| LG CNS / ‘현장 데이터·오케스트레이션이 경쟁력’ 피지컬 AI 경쟁 본격화 | |||
 
|
|||
|
|||
|
‘현장 데이터·오케스트레이션이 경쟁력’ 피지컬 AI 경쟁 본격화 산업현장 적용 본격화 ‘월드액션모델·풀스택 전략 부상’  피지컬 AI 경쟁의 중심이 로봇 자체의 성능에서 실제 산업 현장 적용 역량으로 이동하고 있다. 특히 물류와 제조 현장에서는 정해진 동작을 시연하는 로봇보다, 현장 데이터를 학습하고 주변 환경 변화에 대응하며 여러 로봇과 자동화 설비를 AI 에이전트 기반으로 통합 제어·운영하는 오케스트레이션 역량이 중요해지고 있다. 이러한 변화 속에서 개별 로봇의 도입 여부보다 어떤 데이터를 기반으로 로봇을 학습시키고, 다수의 로봇과 설비를 하나의 작업 흐름 안에서 어떻게 배치·운영할 것인지가 피지컬 AI 상용화의 핵심 과제로 떠오르고 있다. LG CNS 이준호 전무는 지난달 11일 개최한 ‘2026 서울콜드체인포럼’에서 ‘피지컬 AI와 로봇 트랜스포메이션(RX)’를 주제로 발표하며, “로봇과 피지컬 AI 기술을 활용해 산업 현장에서 발생하는 물리적 작업을 혁신하는 것이 RX의 핵심”이라며 현장 데이터 확보와 로봇 오케스트레이션 역량이 향후 피지컬 AI 경쟁력의 핵심 요소가 될 것이라고 전망했다. 이준호 전무는 최근 피지컬 AI와 RX의 주요 흐름으로 ▲실제 산업 현장 적용 확대(Real-World Deployment) ▲데이터 기반 로보틱스(Data Driven Robotics) ▲월드 액션 모델(World Action Model) ▲레이어드 피지컬 AI(Layered Physical AI) ▲풀스택 라인업(Full Stack Lineup) 등 5가지를 제시했다. 그동안 대중의 관심을 끌었던 휴머노이드 로봇은 춤을 추거나 정해진 동작을 수행하는 시연 중심의 사례가 많았다. 이러한 사례 상당수는 강화학습 기반의 엔터테인먼트형 로봇에 가깝다. 반면 최근에는 실제 산업 환경에서 반복 작업을 장시간 수행하는 로봇이 등장하고 있다. 물류와 제조 현장에서 단순 반복 작업과 고강도 작업, 유해·극한 환경 업무 등에 로봇 적용 사례가 늘어나면서, 피지컬 AI가 산업 현장에 본격적으로 적용되는 단계에 진입하고 있다는 분석이다. 양질의 데이터 확보 경쟁 치열 피지컬 AI 고도화의 출발점은 데이터다. 사람이 교재와 영상을 통해 학습하듯 로봇 역시 실제 작업 데이터를 기반으로 동작을 익힌다. 현재는 사람이 원격으로 로봇을 조작하는 텔레오퍼레이션(Teleoperation)이 가장 양질의 학습 데이터를 확보할 수 있는 방법으로 주목받고 있다. 다만 많은 시간과 비용이 투입된다는 한계가 있다. 이를 보완하기 위해 사람의 동작 영상을 로봇 행동 데이터로 변환해 학습에 활용하는 휴먼 모션 캡처 방식도 빠르게 발전하고 있다. 이준호 전무는 “어떻게 하면 더 빠르고 저렴하게, 동시에 품질 높은 로봇 학습 데이터를 확보할 수 있는지가 글로벌 경쟁의 핵심이 되고 있다”고 말했다. 실제로 글로벌 피지컬 AI 기업들은 텔레오퍼레이션과 비전 기반 모션 캡처, 인간 시연 데이터(Demonstration Data) 등 다양한 방식으로 로봇 학습 데이터를 확보하기 위한 경쟁을 벌이고 있다. 기술 모델 측면에서는 월드액션모델(World Action Model)이 부상하고 있다. 기존의 단순 반복 동작 학습 방식이 정해진 행동을 실행하는 수준이었다면, 월드액션모델은 주변 환경을 이해하고 상황에 맞는 행동을 수행하는 개념이다. 조도와 소음, 장애물, 공간 변화 등 현실 세계의 다양한 변수를 인식해 적절한 행동을 결정하는 것이 핵심이다. 업계에서는 주변 환경을 이해하는 월드모델(World Model)과 비전·언어·행동(Vision-Language-Action, VLA) 기술을 결합해 월드액션모델로 발전시키는 방향으로 연구가 진행되고 있다. 이준호 전무는 “월드모델은 주변 환경을 이해하는 것이고 액션모델은 로봇이 행동하는 것”이라며, “두 개가 결합한 월드액션모델 개념이 빠르게 발전하고 있다”고 설명했다. HW·SW 경계 허무는 ‘풀스택’ 경쟁 본격화 LG CNS는 피지컬 AI를 시스템 0부터 시스템 3까지 계층형 구조로 설명했다. 시스템 0은 로봇의 바디 제어, 시스템 1은 인지와 행동, 시스템 2는 추론과 계획, 시스템 3은 AI 에이전트를 기반으로 다수의 로봇과 설비를 통합 관리하고 오케스트레이션하는 역할을 담당한다. 특히 물류 현장에서는 개별 로봇의 성능보다 여러 로봇과 자동화 설비를 하나의 흐름으로 연결하고 작업을 할당하는 오케스트레이션 역량이 중요해지고 있다는 분석이다. 이준호 전무는 “로봇도 하나의 디지털 인력으로 관리해야 한다”며, “공장이나 물류센터에서 여러 로봇에 작업을 어떻게 배분하고 운영할 것인지 관리하는 것이 핵심”이라고 설명했다. 또 다른 흐름은 풀스택(Full Stack) 경쟁이다. 피지컬 AI 기업들은 개별 기술만으로는 성능 고도화에 한계가 있다고 판단하고 소프트웨어와 하드웨어를 모두 확보하는 방향으로 사업 영역을 넓히고 있다. 실제로 하드웨어 중심 기업인 에지봇(AgiBot)은 로봇 파운데이션 모델(Robot Foundation Model, RFM)까지 개발 영역을 확장하고 있으며, RFM 기반 소프트웨어 기업인 스킬드 AI(Skild AI)는 최근 지브라 로보틱스 사업을 인수하며 하드웨어 영역까지 사업을 확대하고 있다. 이준호 전무는 “아직 범용적인 RFM이 완전히 정립되지 않은 상황에서 기업들은 성능 강화를 위해 풀스택 라인업 확보에 나서고 있다”며, “하드웨어와 소프트웨어를 유기적으로 결합하는 역량이 피지컬 AI 경쟁력의 중요한 축이 되고 있다”고 설명했다. 현장 데이터 기반 학습·운영 플랫폼 ‘PhysicalWorks’ 구축 LG CNS는 피지컬 AI 플랫폼 ‘피지컬웍스(PhysicalWorks)’를 통해 로봇 학습부터 운영·관리까지 아우르는 생태계를 구축하고 있다. 피지컬웍스는 로봇 학습 데이터를 수집·정제·평가하고 RFM 학습과 배포·관리를 수행하는 ‘포지(Forge)’와 다양한 로봇과 설비를 통합 관리하고 작업 할당, 경로 최적화 등을 지원하는 ‘바톤(Baton)’으로 구성된다. LG CNS는 직접 로봇 하드웨어를 개발하기보다 현장 데이터 확보와 학습, 운영·관리 플랫폼 역량에 집중한다는 전략이다. 이를 위해 스킬드 AI를 비롯해 다양한 글로벌 로봇·AI 기업들과 협업 생태계도 확대하고 있다. 이준호 전무는 “피지컬 AI 기반 로봇 트랜스포메이션의 핵심은 현장 데이터를 수집·학습해 산업별 특화 브레인(RFM)을 만들고, 로봇을 AI 에이전트 기반으로 최적 운영하는 것”이라며, “이를 통해 물류와 제조 현장의 프로세스와 비즈니스 혁신을 구현하는 것이 목표”라고 강조했다. |
| 
|
