피지컬 AI, 디지털과 물리 사이의 간극을 메우다

 

로봇은 이미 공장·물류센터 등 산업 현장에 상당 부분 설치돼 있다. 문제는 양이 아니라 질이다. 대부분의 산업용 로봇은 여전히 펜스 안에서 정해진 궤적만 반복한다. 반대로 인공지능(AI)은 스마트폰과 클라우드 속에서 사람의 취향과 동선을 분석·인지하고 있다.

 

서승호 고려대학교 교수는 “현재 스마트폰은 누구와 통화하고 어디서 돈을 쓰는지, 누구와 얼마나 자주 만나는지까지 많은 것을 알고 있다”며 “이는 디지털 세계에서 실세계가 어떻게 움직이는지는 이미 꽤 정확하게 예측할 수 있는 수준”이라고 짚었다. 그런데도 공장·물류센터 등에 배치된 로봇은 그 지능과 단절된 채 움직인다.

 

 

결국 이러한 간극은 디지털에서 현실로 영향을 미치는 수준이 아직은 광고 추천이나 화면 속 버튼을 바꾸는 정도에 머물러 있다는 부분을 시사한다. 다시 말해, 현재 로보틱스 기술은 작업자와 함께 움직이는 로봇의 동작까지 닿지 못한다는 점이다.

 

이러한 괴리를 정면으로 메워보겠다는 방법론이 바로 ‘피지컬 AI(Physical AI)’다. 최근 로보틱스·AI 분야에서 각광받는 이 기법은 AI가 물리적인 환경에서 직접 학습·적응함으로써, 실제 공간에서 자율적으로 문제를 해결하고 인간과 협력하도록 하는 차세대 기술이다.

 

이러한 피지컬 AI의 구현은 기존의 센싱(Sensing)·인식(Perception)·계획(Planning)·제어(Control) 등 기본 워크플로에 중대한 변화를 가져오고 있다. 이제 앞선 워크플로 사이에 ‘비전·언어·행동(Vision-Language-Action, VLA) 모델’과 ‘로봇 파운데이션 모델(RFM)’이 이식되고 있다. 이는 로봇이 기존처럼 명령을 수행하는 수준을 넘은 것으로, 상황을 스스로 이해하고 행동까지 계획하는 흐름으로 넘어가는 중요한 전환점이 되고 있다.

 

이달 11일 ‘피지컬 AI, 로봇 한계를 넘어서는 게임 체인저’ 포럼이 열렸다. 로봇 안전 솔루션 기술 업체 세이프틱스가 주최한 이번 행사는 로봇 업계 관계자가 한자리에 모여 피지컬 AI 기반의 로보틱스 미래상을 경험했다.

 

디지털 지능을 현실로...피지컬 AI, 로봇의 한계를 깨는 新 실행 전략

 

 

발표 세션 키노트를 맡은 서승호 교수는 “디지털 기반 가상 환경에서 인간의 삶을 읽는 AI는 이미 충분히 똑똑하지만, 실제로 현실을 움직이는 여러 수단의 기술 역량은 아직 부족하다”고 언급했다. 스마트폰과 클라우드에 쌓인 데이터를 읽는 가상의 지능을 넘어서, 바닥을 닦고 물건을 옮기고 도구를 잡는 역할을 로봇이 맡게 되는 순간이 바로 피지컬 AI라는 정의다.

 

그는 로봇의 전통적인 사이클 사이에 VLA와 RFM이 들어오면서 “이제 중요한 질문은 성능이 아니라, 그 지능이 현장에서 얼마나 잘 실행되느냐”라고 강조했다. 구체적으로, 센서가 읽어온 현실을 멀티모달(Multimodal) 모델이 해석하고, 로봇의 언어·시각·행동을 함께 다루는 VLA가 작업 의도를 세운다는 메커니즘을 설명했다. 이어 RFM이 그 의도를 실제 궤적으로 바꾸는 흐름 또한 덧붙였다.

 

결국 실제 환경에서 피지컬 AI의 역할은 ‘실행되는 지능’을 만드는 것이라는 게 그의 핵심 메시지다. 그는 끝으로 “이제 중요한 질문은 AI가 얼마나 똑똑한지보다 이 지능이 현실에 얼마나 잘 구현되는지가 관건”이라고 말했다.

 

연이어 서형주 카본식스 최고기술책임자(CTO)는 케이블 하네스, 스마트폰 부품 등 비정형이 많고 변경이 잦은 구간을 ‘고변동성 제조(High-Variance Manufacturing)’로 규정했다. 그는 "로봇이 물리적 훈련(Teaching)만 하는 방식으로는 한계가 뚜렷하다"고 지적하며, 피지컬 AI의 빠른 반복 접근 방식을 제안했다.

 

이는 변동 요인 정의 후 로봇·비전·AI 모듈을 신속히 조합하고, 원격 교시로 학습한 뒤 시뮬레이션과 현장 배포를 반복 검증하는 접근법이다. 핵심은 긴 호흡의 시스템통합(SI)이 아니라, 실패를 작게 쪼개고 바로 수정해 다시 가동하는 짧은 루프를 만드는 일이라는 메시지다.

 

최홍섭 마음AI 대표는 거대언어모델(LLM)을 보유한 회사가 휴머노이드 로봇에 투자하는 이유를 설명했다. 그는 로봇을 움직이는 것을 '함수 호출의 연속'으로 봤는데, 이는 로봇이 특정 동작을 실행하기 위해 컴퓨터 프로그램의 함수를 계속 호출하는 것과 같다는 의미다.

 

 

그는 인터넷 속에서 작동하는 에이전트 AI(Agent AI)와 실제 물리적 세계에서 움직이는 피지컬 AI가 근본적으로 같은 원리로 작동한다고 봤다. 다만, 각 산업 현장에서 로봇에게 필요한 데이터는 구하기 어렵고, 위험하거나 드문 상황에 대한 데이터는 얻을 수 없다는 점을 한계로 지적했다.

 

이에 대한 해결책으로 ▲데이터 수집 ▲AI 모델 학습 ▲검증 과정을 하나의 흐름으로 만드는 파이프라인화로 만드는 것이라고 제안했다.

 

다음은 도장(Painting)·연마(Polishing) 등 표면처리를 자동화하는 법에 대한 발표가 이어졌다. 최준화 미켈로로보틱스 최고기술책임자(CTO)는 "자동화가 가장 절실하면서도 자동화율이 낮은 구간이 바로 표면처리 공정"이라고 주장했다.

 

그는 공정 위험, 분진, 샘플 손실, 다품종 소량이라는 제약을 전제로 한 하이브리드 접근 방식을 제시했다. 수학적으로 답이 도출되는 경로·속도·힘 영역은 기존 공정 지식을 활용하고, 인간 작업의 떨림·의도는 AI가 복원·보정한다는 점을 방법론으로 내세웠다.

 

이때 작업 절차는 세 단계로 진행된다. 가장 먼저, 가상의 환경에서 여러 AI 모델을 번갈아 가며 교차 검증한다. 이어 작업자가 직접 참여해 로봇의 움직이는 경로를 수정하고 확인하는 ‘휴먼인더루프(Human-in-the-Loop, HPIL) 기법을 활용한다. 마지막으로, 앞서 도출된 결과를 소규모 현장에 먼저 적용해 위험 부담을 낮춘다.

 

 

그는 "AI에 한 번에 모든 맡기는 것이 아니라, 생산 라인이 멈추는 일 없이 안전하게 확인하는 여러 단계의 검증 과정이 해답이 될 것"이라고 강조했다.

 

피지컬 AI 시대에 로봇의 안전에 대해 설명한 허영진 뉴로메카 CTO는 "상위단의 AI인 뇌가 아닌 하위 제어기를 담당하는 척수에서 안전을 담당해야 한다"고 말했다. 이는 똑똑한 AI가 어떤 명령을 내리더라도, 로봇의 가장 기본적인 제어 시스템이 관절의 각도·속도·힘 등 물리적 한계를 넘어설 경우 즉시 제한하는 안전 장치를 항상 작동시켜야 한다는 의미로 해석된다.

 

그에 따르면, 이 안전 시스템은 로봇의 주된 지능인 RFM과는 별개로 작동한다. 이는 로봇이 무엇을 할지 ‘행동을 명령하는 기능’과 그 행동이 위험하지 않도록 ‘제한하는 기능’을 분리한 후 동시에 움직이게 하는 것이 핵심이다.

 

따라서 사람의 조작 실수나 AI 모델의 과도한 명령도 로봇의 가장 낮은 단계에서 자동으로 차단된다. 그는 "이는 문제가 생겨도 언제든지 그 실패가 무해하도록 만드는 차세대 로봇 제어·안전 방법론이며, 현장 위험 관리의 성공률을 높이는 길"이라고 부연 설명했다.

 

테크맨로봇 세션은 비전 중심 접근 방식의 효과를 수치로 증명했다. 김영욱 팀장은 카메라 기반 비전 기술을 중심으로 로봇을 가르치는 방식을 내세웠다. 그는 기존에는 비전 없이 로봇에게 작업 하나를 가르치는 데 12시간이 걸렸다고 밝혔다. 그러나 로봇에 내장된 카메라와 소프트웨어를 사용하자 시간이 22분 정도로 대폭 줄었다는 계산을 정량적 근거로 제시했다.

 

그가 제안한 방식은 로봇 출하 단계에서 카메라와 로봇 좌표계를 미리 맞춰 두고, 현장에서는 카메라로 환경을 읽은 뒤 꼭 필요한 포인트만 로봇에 가르치는 것이다. 그에 따르면, 이러한 접근 방식은 같은 작업 공간을 복제할 때도 공수가 덜 든다.

 

그러면서 그는 "최근 주목받는 휴머노이드 로봇에 필요한 것은 2차원(2D)·3차원(3D) 비전과 사람 손재주에 가까운 운동 능력"이라고 말했다. 카메라, 내장형 AI(On-device AI), 휴머노이드 하드웨어의 결합이 로봇 활용 범위를 일상생활 공간까지 넓힐 것이라는 전망도 덧붙였다.

 

충돌 넘어 상해 예방으로, 이중 안전 ‘방파제’ 확보하는 최신 접근법

 

 

이날 세미나의 핵심 비전은 결국 로봇 안전 지능(Robot Safety Intelligence)으로 수렴한다. 앞서 다른 발표자들이 AI 기술의 여러 측면을 다뤘다면, 세이프틱스는 그 모든 기술이 현장에서 안전하게 작동하도록 확인하고 통제하는 시스템 역할을 맡는 점을 강조했다.

 

김휘연 최고전략책임자(CSO)는 협동 로봇(코봇)이 사람과 가까이 일하게 되면서 작업 과정의 복잡도와 환경 복잡도가 동시에 높아지고 있다고 지적했다. 그는 충돌을 1차 사고, 그로 인해 발생하는 끼임이나 협착을 2차 사고로 보면서, 기존 로봇의 충돌 감지 기능이 가진 한계를 짚었다.

 

그는 “국제 표준에 맞춰 로봇의 허용 힘을 설정해도, 실제 충돌 상황의 그래프를 보면 로봇이 정지하는 데 시간이 걸려 측정된 힘이 설정값을 초과하는 경우가 많다”고 설명했다. 여기서 말하는 국제 표준은 국제표준화기구(ISO)가 제정한 기술 사양서 ISO/TS 15066다. 이는 코봇이 작업자와 같은 공간에서 일할 때, ‘신체 부위별 허용 접촉 힘 및 압력’과 ‘협업 모드 운용 원칙’을 제시하는 업계 사실상 기준 문서다.

 

김 CSO는 이 가운데 충돌 방지 기능은 많은 구현이 힘 기반에 치우쳐 있어 날카로운 형상에서는 압력 리스크가 남는다고 꼬집었다. 인간과 로봇이 같은 공간에서 움직이는 시대에는 단순히 로봇에 힘 센서를 추가하는 방식으로는 안전을 보장하기 어렵다는 진단이다.

 

그는 코봇 안전의 양대 축인 ‘거리·속도 기반 비접촉 안전(SSM)’과 ‘힘·에너지 제한 접촉 안전(PFL)을 하나의 통합된 시스템으로 결합했다고 설명했다.

 

이때 SSM은 인간과 로봇의 거리를 실시간으로 감지해 거리가 가까워질수록 로봇 속도를 줄이는 비접촉 기반 안전 방식이다. PFL은 인간과 로봇의 접촉이 발생해도 로봇의 힘과 에너지를 인체 허용 한도 안에서 제한해 피해를 최소화하는 접촉 기반 안전 방식이다. 회사는 이 두 가지 제약 제어 체계를 결합해 안전을 이중으로 강화하는 기술을 채택한다.

 

사측은 거리·상대속도를 기반으로 안전 속도를 먼저 결정하는 SSM을 먼저 작동하고, 불가피한 접촉 상황에서는 PFL로 인체 허용 한도 안에서 멈추거나 순응하게 하는 방법론을 자사 솔루션에 적용했다.

 

김휘연 CSO가 제시한 해법은 두 가지 축이다. 하나는 위험성 평가(Risk Assessment)와 CRI 분석을 자동화하는 소프트웨어 층이다. 다른 하나는 실험 위주의 검증을 가상 시뮬레이션 기반의 검증으로 옮기는 작업이다.

 

그에 따르면, 충돌해도 안전하다는 것을 검증하는 방법 중 실험은 분명한 한계가 있고, 전문가들도 시뮬레이션을 최선의 수단으로 본다는 입장이다.

 

세이프틱스는 이미 시뮬레이터 안에서 로봇의 궤적·힘·에너지를 계산해 안전 속도를 산출하는 '세이프티디자이너(SafetyDesigner)'를 내놓은 상태다. 이 소프트웨어는 앞선 ISO/TS 15066 표준을 만족한다. 이를 기반으로 로봇이 움직일 수 있는 가장 빠른 속도를 계산해 추천하는 기능이 탑재됐다. 또한 충돌 안전 분석과 위험성 평가 결과를 바탕으로, 전문가 수준의 보고서를 자동으로 출력해 로봇 설치 전후의 안전 검증을 돕는다고 평가받는다.

 

 

이날 행사에서 세이프틱스가 공개한 기술은 여기서 한 걸음 더 나아간다. 사측이 선보인 '세이프티기버(SafetyGiver)'는 세이프티디자이너가 계산한 데이터를 현실 속 로봇에 직접 연결하는 피지컬 AI 기반 로봇 안전 플랫폼이다.

 

김 책임자는 세이프티기버의 탄생을 선언하며, 두산로보틱스·유니버설로봇·뉴로메카·한화로보틱스·테크맨로봇 등 이날 행사에 참여한 다섯 개 코봇 브랜드와 세이프티디자이너가 실제로 연동돼 있다고 소개했다.

 

이는 시뮬레이터에서 계산한 안전 기능을 현실의 로봇 작업 공간에 그대로 적용하고, 그 결과를 다시 수집해 피지컬 AI의 순환 학습 체계를 완성하는 환경을 구현한다. 김 CSO는 이 기술에 대해 ‘안전에 특화된 피지컬 AI’라고 정의했다.

 

그는 로봇 안에서 직접 구동되는 ‘온디바이스 AI’, 옆 제어기에서 분석하는 에지 AI(Edge AI), 클라우드에서 연산하는 ‘클라우드 AI’를 각각 언급했다. 그러면서 피지컬 AI는 이 세 가지 AI 형태를 모두 포괄하는 큰 개념이라고 강조했다.

 

끝으로 김휘연 CSO는 “세이프티기버는 이 AI 형태를 로봇 브랜드별로 다르게 조합하면서도 궁극적으로는 CRI와 안전 속도를 일관되게 관리하는 허브 역할을 맡는다”고 소개했다.

 

세이프티디자이너·세이프티기버, 코봇에 실시간 안전 DNA 이식하다

 

발표 세션이 AI 기술의 이론을 다뤘다면, 다섯 개의 코봇 브랜드와 연동된 세이프틱스 기술을 배치한 행사장 데모 존은 그 기술이 실제 환경에서 어떻게 작동하는지를 보여줬다. 코봇이 설치된 공간에는 CRI와 권장 속도 비율을 실시간으로 보여주는 사용자 화면(UI)이 참관객의 이해를 도왔다.

 

인간이 로봇에 가까이 다가가면 충돌 위험 선이 올라가고 로봇은 속도를 줄인다. 로봇이 인간의 움직임을 인식해 움직임을 제한하고, 다시 인간이 비켜갈 때 속도를 회복하는 모습이 구현됐다. 이는 실시간으로 반응하는 현장 안전 전용 피지컬 AI의 모습을 직관적으로 보여주는 데모다.

 

▲ 유너버설로봇 코봇 존. (촬영·편집 : 헬로티 최재규 기자)

 

유니버설로봇 존은 에지 AI 기반의 실시간 제어를 강조했다. 로봇을 제어하는 장치에 세이프티기버에 내장된 안전 AI 기능을 설치했다. 이는 센서와 카메라 데이터를 현장에서 즉시 분석하고, 충돌 위험을 계산해 속도 명령으로 되돌리는 구조다.

 

현장 관계자는 “네트워크 지연 없이 모든 판단이 현장에서 이뤄져, 로봇은 인간이 근처에서 행동하자마자 속도를 줄이고 위험 정도에 맞춰 속도를 조절하는 에지형 피지컬 AI의 모습을 담았다”고 설명했다.

 

▲ 뉴로메카 코봇 존. (촬영·편집 : 헬로티 최재규 기자)

 

뉴로메카 코봇은 ISO 표준과 학습 기반 AI를 융합한 하이브리드 안전 제어를 선보였다. 국제 규격이 정한 안전 거리와 힘을 기본 기준으로 삼고, 그 위에 실제 인간의 동선과 로봇 특성을 학습한 AI를 입혔다. 이로 인해 화면 속 CRI는 규격 기준을 크게 벗어나지 않으면서도, 인간 움직임이 안정적일 때는 로봇 속도가 높게 유지되는 특징을 직관적으로 제시했다. 이는 피지컬 AI를 규격을 지키면서도 생산성을 되찾는 도구로 활용하려는 시도로 풀이된다.

 

▲ 테크맨로봇봇 존. (촬영·편집 : 헬로티 최재규 기자)

 

인간이 작업 공간에 접근해도 로봇이 바로 멈추지 않는 점을 강조한 테크맨로봇 존이다. 대신 로봇은 속도와 동작 타이밍을 유연하게 조절하고 인간과 엇갈리거나 양보하는 동선을 만든다. 화면 속 CRI 곡선도 계단형으로 튀지 않고 완만하게 오르내렸다.

 

관계자에 따르면, 이러한 시연은 일단 정지부터 하는 보수적인 방식과 다르다. 실제 협업 상황의 리듬과 흐름을 살려 로봇과 인간이 서로를 인식하며 멈추지 않고 함께 일하는 모습을 보여준 데모다.

 

▲ 한화로보틱스 코봇 존. (촬영·편집 : 헬로티 최재규 기자)

 

한화로보틱스 현장은 PFL 기능과 센서의 조합을 내세웠다. 로봇 자체에 내장된 힘 제한 기능에 외부 센서를 더해, 접촉 전에는 사람 접근을 미리 감지해 감속하고 실제 접촉 시 인체 허용 한도 안에서 힘과 에너지를 제어했다. 화면 속 권장 속도 그래프는 완전히 바닥으로 떨어지는 구간이 거의 없어 멈추지 않으면서도, 위험 선을 넘지 않는 동적인 균형점을 피지컬 AI가 찾아가는 사례를 선보였다.

 

▲ 두산로보틱스 코봇 존. (촬영·편집 : 헬로티 최재규 기자)

 

끝으로 두산로보틱스 셀에서는 세이프티기버의 경쟁력을 강조했다. 화면에는 실제 로봇 궤적과 속도 정보, 안전 표준을 기준으로 한 허용 영역이 그래프로 표시됐다. 이는 로봇의 복잡하고 자유로운 동작이 많아질수록 중요해지는 분석 기능이다.

 

세이프틱스 기술은 로봇이 복잡한 경로를 움직일 때 인체에 가해질 수 있는 힘·압력을 계산하고, 허용 기준을 넘는 순간 자동으로 속도를 낮추거나 정지하도록 명령한다. 이는 피지컬 AI가 만든 자유로운 모션에 AI가 안전 필터를 씌우는 것과 같은 방식이다.

 

마지막으로, 세이프틱스 관계자는 "실제 로봇 안전에 대한 책임은 사용자에게 있다. 이는 공정, 엔드이펙터(End-effector), 로봇 움직임 등 각 공정·현장에 따라 위험도가 다르고 변수가 많아 로봇 제조사가 모든 것을 책임질 수 없기 때문"이라고 밝혔다.

 

그에 따르면, 세이프틱스는 이러한 현실적 간극을 메우기 위해 각 로봇 기체의 호환성과 UI 등을 고도화할 계획이다. 자율주행로봇(AMR)·무인운반차(AGV)를 비롯해, 모바일 매니퓰레이터와 휴머노이드 로봇(Humanoid Robot)에 이르기까지 지능적인 안전 제어 기술을 단계적으로 발전시키는 것이 사측 비전이다.

 

헬로티 최재규 기자 |