고 가정하고 뽑은 숫자가 아닙니다. 매출은 전부 부가세를 뺀 대당 70만원으로 계산했고, 로봇을 파는 것 말고 다른 수익은 넣지 않았습니다.

이 계획대로 팔려도 3년차까지는 해마다 적자입니다. 2년차와 3년차 고정비를 각각 1.8억원, 2.4억원으로 잡으면 모자라는 돈이 1.143억원, 0.648억원입니다. 처음 개발에 드는 돈과 그 뒤 운영에 드는 돈은 나눠서 봤습니다. 추가 투자나 매출 개선 없이 저절로 커지는 그림은 그리지 않았습니다.

이렇게 매출에서 그해 지출을 뺀 금액을 3년간 더하면 3.891억원이 모자랍니다. 첫해 예비비와 운전자금 합계 0.4억원을 유지한다고 보면 기본 자금 필요량은 약 4.291억원이며, 이후 늘어나는 재고와 아직 받지 못한 판매 대금은 추가로 필요합니다. 따라서 초기 2.5억원은 12개월 검증 예산이고, 3년 전체를 충당하는 금액이 아닙니다.

초도 물량 100대를 한 번에 만들면 제조원가로만 4,000만원이 먼저 나갑니다. 운전자금 2,000만원으로는 모자랄 수 있습니다. 그래서 50대씩 나눠 발주하고, 공급사에 언제 돈을 주는지와 기관에서 언제 돈이 들어오는지를 같이 관리합니다. 판매가 밀리면 생산도 채용도 줄입니다.

처음에는 두 사람이면 됩니다. 한 명은 하드웨어와 제어를, 다른 한 명은 소프트웨어와 실습 환경을 맡습니다. 대표나 공동창업자가 둘 중 하나를 겸하는 그림을 가정했습니다. 다만 이건 필요한 역할을 정리한 것이고, 실제로 누가 얼마나 참여할 수 있는지는 확인해서 채워야 합니다.

기구 설계 검토, 인증 시험, 소량 조립은 그때그때 외부 전문가에게 맡깁니다. 대신 고객을 만나고 협력기관을 운영하는 일은 창업팀이 직접 합니다. 제품에 반영해야 할 요구를 남을 거쳐 듣고 싶지 않아서입니다. 양산과 고객 지원 인력은 실제 주문이 들어오고 응대에 시간이 얼마나 드는지 본 다음에 늘립니다.

12개월에 2.5억원을 요청합니다. 이 돈으로 시제품 5대를 만들고, 30대로 시범 운영을 돌리고, 협력기관 세 곳을 확보하고, 실습 자료와 학습한 보행을 실물에 옮기는 환경까지 갖추는 것이 목표입니다. 중요한 건 금액 자체가 아닙니다. 12개월 뒤에 원가와 성능, 그리고 살 사람이 있는지를 한꺼번에 확인해서 다음 생산을 할지 말지 판단할 수 있느냐입니다.

돈은 첫 3개월에 5,000만원, 나머지 9개월에 2억원으로 나눠 씁니다. 총예산 2.5억원을 쪼갠 것이지 따로 더 드는 돈이 아닙니다. 첫 3개월에 고객이 원하는 것과 핵심 구동부의 실현 가능성이 어긋나면 기능과 원가를 다시 잡습니다.

제품 방향은 사람 모양이 아닌 소형 2족 보행으로 정했습니다. 사양과 가격, 판매량과 자금은 아직 제안일 뿐 확정이 아닙니다. 팀 이력과 확보한 자금, 그동안의 개발 결과와 고객 증빙은 자료가 확인되는 대로 채워 넣겠습니다.

첫 90일은 시장 규모를 다시 계산하는 데 쓰지 않겠습니다. 대신 고객 20명을 만나고, 핵심 관절의 토크와 발열과 가격을 확인하고, 최소한의 기구를 만들어 보는 데 씁니다. 경쟁 제품으로 같은 과제를 해 보고 총비용이 얼마나 드는지도 기록합니다.

가장 걱정되는 건 네 가지입니다. 이미 싸게 팔리는 경쟁 제품, 시뮬레이션과 실물의 차이, 관절 부품이 얼마나 버티느냐, 그리고 고객 응대에 드는 비용입니다. 해결했다고 미리 말하는 대신 확인할 방법을 하나씩 정해 뒀습니다. 순서대로 유료 구매가 실제로 일어나는지, 반복 보행 시험, 시범 운영 중 고장 기록, 사용자별 지원 시간입니다.