
영상 링크: Robots as professional Chefs - Nikhil Abraham, CloudChef
채널명: AI Engineer
전문 셰프 수준의 요리 로봇 – CloudChef의 혁신 사례 핵심 요약
- 이 영상은 CloudChef의 공동 창업자 겸 CEO인 Nikhil Abraham이 범용 2핸드 로봇을 요리사로 “교육”하여 실제 전문 주방에서 활용할 수 있게 된 사례를 상세히 소개함
- CloudChef의 미션은 고품질·영양가 높은 식사를 누구나 저렴하게 먹을 수 있도록 모든 상업 주방 인건비를 자동화하는 것임
- 고가·유지보수 부담이 큰 휴머노이드가 아닌, 바퀴 달린 2핸드 범용 로봇으로 인건비($12/시간)보다 훨씬 싼 요리 노동력을 구현
- 로봇은 요리 동작의 기본기(모션 프리미티브)뿐만 아니라, 재료 상태 변화 인지(예: 양파가 얼마나 갈색으로 변했는지)와 환경 변화에 강인하게 동작하도록 특화함
- 수백만 번의 실제 상업 주방 데이터(열·영상 센서 기반)를 자체 수집·학습해 현장 대응력을 크게 높이고, 사내 모델의 성능이 인간 셰프 및 최신 AI(Gemini 등)보다 낫다는 것을 검증
- 처음 보는 레시피도 전문가 시연 1회만 학습 후 바로 조리 가능하고, 재료·도구·분량 다양성에도 자동 적응
- 현재 자율 조리 수준은 약 95%(5%는 원격 조작), 움직임 속도도 인간 대비 80~95% 도달
- 실제 상업 주방에서 치킨윙 등 다양한 메뉴를 자동 조리하며, 팔로 알토, 샌프란시스코, 멘로파크 현지 식당에서 서비스 중
- 수작업 대비 레시피별 소요시간을 단축하는 등 생산성도 일부 인간보다 뛰어남. 야간 작업, 무휴 가동 등 휴먼 인력 한계도 극복
- 작업 중 단면블라인드 테이스팅에서도 결과물 일관성이 실제 셰프보다 우수할 때가 많다는 내부 벤치마크 사례 제공
세부 요약 - 주제별 정리
CloudChef의 목표는 범용 로봇을 통해 고품질 식사를 저렴하게 제공하는 것임
- CloudChef의 미션은 ‘고품질·건강한 음식을 모두가 저렴하게 먹게 한다’임
- 현대적인 해법으로 모든 상업 주방의 인건비를 조리 특화 로봇으로 자동화하는 데 집중함
- 범용 두 팔 로봇은 인간과 비슷한 방식으로 감각, 이성, 행동을 통합하여 실제 주방에서 조리할 수 있도록 설계됨
휴머노이드보다 범용 이족 로봇이 상업적·기술적으로 유리하다고 강조함
- 많은 사람들이 요리 로봇을 휴머노이드(예: Tesla Optimus)로 상상하지만, 실제론 비쌈·유지보수 어려움·신뢰성 낮음 등 문제 있음
- CloudChef는 비용과 신뢰성 모두에서 우수한 ‘두 손+모바일 베이스’ 구조의 일반형 로봇을 채택함
- 인간 셰프 대비 인건비가 훨씬 저렴하고($12/시간 수준), 오버타임·결근·인력 이직 고민이 없어 상업 주방 운용에 최적
로봇이 전문 셰프의 동작과 미각판단을 학습할 수 있도록 커리큘럼을 설계함
- 범용 로봇에게 ‘요리학교’를 다닌다고 표현할 만큼 인간 조리사의 모션 프리미티브(재료 집기, 저어주기, 팬 돌리기 등)를 세분화해 학습시킴
- 각 동작별로 로봇 파운데이션 모델을 파인튜닝하고, 예상 외 상황에는 텔레오퍼레이션(원격 조작)이 백업됨
- 기본 동작 외에도 식재료 상태, 익힘도, 계절별 변동성까지 인식하도록 비전+열(thermal) 센서 임베딩 기반 상태 추정 모델 추가 도입
요리 결과 예측 및 과정 추적에서 인간·최신 AI 모델보다 탁월함을 입증함
- 전문가 셰프 연 15만달러 소득자들과 새 레시피 조리 단계 추적 정확도를 비교하는 라이브 실험 진행
- 로봇의 상황 인식 및 진척도 예측 AI 모델이 실제 셰프의 판단력, Gemini 2.5/0.3 등 최신 대형 AI 모델보다 훨씬 뛰어남(특히 열 센서 정보 활용 덕분)
- 공공·수집 데이터(수십만 건의 실제 조리센서 로그) 기반 자체 음식 상태 추정 모델과, 퍼블릭 크롤링 데이터를 접목해 더욱 견고한 조리 상태 추적 구현
다양한 주방·환경·재료 변화에 즉시 적응하는 시스템 아키텍처를 설명함
- 로봇은 미리 프로그래밍 된 정보 없이, 시범 1회 시연만 보고 재료 위치·도구·분량 변동에 스스로 대응
- 손님의 주문이 달라질 때, 혹은 주방 내 도구가 바뀌었을 때도 재조정 없이 적용 가능
- 레시피가 머신 내 ‘상태 머신’으로 모델링되어 과정별 센서 상태를 실시간 비교·전환하며 조리함
실제 상업 주방에서의 배치·조작 사례와 고객 적용 경험을 구체적으로 공개함
- 팔로 알토, 샌프란시스코, 멘로파크 등지의 요식업소(Wingstar, India’s Top 20, Alan 등)에서 실제 유상 배치됨
- CCTV 영상 및 조리 현장 화면에서, 로봇이 치킨윙 등 실제 메뉴 조리 과정을 사람처럼 수행(재료 가져오고, 익힘 확인, 양념 첨가, 혼합 등)
- 취급 메뉴, 주방 시설, 계절 등에 따른 환경 차이에 강인하게 대응함. 조리식품은 실제 고객 식탁으로 전달됨
동작 속도와 조리 효율성에서 인간 셰프와의 비교 결과 및 한계를 솔직하게 분석함
- 각 조리 동작(볶기, 집어넣기, 그릴링, 저어주기 등)별 성능 평가; 볶기는 셰프와 거의 비슷한 속도, 기타 동작은 소폭 느림
- 평균적으로 인간 대비 동작 속도는 80~95% 수준 도달(더 빠른 작업은 데이터 수집·RL 활용에 따라 추가 향상 가능)
- ‘라인쿠킹’(주요 실제 조리 labor)이 전체 주방 인건비의 50%를 차지하며, 해당 부문 먼저 자동화하여 경제적 효과 최대화
레시피 생성·재현력과 결과물 일관성이 실제 셰프보다 더 우수할 수 있음을 소개함
- 동일 레시피에 대해 인간 셰프와 로봇 각각 반복 조리 후, 블라인드 테이스팅으로 평가하는 내부 벤치마크 반복 수행
- 인간 셰프도 매회 완벽히 일치시키기 어려운 ‘품질 일관성’을 로봇이 더 자주 더 높은 수준으로 달성함
- 실제 맛 평가(주요 판단 기준)는 화학적 일치가 아니라, 인간이 느끼는 맛 표준·반복성임을 강조
로봇 하드웨어 폼팩터와 센서·제어 시스템의 핵심 설계를 공개함
- 구조는 단순 두 팔 + 모바일 베이스 + 카메라 및 고급 센서, 별도의 디스플레이 없음(영상용 장치 제외)
- 모든 주방기기의 핵심 조작은 ‘노브 돌리기’ 등 기본 동작만 숙지하면 호환됨(모션 프리미티브 통합)
- 자체적으로 차량 중량센서 기능 내장(음식 재료 무게 인식), 각 모터의 조인트 토크 데이터 활용해 정확하게 양 계량
야간 가동·무휴 작업 등 인간 한계를 극복하는 운영상의 이점이 두드러짐
- 로봇은 주방이 운영되는 한 이론상 24/7(하루 168시간) 무정지로 일할 수 있음(현실적으로는 주방 운영 시간에 따름)
- 야간 및 비영업시간대엔 재료 손질·준비(향후 도입 예정) 작업 등 다양한 부가공정도 분산 배치 가능
위생·교차오염과 같은 예상치 못한 현실적 문제에도 유연하게 대처함
- 교차 오염은 로봇 팔에 장갑(실리콘 패드형) 부착·교체로 대응, 위생상 문제 없음
- 설거지 등 반복 노동은 단기적 자동화 목표 아님(음식 품질에 직접적 영향을 미치지 않는단 판단)
- 주요 자동화 영역은 라인쿠킹, 향후 손질·준비 공정까지 확장 예정
레시피 최적화 및 주방 내 협동 작업 등 추가 개선 연구도 소개됨
- 일부 조리과정에서는 최적화된 작업 경로/시간 단축 가능(예: 특정 셰프가 20분 걸린 과정을 로봇은 14분만에 완료)
- 조리 단계 최적화는 일부 단순 공정에선 잘 동작하지만, 동적·복합적 조리(복잡한 열역학 등)에서는 아직 연구 중
- 현재는 인간이 재료 상차를 지원하지만, 다수 로봇 배치시엔 협동 작업(로봇끼리 전달)까지 고려
- 데이터 확충과 RL 기반 개선에 따라 앞으로 반복 동작 속도와 적용 레퍼토리가 점진적으로 확대될 예정