로봇은 ‘피지컬 AI(Physical AI)’를 몸에 새기는 대표적인 실전형 기체로 각광받고 있다. 그렇다고 해서 로봇이 피지컬 AI를 대변하는 전부는 아니다. 단편적인 기체 구동을 보여주는 것만으로는 더 이상 ‘로봇 강국’의 지위를 담보할 수 없다는 뜻이다. 이제는 ‘데이터 자산화’와 ‘에지 컴퓨팅(Edge Computing) 기반 추론’, ‘현장 실증(Pilot)’과 ‘실행 체계’가 함께 돌아가야 하는 방정식의 영역으로 진입했다.

이때 피지컬 AI는 인공지능(AI)이 물리적 환경을 직접 학습·적응해, 로봇·설비·시스템이 실제 공간에서 자율적으로 문제를 해결하고 인간과 협력하도록 구현하는 기술 방법론이라는 게 이론적 정의다. 쉽게 말해 AI가 물리 환경 속 하드웨어와 결합하는 기술이다.

그러나 산업 현장에서의 이 개념은 더 구체적이다. ▲로봇 팔(Robot Arm) 움직임 ▲공장 속 예외 상황 ▲에지단 추론 성능 ▲분야(Domain)별 실증 환경 ▲공공 수요 및 판로 개척 등과 연결돼야 제대로 작동한다는 시각이다.

(중간 생략)

◆ 최재식 카이스트 교수

피지컬 AI 경쟁에서는 ‘로봇 기체 보급’과 ‘행동 데이터 축적’을 함께 고려해야 합니다. 해외에서는 로봇 제조사가 다양한 연구 주체에 자사 기체를 제공하고, 연구실이 새로 학습한 행동을 공개 소프트웨어 형태로 공유하면서 데이터를 모으는 사례가 있습니다. 국내에도 로봇 제조사가 적지 않기 때문에 연구실·스타트업이 실제 기체를 다루며 행동학습 데이터를 축적할 수 있도록 지원하는 사업이 필요합니다.

제조 현장 데이터는 기업의 노하우와 연결됩니다. 시범 공장이나 실증 현장을 공개하는 기업이 데이터를 제공할 때는 적절한 인센티브가 함께 설계돼야 합니다. 그래야 기업이 보유한 현장 지식과 데이터를 피지컬 AI 학습 자산으로 전환하는 구조가 지속될 수 있습니다.

로드맵도 중요합니다. 피지컬 AI가 현재 어느 단계에 있고, 1년 뒤와 3년 뒤에는 어디까지 가야 하는지 정리해야 합니다. 2030년을 기준으로 우리나라가 비교 우위를 가질 수 있는 영역과 보완해야 할 영역을 나눠 전략을 세우는 작업이 필요합니다.

◆ 김유철 LG AI연구원 전략본부장

로봇 브레인을 개발할 때 중요한 것은 평상시 동작보다 트러블슈팅과 예외 상황 대응입니다. 자율주행도 일반적인 주행에서는 성능이 빠르게 올라갔지만, 사고나 악천후, 돌발 상황에 대응하려면 별도의 데이터가 필요합니다. 피지컬 AI도 마찬가지입니다.

휴머노이드나 팩토리 운영에서도 예외 상황 데이터가 중요합니다. 현재 원하는 수준에 완전히 도달하지 못했더라도, 현장에서 사용하고 실증하면서 데이터를 모아야 합니다. 그 데이터가 다시 모델을 발전시키는 파이프라인으로 이어져야 피지컬 AI가 실제 환경에서 작동할 수 있습니다.

(이하 생략)

[출처] 최재규 기자 |  헬로티         

당사 웹사이트에 공유된 모든 보도 자료는 부분적으로 발췌되었습니다. 콘텐츠는 정보 제공의 목적으로만 제공되며 원래 게시자의 재산으로 유지됩니다.

원본 게시자의 허가 없이 공유 콘텐츠를 무단으로 복사, 복제 또는 재배포하는 것은 엄격히 금지됩니다.