로봇을 구성하는 5가지 핵심 요소

복잡한 로봇도 결국 다섯 가지로 나뉜다

처음 로봇을 보면 괜히 압도됩니다. 바퀴도 있고, 팔도 있고, 카메라도 달려 있고, 안에서는 보드가 돌아가고, 코드도 한가득 들어 있습니다. 여기에 AI까지 붙는다고 하면 더 어렵게 느껴집니다. 그래서 많은 사람이 로봇을 볼 때 "이건 너무 복잡해서 전문가만 할 수 있는 일"이라고 생각합니다.

하지만 로봇을 만드는 사람의 눈으로 보면 이야기가 달라집니다. 로봇은 거대한 마법 상자가 아니라, 몇 가지 기능이 협력하는 시스템입니다. 그 기능을 크게 나누면 다섯 가지입니다. 바로 몸, 감각, 두뇌, 행동, 목적입니다.

이 다섯 가지 틀로 보면 거의 모든 로봇을 같은 방식으로 이해할 수 있습니다.

• 몸: 로봇의 형태와 물리 구조

• 감각: 주변을 알아차리는 장치

• 두뇌: 정보를 처리하고 판단하는 부분

• 행동: 실제로 움직이고 반응하는 방식

• 목적: 왜 이 로봇을 만드는지에 대한 이유

이 구조가 중요한 이유는 단순합니다. 로봇이 복잡해 보여도, 설계할 때는 다섯 칸짜리 도면으로 바꿔 생각할 수 있기 때문입니다. 예를 들어 "책상 위를 돌아다니며 컵을 찾아 알려주는 로봇"을 만든다고 해봅시다. 그러면 몸은 작은 바퀴형 플랫폼이 될 것이고, 감각은 카메라와 거리 센서가 필요할 것이며, 두뇌는 라즈베리파이나 Jetson이 될 수 있습니다. 행동은 이동, 정지, 방향 전환, 알림 출력이 되고, 목적은 '책상 위 물건을 찾고 사용자에게 알려주기'가 됩니다.

이렇게 쪼개면 갑자기 만들 수 있을 것처럼 보입니다. 실제로 로봇 제작은 바로 이 순간부터 시작됩니다. 막연한 꿈이 구조가 되는 순간입니다.

몸: 로봇은 결국 물리 세계에 사는 기계다

로봇의 첫 번째 요소는 몸입니다. 몸은 로봇의 프레임, 바퀴, 다리, 관절, 외장, 축, 링크, 바닥판 같은 물리적인 구조 전체를 뜻합니다. 쉽게 말해 "이 로봇은 어떻게 생겼고, 어떤 방식으로 움직일 수 있는가?"를 결정하는 부분입니다.

사람도 몸이 다르면 할 수 있는 일이 달라집니다. 스케이트를 신고 산을 오르기 어렵고, 등산화로 빙판을 달리기 어렵습니다. 로봇도 마찬가지입니다. 몸의 구조는 곧 가능성과 한계를 함께 만듭니다.

바퀴형 이동 로봇은 구조가 단순하고 구현이 쉽습니다. 평평한 바닥에서는 매우 효율적입니다. 대신 문턱이나 계단에 약합니다. 로봇팔은 물체를 집고 옮기는 데 강하지만, 스스로 멀리 이동하는 기능은 없습니다. 드론은 공중에서 넓게 볼 수 있지만 배터리 시간이 짧고 소음이 큽니다. 휴머노이드는 사람 환경에 맞춰진 공간을 다루기 좋지만 구조가 복잡하고 비용이 큽니다.

그래서 몸은 멋으로 고르는 것이 아니라 목적에 맞춰 고르는 것입니다. 개인 개발자가 가장 많이 시작하는 몸은 대체로 다음과 같습니다.

• 두 바퀴 또는 네 바퀴 이동 베이스

• 소형 서보 기반 로봇팔

• 책상 위에 두는 데스크 로봇

• 팬틸트 카메라 장치

• 고정형 자동화 장치

여기서 중요한 감각이 하나 있습니다. 몸은 성능이 아니라 전략이라는 점입니다. 초보자는 자꾸 "제일 강력한 로봇"을 만들고 싶어 합니다. 하지만 실제로는 "내가 해결하려는 작업에 가장 알맞은 몸"이 더 좋은 선택입니다. 책상 위 물체를 분류하려는데 굳이 두 발 달린 휴머노이드를 만들 필요는 없습니다. 오히려 작은 카메라 슬라이더나 회전형 팔이 훨씬 실용적일 수 있습니다.

몸을 설계할 때는 세 가지 질문이 매우 중요합니다. 이 로봇은 어디서 움직이는가, 무엇을 만지는가, 얼마나 안정적으로 버텨야 하는가입니다. 바닥에서 움직일지, 책상 위에서만 동작할지, 공중에서 떠야 할지에 따라 몸이 달라집니다. 물체를 들어야 하는지, 그냥 보기만 하면 되는지에 따라서도 구조가 바뀝니다. 그리고 실험용인지, 매일 반복해서 써야 하는지에 따라 프레임 강성과 내구성의 기준이 완전히 달라집니다.

많은 초보 프로젝트가 실패하는 이유도 사실 몸에서 시작합니다. 소프트웨어가 나빠서가 아니라, 모터 힘이 부족하거나 프레임이 흔들리거나, 무게 중심이 맞지 않아서입니다. 그러니 몸은 단순한 껍데기가 아닙니다. 로봇의 운명을 미리 정하는 첫 번째 설계입니다.

감각: 로봇은 무엇을 보고, 듣고, 느끼는가

몸이 있다면, 이제 로봇은 주변을 알아야 합니다. 그것이 감각입니다. 감각은 센서를 통해 만들어집니다. 센서는 로봇이 세상을 숫자와 신호로 이해하도록 도와주는 장치입니다.

사람은 눈, 귀, 피부, 평형감각으로 주변을 파악합니다. 로봇은 카메라, 거리 센서, IMU, 엔코더, 마이크 같은 장치로 비슷한 역할을 수행합니다. 물론 사람처럼 자연스럽지는 않습니다. 로봇의 감각은 언제나 제한적이고, 때로는 꽤 둔합니다. 그래서 센서를 고를 때는 "세상을 완벽하게 이해하기 위한 도구"가 아니라 "이 작업에 필요한 정보만 뽑아내기 위한 도구"라고 생각하는 편이 좋습니다.

대표적인 감각 장치는 다음과 같습니다.

• 카메라: 물체, 사람, 표지, QR 코드, 색상, 장면을 파악

• 거리 센서: 앞에 벽이 있는지, 장애물이 얼마나 가까운지 측정

• IMU: 기울기, 회전, 가속도를 측정해 자세 변화 파악

• 엔코더: 바퀴나 모터 축이 얼마나 돌았는지 측정

• 마이크: 음성 명령이나 주변 소리 입력

초보자가 자주 오해하는 점이 하나 있습니다. 센서가 많을수록 무조건 좋은 로봇이 되는 것은 아닙니다. 오히려 센서가 많아질수록 데이터가 복잡해지고, 서로 다른 값을 어떻게 해석할지 더 어려워집니다. 예를 들어 장애물 회피 로봇은 카메라 없이도 초음파 센서 몇 개만으로 충분히 만들 수 있습니다. 반대로 컵과 책을 구별해야 하는 로봇은 거리 센서만으로는 부족하고 카메라가 사실상 필수입니다.

감각은 항상 불완전하다는 점도 기억해야 합니다. 카메라는 빛이 약하면 잘 보지 못합니다. 초음파 센서는 재질이나 각도에 따라 오차가 생깁니다. IMU는 시간이 지나면 조금씩 틀어질 수 있습니다. 마이크는 주변 소음에 흔들립니다. 즉, 센서는 진실을 직접 말해 주는 장치가 아니라, 상황을 추정할 수 있게 힌트를 던져 주는 장치에 가깝습니다.

그래서 실제 로봇은 하나의 센서만 믿기보다 여러 감각을 조합합니다. 예를 들어 이동 로봇이 앞으로 갈 때는 거리 센서로 충돌을 피하고, 엔코더로 바퀴 이동량을 재고, IMU로 몸이 틀어졌는지 확인할 수 있습니다. 카메라까지 있다면 "앞에 물체가 있다"를 넘어서 "앞에 있는 것이 사람인지 의자인지"까지 해석할 수 있습니다.

좋은 로봇 감각 설계는 화려한 센서를 잔뜩 붙이는 것이 아니라, 목적에 필요한 정보만 안정적으로 얻는 것입니다.

두뇌: 센서 데이터를 의미로 바꾸는 곳

감각이 눈과 귀라면, 두뇌는 그것을 해석하는 곳입니다. 로봇의 두뇌는 보통 MCU, SBC, GPU 보드, 또는 PC 같은 컴퓨팅 장치로 이루어집니다.

여기서 아주 중요한 구분이 있습니다. 로봇의 두뇌는 하나가 아닐 수도 있다는 점입니다. 오히려 실제 로봇은 작은 두뇌와 큰 두뇌가 나뉘는 경우가 많습니다.

예를 들어 아두이노 같은 MCU는 모터 속도 제어나 센서 읽기처럼 빠르고 단순한 일을 잘합니다. 라즈베리파이는 리눅스 기반으로 프로그램을 돌리고, 카메라 데이터를 처리하고, 네트워크 통신을 관리하는 데 좋습니다. Jetson 같은 GPU 보드는 영상 처리와 AI 추론 같은 무거운 계산에 강합니다. PC는 개발, 시뮬레이션, 학습, 디버깅에 유리합니다.

즉, 두뇌는 "얼마나 똑똑하냐"보다 "무슨 일을 맡기느냐"가 더 중요합니다.

로봇의 두뇌가 하는 일은 대체로 이렇습니다. 센서 값을 읽고, 현재 상태를 추정하고, 무엇을 할지 결정하고, 명령을 행동 장치로 내립니다. 이 과정을 빠르게, 반복적으로 수행해야 합니다. 말하자면 두뇌는 로봇 안의 운영센터입니다.

여기서 AI가 등장합니다. 많은 사람이 AI를 로봇 두뇌 전체로 생각하지만, 실제로는 두뇌의 일부 기능인 경우가 많습니다. 예를 들어 카메라 영상에서 컵을 찾는 객체 인식 모델은 두뇌 안의 한 모듈일 뿐입니다. 음성 명령을 텍스트로 바꾸는 STT도, 사용자의 말을 이해하는 LLM도, 모두 두뇌의 일부 역할입니다. 그러나 로봇이 진짜 움직이려면 여전히 센서 처리, 상태 판단, 모터 제어, 안전 검사 같은 전통적인 로봇 소프트웨어가 필요합니다.

쉽게 말하면 이렇습니다. AI는 로봇에게 "이건 컵이야", "사용자가 순찰하라고 말했어", "먼저 책상 왼쪽을 확인하자" 같은 높은 수준의 판단을 도와줄 수 있습니다. 하지만 바퀴를 얼마나 돌릴지, 벽에 부딪히지 않을지, 모터 전류가 너무 높지 않은지는 별도의 제어 시스템이 맡아야 합니다.

그래서 좋은 로봇 두뇌는 거대한 AI 하나가 모든 것을 해결하는 구조가 아니라, 작은 판단기들이 역할을 나눠 협력하는 구조에 가깝습니다.

행동: 생각한 것을 실제 움직임으로 바꾸는 기술

몸이 있고, 감각이 있고, 두뇌도 있다면 이제 남은 것은 행동입니다. 행동은 로봇이 실제로 무엇을 하느냐를 뜻합니다. 앞으로 간다, 멈춘다, 팔을 뻗는다, 화면에 표정을 띄운다, 소리로 답한다, 사진을 찍는다, 물건을 집는다 같은 모든 반응이 행동입니다.

초보자는 행동을 종종 모터가 도는 것 정도로 생각하지만, 실제로는 훨씬 넓은 개념입니다. 행동은 로봇의 출력 전체입니다. 움직임도 행동이고, 말하기도 행동이며, 불빛을 깜빡이는 것도 행동입니다.

행동을 이해할 때 핵심은 제어입니다. 같은 "앞으로 가기"라도 로봇은 그냥 무작정 전진하지 않습니다. 센서 값에 따라 속도를 조절하고, 방향을 보정하고, 목표에 도달하면 멈춰야 합니다. 즉, 행동은 명령 하나로 끝나는 것이 아니라, 상황을 보면서 계속 수정되는 과정입니다.

예를 들어 장애물 회피 로봇을 생각해 봅시다. 이 로봇의 행동은 단순해 보입니다. 앞으로 가다가 장애물이 보이면 피하면 됩니다. 그런데 실제 구현은 그렇지 않습니다. 얼마나 가까우면 멈출지, 왼쪽과 오른쪽 중 어디로 돌지, 회전은 몇 초 동안 할지, 회전 후 다시 앞으로 갈지, 좁은 공간에서 계속 같은 방향으로만 돌다 갇히지는 않을지 등을 정해야 합니다. 이 모든 것이 행동 설계입니다.

행동은 보통 몇 단계로 나눌 수 있습니다.

• 즉각 반응: 너무 가까우면 멈춘다

• 짧은 동작: 30도 오른쪽으로 회전한다

• 작업 수준 행동: 책상을 한 바퀴 순찰한다

• 목표 수준 행동: 컵을 찾아 사용자에게 알려준다

이 단계가 높아질수록 행동은 점점 단순한 모터 명령이 아니라 계획이 됩니다. 그래서 행동은 두뇌와 아주 밀접하게 연결됩니다. 두뇌가 무엇을 할지 정한다면, 행동은 그것을 물리 세계에서 실행 가능한 단계로 풀어내는 것입니다.

여기서 중요한 사실 하나를 꼭 기억해야 합니다. 로봇은 행동이 정확해야 똑똑해 보입니다. 카메라로 컵을 잘 찾았는데 집는 동작이 매번 실패하면 사용자는 그 로봇을 똑똑하다고 느끼지 않습니다. 반대로 AI가 아주 화려하지 않아도, 매번 안정적으로 정해진 동작을 수행하면 훨씬 유용한 로봇이 됩니다.

결국 행동은 로봇의 실력입니다. 머리로 아는 것과 몸으로 해내는 것 사이의 차이를 메우는 기술입니다.

목적: 왜 이 로봇을 만드는가

이제 마지막 요소입니다. 사실 가장 중요하지만, 가장 자주 잊히는 요소이기도 합니다. 바로 목적입니다.

목적은 "이 로봇이 무엇을 위해 존재하는가"에 대한 답입니다. 단순히 기능 목록이 아니라, 사용자가 왜 이 로봇을 쓰는지에 대한 이유입니다.

많은 개인 프로젝트가 중간에 흐지부지되는 이유는 몸이나 센서가 부족해서가 아닙니다. 목적이 흐렸기 때문입니다. 처음에는 멋있어 보여서 시작했지만, 막상 만들다 보면 선택해야 할 것이 너무 많습니다. 카메라를 달지, 라이다를 달지, 바퀴를 크게 할지, AI를 붙일지, 음성 기능을 넣을지 계속 갈림길이 나옵니다. 이때 목적이 없으면 결정할 기준이 없습니다.

예를 들어 "멋진 AI 로봇 만들기"는 목적이 아닙니다. 너무 넓고 모호합니다. 반면 "책상 위에서 사용자의 음성 명령을 듣고, 지정된 물건을 카메라로 찾아 위치를 알려주는 로봇"은 꽤 좋은 목적입니다. 이 목적이 있으면 필요한 몸도 보이고, 감각도 정해지고, 두뇌의 수준도 대략 결정됩니다.

좋은 목적은 보통 다음 질문에 답합니다.

• 누가 이 로봇을 쓰는가

• 어디서 사용하는가

• 어떤 일을 반복적으로 대신하는가

• 성공과 실패를 무엇으로 판단하는가

• 없어도 되는 기능은 무엇인가

특히 마지막 질문이 중요합니다. 초보 개발자는 자꾸 기능을 더하고 싶어 합니다. 카메라도 넣고, 음성도 넣고, 팔도 넣고, 자율주행도 넣고 싶습니다. 하지만 목적이 선명하면 덜어낼 수 있습니다. 예를 들어 촬영 보조 로봇이라면 가장 중요한 것은 부드러운 이동과 카메라 추적이지, 물건 집기 기능이 아닙니다. 데스크 어시스턴트 로봇이라면 귀여운 표현과 간단한 알림이 핵심이지, 문턱을 넘는 능력은 필요 없을 수 있습니다.

목적은 로봇을 작게 만듭니다. 그리고 바로 그 점 때문에 실제로 완성할 수 있게 해 줍니다.

다섯 요소는 따로 있는 것이 아니라 연결되어 있다

이제 중요한 그림을 하나 머릿속에 넣어 봅시다. 몸, 감각, 두뇌, 행동, 목적은 각각 독립된 상자가 아닙니다. 서로 계속 영향을 주고받습니다.

목적이 정해지면 어떤 몸이 필요한지 보입니다. 몸이 정해지면 어떤 감각을 붙일 수 있는지가 달라집니다. 감각이 정해지면 두뇌가 처리해야 할 정보량이 결정됩니다. 두뇌가 정해지면 가능한 행동의 수준이 바뀝니다. 그리고 행동 결과를 보면 다시 목적이 현실적인지 수정하게 됩니다.

즉, 로봇 설계는 한 번에 끝나는 일이 아니라 이 다섯 요소를 오가며 다듬는 과정입니다.

예를 들어 "집 안을 돌아다니며 반려동물 밥그릇 상태를 확인하는 로봇"을 만든다고 해봅시다.

처음에는 바퀴형 몸, 카메라, 라즈베리파이 정도를 떠올릴 수 있습니다. 그런데 실제 집에는 문턱이 많아서 작은 바퀴로는 이동이 어렵다는 사실을 알게 될 수 있습니다. 그러면 몸을 바꾸거나, 목적을 "한 방 안에서만 순찰"로 줄여야 합니다. 또 조명이 어두워서 카메라 인식이 불안정하다면 감각에 조명을 추가하거나, 사용 시간을 낮으로 제한할 수도 있습니다. AI 모델이 무거워서 실시간 처리가 안 되면 두뇌를 Jetson으로 바꾸거나, 행동을 더 단순하게 재설계할 수도 있습니다.

이처럼 로봇 제작은 "한 번에 완벽한 설계"보다 "다섯 요소를 조정하며 현실화하는 과정"에 가깝습니다.

초보자가 이 틀로 로봇을 설계하는 방법

이 다섯 요소는 이론이 아니라 바로 써먹는 설계 도구입니다. 새 프로젝트를 시작할 때 아래 순서로 정리해 보면 머리가 훨씬 맑아집니다.

먼저 목적을 한 문장으로 씁니다. 예를 들어 "책상 위에 있는 특정 물건을 찾아 사용자에게 알려주는 로봇"처럼요. 그다음 몸을 정합니다. 책상 위에서만 동작하므로 작은 고정형 카메라 장치나 회전 베이스면 충분할 수 있습니다. 이어서 감각을 고릅니다. 카메라 하나면 되는지, 거리 센서가 추가로 필요한지 생각합니다. 다음으로 두뇌를 정합니다. 이미지 인식이 필요하니 라즈베리파이만으로 충분할지, 더 강한 보드가 필요한지 판단합니다. 마지막으로 행동을 적습니다. 회전하기, 찾기, 알려주기, 사용자 질문에 답하기 같은 식으로요.

이렇게 적어 보면 프로젝트 범위가 갑자기 선명해집니다. 무엇을 사야 하는지도 보이고, 무엇을 아직 몰라서 공부해야 하는지도 드러납니다. 더 중요한 것은, 애초에 불필요한 욕심을 줄일 수 있다는 점입니다.

초보자에게 특히 추천하는 방법은 다섯 요소 중 하나씩만 늘리는 것입니다. 첫 프로젝트에서는 몸과 행동만 단순하게 두고, 감각은 최소화합니다. 두 번째 프로젝트에서 카메라를 추가합니다. 세 번째 프로젝트에서 음성이나 AI 판단을 붙입니다. 이런 식으로 단계적으로 확장하면 실패 확률이 크게 줄어듭니다.

예제로 보는 다섯 요소

이 틀을 더 익숙하게 만들기 위해, 개인 개발자가 만들 수 있는 몇 가지 로봇을 다섯 요소로 나눠 보겠습니다.

장애물 회피 이동 로봇

목적은 방 안을 스스로 움직이며 장애물을 피하는 것입니다. 몸은 바퀴형 플랫폼입니다. 감각은 초음파 센서나 간단한 거리 센서가 중심이 됩니다. 두뇌는 아두이노나 라즈베리파이가 맡을 수 있습니다. 행동은 전진, 정지, 회전, 방향 변경입니다. 이 프로젝트는 다섯 요소를 가장 단순하게 경험하기 좋습니다.

카메라 물체 인식 로봇

목적은 컵, 책, 사람, QR 코드 같은 대상을 인식하는 것입니다. 몸은 고정형이어도 되고, 이동형이어도 됩니다. 감각은 카메라가 핵심입니다. 두뇌는 영상 처리를 위해 라즈베리파이 이상이 보통 필요합니다. 행동은 화면 표시, 음성 응답, 특정 방향으로 카메라 회전, 물체 쪽으로 접근하기 등이 될 수 있습니다. 여기서는 감각과 두뇌의 비중이 커집니다.

데스크 어시스턴트 로봇

목적은 책상 위에서 알림을 주고, 사용자의 명령에 반응하고, 간단한 존재감을 제공하는 것입니다. 몸은 작고 귀여운 외형일 수 있습니다. 감각은 마이크, 카메라, 버튼 정도면 충분합니다. 두뇌는 음성 처리와 간단한 AI 기능을 돌릴 수 있는 보드가 필요합니다. 행동은 고개 돌리기, 표정 출력, 소리 내기, 간단한 바퀴 이동 등입니다. 이 프로젝트는 목적이 선명할수록 훨씬 매력적이 됩니다.

로봇팔 집기 장치

목적은 물체를 집어서 다른 위치로 옮기는 것입니다. 몸은 관절과 그리퍼가 있는 팔 구조입니다. 감각은 카메라, 관절 위치 정보, 경우에 따라 힘 감지 정보가 들어갑니다. 두뇌는 좌표 계산과 순서 제어를 맡습니다. 행동은 뻗기, 잡기, 들어 올리기, 놓기입니다. 여기서는 몸과 행동의 정밀도가 매우 중요합니다.

이렇게 보면 서로 다른 로봇도 결국 같은 언어로 설명할 수 있습니다. 바로 이것이 다섯 요소 틀의 힘입니다.

이 장의 핵심: 로봇은 조합 가능한 시스템이다

이 장에서 꼭 가져가야 할 메시지는 하나입니다. 로봇은 막연한 미래 기술이 아니라, 목적에 맞게 조합하는 시스템이라는 점입니다.

몸은 로봇의 물리적 가능성을 만들고, 감각은 세상을 입력받으며, 두뇌는 그 입력을 해석하고, 행동은 결정을 현실로 바꾸고, 목적은 이 모든 선택의 기준이 됩니다. 이 다섯 가지를 분리해서 볼 수 있게 되면, 로봇은 더 이상 거대한 검은 상자가 아닙니다. 설계하고, 바꾸고, 테스트할 수 있는 프로젝트가 됩니다.

앞으로 이 책에서 하드웨어를 배우고, 보드를 비교하고, 프로젝트를 만들고, ROS 2와 AI 에이전트까지 다루게 되더라도, 결국 계속 돌아오게 되는 기본 질문은 같습니다.

이 로봇의 몸은 무엇인가? 이 로봇은 무엇을 감지하는가? 어떤 두뇌가 판단하는가? 어떻게 행동하는가? 그리고 왜 존재하는가?

이 다섯 가지 질문에 답할 수 있다면, 당신은 이미 로봇을 만드는 사람의 사고방식으로 들어선 것입니다.