Mecka, 6000만 달러 투자 유치…삼성도 참여

Mecka는 2026년 10월 7일 Sequoia Capital이 주도한 6000만 달러 규모의 시리즈 B 투자 유치를 발표하고 NVIDIA, Microsoft의 벤처 투자 조직 M12, Qualcomm Ventures와 삼성을 신규 투자자로 명시하며, 로봇에는 지능보다 경험이 부족하다는 뜻으로 “Robots don’t lack intelligence. They lack experience.”라고 썼다. 투자금은 데이터 인프라와 내부 연구 조직을 확장하고 상업용 로봇 배포를 늘리는 데 투입할 계획이다. 이 회사가 확보하려는 핵심 자산은 로봇 본체보다 사람이 실제 작업을 수행할 때 생기는 움직임의 기록이다.

TechCrunch의 취재에 따르면 Mecka는 참여자에게 보수를 지급하고 몸에 착용하는 센서와 스마트폰으로 커피를 만들거나 자동차를 고치는 등의 일상 작업을 기록한다. 수집·분석한 사람의 동작은 휴머노이드를 비롯한 여러 형태의 로봇을 훈련하는 자료로 쓰인다. 투자자들이 자금을 댄 대상은 로봇의 한 가지 기능보다 다양한 물리 작업을 반복해서 기록하고 학습 가능한 자료로 공급하는 생산 체계다.

투자금은 동작 데이터 생산망으로 향한다

Mecka가 밝힌 자금 사용처는 데이터 수집 인프라, 내부 연구소, 상업용 로봇 배포다. 서로 떨어진 사업처럼 보이지만 작업을 기록하고, 기록을 모델이 다룰 수 있는 신호로 바꾸고, 실제 현장에서 필요한 작업을 다시 파악하는 흐름으로 이어진다. 회사는 데이터 수집 장비부터 재구성 모델과 품질관리 체계까지 직접 구축했다고 설명한다. 이번 투자는 그 연결된 과정을 더 큰 규모로 운영하려는 계획에 자금을 공급한다.

수집 단계에서는 어떤 움직임을 측정할지에 따라 장비가 달라진다. Mecka는 필요한 신호에 맞춰 다중 센서 장비를 설계·제작하고, 뒤에서 사용할 모델의 요구에 맞춰 센서 선택과 기록 시점의 동기화를 결정한다. 손이 움직이는 순간과 물체의 상태가 바뀌는 순간이 어긋나면 같은 장면의 기록이라도 행동의 순서를 파악하기 어려워진다. 센서 조합과 동기화가 데이터 품질에 직접 영향을 주는 이유다.

수집 현장은 가정과 상업 공간으로 넓어진다. 같은 물건을 집는 작업도 물건이 놓인 자리, 손이 접근하는 방향, 앞뒤 작업의 순서에 따라 기록되는 움직임이 달라질 수 있다. 따라서 한 번 촬영한 모범 동작만 확보하는 것으로는 실제 현장의 변화를 담기 어렵다. 사람을 모집하고 장비를 운용하며 다양한 환경에서 작업을 반복해 기록하는 운영망 자체가 Mecka가 확장하려는 인프라에 포함된다.

센서 기록은 어떻게 로봇 학습 자료가 되나

영상과 센서의 원본 기록은 곧바로 로봇의 행동 지시가 되지 않는다. 촬영 방향이 바뀌거나 손이 물체에 가려질 수 있고, 서로 다른 센서가 포착한 신호의 시점도 맞춰야 한다. Mecka는 내부 연구소에서 컴퓨터 비전과 여러 종류의 신호를 함께 처리하는 모델로 움직임을 추적하고 공간 구조를 재구성하며 센서 기록을 정렬한다. 사람이 물체에 어떻게 접근하고 잡은 뒤 옮겼는지를 연속적인 정보로 표현하는 단계다.

여기에 물리 동작 데이터와 일반적인 텍스트 라벨링의 차이가 있다. 문장이나 이미지에 ‘컵을 집는다’는 이름을 붙이면 장면을 분류할 수 있지만, 그 이름만으로는 로봇이 손을 어디로 보내고 언제 물체와 접촉해야 하는지 알 수 없다. 집는 동작과 옮기는 동작 사이의 변화도 기록돼야 한다. Mecka가 수집 장비와 재구성 모델을 함께 운영하는 이유는 행동의 명칭보다 행동이 전개되는 과정을 학습 자료로 만들기 위해서다.

품질관리의 비용도 이 생산 방식에서 발생한다. 예컨대 손이 가려져 핵심 구간이 사라졌거나 센서 기록의 시점이 맞지 않는다면, 데이터 항목의 이름을 고치는 것만으로는 빠진 움직임을 되살릴 수 없다. 경우에 따라 같은 물리 작업을 다시 수행하고 기록해야 한다는 것이 수집 방식에서 따라 나오는 비용상의 차이다. 회사가 품질관리 인프라를 별도로 구축했다고 밝힌 점은 대량 수집만큼 유효한 기록을 가려내는 과정이 중요하다는 것을 보여준다.

데이터의 범위 역시 단순한 영상 파일의 개수로 설명하기 어렵다. 사람이 실제로 한 작업, 그때의 신체 움직임, 물체와의 관계, 서로 맞춰진 센서 신호가 함께 있어야 로봇 연구자가 활용할 수 있는 자료에 가까워진다. 이 요소 중 하나가 부족하면 기록을 다시 처리하거나 추가 시연을 확보해야 할 수 있다. 투자금이 장비와 연구, 운영을 함께 향하는 데에는 이런 생산상의 연결 관계가 있다.

상업 배포가 데이터 수집과 만나는 지점

Mecka는 학습 자료를 공급하는 데 더해 고객 현장에 로봇을 배포하는 사업도 확대하려 한다. 회사가 설명한 방식은 현장에서 데이터를 수집하고 그 환경에 맞춰 추가 학습한 뒤 장비 통합과 운영을 이어 가는 것이다. 고객의 작업 순서와 공간 조건을 접할수록 어떤 시연을 더 기록해야 할지 구체화할 수 있다. 배포 현장이 데이터 생산의 다음 출발점이 되는 구조다.

이 연결은 자료의 양만 늘리는 전략과는 다른 경쟁 조건을 만든다. 수집한 동작이 고객 현장의 물체, 작업 순서, 로봇의 형태와 맞지 않으면 많은 기록을 보유해도 당장 필요한 학습에 쓰기 어려울 수 있다. 반대로 현장에서 반복되는 작업과 변화가 파악되면 수집 대상을 더 정확히 정할 여지가 생긴다. 이는 데이터 수집과 배포를 함께 운영할 때 기대할 수 있는 효과이며, 개별 고객의 성능 개선이 공개적으로 입증됐다는 의미는 아니다.

고객 입장에서는 수집 장비, 학습 자료, 추가 학습, 현장 통합을 이어 붙이는 과정도 비용이다. Mecka는 이 단계들을 한 공급망 안에서 제공하겠다는 구상이다. 실제 사업 성과를 가르는 것은 기록의 규모뿐 아니라 작업별 품질과 다른 현장에 적용할 수 있는 범위일 것이다. 회사는 로봇 연구 조직과 대형 기술 기업에 데이터를 공급한다고 밝히지만, 상업 배포의 고객별 작업 범위와 운영 결과는 구체적으로 공개하지 않았다.

삼성의 참여가 한국 시장에 뜻하는 것

삼성의 참여는 한국 기업이 로봇 학습에 필요한 데이터 생산 단계에 투자자로 이름을 올렸다는 점에서 의미가 있다. 라운드에 참여한 Neo의 법률 대리인인 Silicon Legal도 투자 참여 명단에 삼성을 포함했다. 다만 공개된 발표에는 삼성 측의 구체적인 투자 주체와 투자액, 데이터 구매 계약이나 공동 개발 범위가 제시되지 않았다.

따라서 이번 참여에서 확인되는 산업적 연결은 지분 투자 단계에 있다. Mecka가 구축하는 센서·재구성 모델·품질관리·상업 배포의 사슬 가운데 삼성에 어떤 부분이 필요할지, 실제로 사업 관계가 생길지는 별도의 공개가 있어야 알 수 있다. 투자 사실만으로 Mecka의 장비가 삼성 제품에 들어가거나 수집 데이터가 삼성의 로봇 개발에 공급된다고 단정할 근거는 없다.

이번 라운드는 로봇 경쟁에서 학습 데이터를 생산하는 중간 단계에도 자본이 모이고 있음을 보여준다. Mecka의 다음 과제는 늘어난 수집 능력을 여러 작업과 현장에서 쓸 수 있는 자료로 연결하고, 상업 배포 과정에서 그 가치를 드러내는 것이다. 고객별 작업 범위와 운영 성과가 공개되면 투자자가 주목한 데이터 공급망의 경쟁력, 그리고 삼성의 참여가 산업 협력으로 이어지는지도 더 분명해질 것이다.

함께 읽기: