공장이 움직인다. 단순한 자동화를 넘어, 공장 전체가 하나의 거대한 로봇처럼 작동하는 ‘피지컬 AI(Physical AI)’ 시대가 도래했다. 이 가운데, 공장의 하드웨어 중심 운영은 소프트웨어 기반 플랫폼으로 전환되고 있으며, 이 과정에서 맥락을 이해하는 인공지능(AI), 디지털 트윈(Digital Twin), 시뮬레이션 등 기술이 핵심 역할을 한다. 현시점 제조업은 제품 생산을 이상의 가치를 추구하고 있으며, 시스템 자체를 수출하는 산업으로 진화하는 중이다. 이번 특집은 한국과학기술원(KAIST)의 ‘소프트웨어 정의 공장(SDF)’부터 네이버 ‘인공지능(AI) 에이전트’, 다임리서치 시뮬레이션 기술, 유니티 실시간 3차원(3D) 솔루션까지 제조업 혁신의 최전선 기술 방법론을 짚는다. [특집] 로봇이 된 공장, 소프트웨어가 된 산업 [Real-time 3D] 게임 넘어 산업 현장으로…실감나는 상호작용 경험이 ‘산업 DX’ 핵심 [AI Simulation] 제조·물류 현장 ‘물리적 AI’ 시대 도래…AI 시뮬레이션으로 미래를 현실로 [Physical AI] 공장이 하나의 거대한 로봇 된다…KAIST, 피지컬 AI로 제조 혁신 선언 [AI Agent] AI 에
한국과학기술원(KAIST)은 전산학부 이재길 교수 연구팀이 제조 공정이나 설비가 바뀌어도 추가 학습 없이 기존 인공지능(AI) 모델을 활용해 불량을 탐지할 수 있는 ‘시계열 도메인 적응’ 기술을 개발했다고 26일 밝혔다. 최근 스마트팩토리(생산과정에 자동화 기술을 결합한 지능형 공장) 제조 현장에서 AI 센서 데이터를 활용한 불량 탐지 시스템 도입이 가속화하고 있다. 이 시스템은 설비에 부착된 센서로부터 입력되는 데이터를 실시간으로 분석해 설비 이상이나 불량품을 조기에 발견할 수 있지만, 생산 라인이 바뀌거나 설비 교체 등 제조 공정이 바뀌면 시스템의 성능이 급격히 떨어지는 등 문제가 있었다. 이 때문에 새로운 공정에 대해 추가 레이블링(특정 정보에 불량 여부나 상태 정보를 사람이 별도로 확인하고 레이블을 달아주는 작업)을 해야 하는 등 번거로움과 비용 부담이 컸다. 연구팀은 바뀐 공정에 대한 레이블링 없이도 기존 방법론의 성능을 개선할 수 있는 기술을 개발했다. 연구팀이 개발한 시계열 도메인 적응(Time-series Domain Adaptation) 기술은 시간에 따라 변하는 데이터, 예를 들어 온도 변화나 기계 진동, 전력 사용량, 센서 신호 등을 다루
한국과학기술원(KAIST) 생명화학공학과 고동연 교수팀은 미국 매사추세츠공과대학(MIT) 화학공학과 T. 앨런 해튼 교수팀과 공동으로 전기에 의해 스스로 열을 내는 섬유를 이용한 ‘이산화탄소 직접 공기 포집’(DAC·Direct Air Capture) 기술을 개발했다고 25일 밝혔다. DAC는 대기 중 이산화탄소를 직접 분리해 탄소 배출 농도를 원천적으로 낮출 수 있는 기술이다. 다만 공기 중 이산화탄소 농도가 400ppm 이하로 낮아 대량의 공기를 처리하기 위해 막대한 열에너지를 필요로 한다는 한계가 있다. 이를 극복할 방법으로 전기 구동 기반의 ‘저항 가열’(Joule heating) 방식이 떠오르고 있다. 저항 가열은 전기 에너지를 직접 열로 전환해 이산화탄소를 흡수하는 흡착제 자체를 가열하는 방식으로, 고온의 증기나 복잡한 설비가 필요 없다. 연구팀은 스마트폰을 충전할 수 있는 수준인 3V의 낮은 전압으로도 80초 만에 110도까지 가열할 수 있는 섬유 흡착제를 개발했다. 다공성 구조의 섬유 표면에 은 나노와이어(나노미터 굵기의 가는 실)와 나노입자 복합체를 3㎛(마이크로미터·100만분의 1ｍ) 두께로 균일하게 코팅했다. 전기가 매우 잘 통하면서도 이
한국과학기술원(KAIST)은 전기·전자공학부 이가영 교수 연구팀이 외부 전원 없이 작동하는 무전력 광센서를 개발했다고 14일 밝혔다. 기존 전원 공급 센서보다 응답도가 20배 높아 동급 기술 가운데 최고 성능을 자랑한다고 연구팀은 설명했다. 연구팀은 ‘반데르발스 전극’과 ‘부분 게이트’ 구조를 도입, 도핑(반도체에 불순물을 넣어 전기적 특성을 바꾸는 작업) 없이도 2차원 반도체에 전기적으로 PN 접합 구조(정공이 많은 P형과 전자가 많은 N형 재료를 접합한 반도체 구조)를 구현할 수 있는 기술을 개발했다. 반데르발스 전극은 반데르발스 힘(분자 사이에 서로 끌어당기는 힘)을 이용해 전기 신호에 민감하게 만들면서도 반도체와 부드럽게 결합해 2차원 반도체의 손상을 막을 수 있다. 부분 게이트 구조는 2차원 반도체의 일부 영역에만 전기 신호를 걸어 한쪽은 P형, 다른 쪽은 N형처럼 작동하게 제어하는 구조로, 도핑 없이도 전기적으로 PN 접합처럼 작동하게 만들 수 있다. 이를 통해 도핑 없이 고성능 PN 접합 구조를 구현, 외부 전원 없이도 빛을 받기만 하면 스스로 전기 신호를 만들어낼 수 있는 광센서를 개발했다. 연구팀이 개발한 광센서의 빛에 대한 민감도(응답도)는
한국과학기술원(KAIST)은 전산학부 김민수 교수 연구팀이 한 대의 그래픽처리장치(GPU) 서버에서 대규모의 전체 그래프신경망(GNN) 모델을 빠르게 학습할 수 있는 GNN 시스템 ‘플렉스지엔엔’(FlexGNN)을 개발했다고 13일 밝혔다. 여러 대의 GPU를 사용하지 않고도 학습 속도가 기존 대비 최대 95배나 빠르다고 연구팀은 설명했다. 그래프 신경망(GNN)은 금융 거래, 주식, 사회관계망(SNS), 환자기록 등 비정형 데이터를 그래프 형태로 분석하는 그래프 인공지능(AI) 모델이다. 샘플링 없이 전체 그래프를 한 번에 학습하는 전체 그래프신경망 방식은 최근 날씨 예측이나 신소재 발견 등 복잡한 문제 해결에 유효하지만, 막대한 메모리와 GPU 서버를 필요로 해 활용에 한계가 있었다. 연구팀은 여러 대의 GPU 서버를 사용하지 않고도 단일 GPU 서버에서 솔리드 스테이트 드라이브(SSD)와 메인 메모리를 활용한 최적의 AI 모델을 개발했다. 단일 컴퓨터 내의 모든 계층적 메모리 구조(GPU, 메인 메모리, SSD)를 활용해 중간 데이터를 효과적으로 관리하고, 학습 규모에 따라 GPU 간 데이터 통신 방식을 유연하게 선택할 수 있다. 입력 그래프, 모델 크
눈에 착용해 간단하게 안과 질환을 검사할 수 있는 콘택트렌즈 기술이 개발됐다. 한국과학기술원(KAIST) 전기·전자공학부 유승협 교수, 서울대분당병원 우세준 교수, 포항공대(POSTECH) 한세광 교수, PHI 바이오메드, 한국전자통신연구원(ETRI) 공동 연구팀은 유기발광다이오드(OLED)를 활용한 무선 콘택트렌즈 기반 망막 진단 플랫폼을 최초로 개발했다고 12일 밝혔다. 망막전위도(ERG)는 망막의 기능이 정상적으로 작동하는지 측정할 수 있는 안과 진단법이다. 유전성 망막질환 진단이나 망막 기능 저하 여부 검사 등에 활용된다. 환자가 어두운 방 안에서 고정형 장비를 이용해 검사를 받아야 해 공간적 제약이 뒤따른다. 연구팀은 큰 특수 광원을 설치하지 않고도 렌즈 착용만으로도 ERG를 수행할 수 있는 기술을 개발했다. ERG용 콘택트렌즈 전극에 머리카락의 6∼8분의 1 수준인 12.5㎛(마이크로미터·100만분의 1ｍ) 굵기의 유연한 OLED를 집적하고 무선 전력 수신 안테나와 제어 칩을 탑재했다. 기존 눈에 빛을 쏘이는 스마트 콘택트렌즈형 광원은 대부분 무기 발광다이오드(LED)를 활용해 왔으나, 딱딱한 형태의 무기 LED는 한 곳의 점에서 너무 강한 빛이
한국과학기술원(KAIST)은 산업디자인과 박현준 교수 연구팀의 차세대 웨어러블 로봇 디자인 ‘엔젤로보틱스 WSF1 비전 콘셉트’가 독일 레드닷 디자인 어워드(Red-dot Design Award)의 디자인 콘셉트-프로페셔널 부문 ‘베스트 오브 더 베스트’상을 수상했다고 8일 밝혔다. 레드닷 디자인 어워드는 ‘iF 디자인 어워드’, ‘IDEA 디자인 어워드’와 함께 세계 3대 디자인상으로 꼽힌다. ‘베스트 오브 더 베스트’(Best of the Best)상은 해당 부문 최고의 디자인에 수여되는 상으로, 전체 수상작 중 1% 이내의 최상위 디자인에 주어진다. 이번 수상작은 기계공학과 공경철 교수가 창업한 엔젤로보틱스와 공동으로 개발한 하반신 마비 장애인용 웨어러블 로봇 ‘워크 온 슈트 F1’ 프로토타입을 사용자 친화형으로 변형한 작품이다. 장애인이 일상적인 환경에서 사용할 수 있는 차세대 웨어러블 로봇의 콘셉트 디자인을 제안했다. 로봇이 사용자를 스스로 찾아가(자율 접근 기능) 앉은 자리에서 혼자 장착할 수 있도록 설계(프론트 로딩 기능)됐다. 박현준 KAIST 교수는 “기술과 심미성, 인간 중심 혁신을 통해 고도의 기술 솔루션을 사용자에게 쉽고, 즐겁고 멋진
메탄은 온실효과가 이산화탄소의 25배에 달하는 온실가스로, 산업 현장에서 메탄 단독으로 배출되지 않고 다른 성분과 혼합된 형태로 방출된다. 특히 천연가스에는 메탄과 함께 에탄이 섞여 방출된다. 메탄산화균은 지구상에서 유일하게 메탄을 에너지원으로 사용하는 세균으로 특히 ‘편성 메탄산화균’은 메탄을 산화하는 동시에 세포 내에 생분해성 고분자인 ‘폴리하이드록시부티레이트’(PHB)를 축적할 수 있어 친환경 플라스틱 생산 재료로 주목받는다. 주로 메탄이나 메탄올과 같은 화합물을 활용해 성장하는 것으로 알려져 있으나, 에탄이 섞여 있는 복합 조건에서의 대사 반응은 알려진 바 없다. 한국과학기술원(KAIST) 명재욱 교수와 미국 스탠퍼드대학교 공동 연구팀은 천연가스의 주요 부성분인 에탄이 편성 메탄산화균의 대사에 미치는 영향을 규명했다고 7일 밝혔다. 연구팀은 에탄이 편성 메탄산화균의 성장 기질로 사용되지 않음에도 불구하고 메탄 산화, 세포 성장, PHB 합성 등 주요 대사 경로에 유의미한 영향을 미친다는 사실을 확인했다. 다양한 메탄·산소 농도 조건에서 에탄을 첨가해 메탄산화균을 배양한 결과 에탄 농도가 증가할수록 세포 성장이 억제되고, 메탄 소비가 감소했지만 PHB
한국과학기술원(KAIST)은 기계공학과 김정·박인규 교수 공동 연구팀이 접었다 폈다 자유자재로 가능한 ‘로봇 시트’(robotic folding sheet) 기술을 개발했다고 6일 밝혔다. 접힘(folding)은 면과 접힘선(hinge)의 배열에 기반한 단순한 디자인으로, 고차원의 형상 변화가 가능해 최근 로봇 설계에 많이 접목되고 있다. 기존 복잡한 구조 설계 대비 접힘 구조를 통해 적재 시 공간 효율을 높일 수 있고, 유연하게 구조를 설계할 수 있어 첨단 구조 재료, 우주 탑재 구조물 등에서 널리 활용되고 있다. 다만 기존의 기술은 접힘선 위치와 각도가 사전에 정의돼 있어 사용 도중 접힘 형태를 바꾸기 어렵다는 한계가 있고, 접힘선 구조를 재구성할 수 있는 리프로그래밍 소재 기술에 대한 연구가 시도되고 있지만, 별도의 공정이 필요하다. 연구팀은 현장에서 접힘 현상을 실시간으로 제어할 수 있는 2차원 평면 시트(종이) 형태의 로봇을 개발했다. 사용자가 접힘선을 현장에서 지정해 필요한 순간 원하는 위치가 접히도록 프로그래밍할 수 있다. 얇고 유연한 고분자 기판 안에 미세 금속 저항 네트워크가 내장된 구조로, 개별 금속 저항이 온도 센서 역할을 해 별도의 외부
국내 산학 협력 연구진이 인공지능(AI) 로봇 및 자동화 시스템을 활용해 연구자 개입 없이 이차전지 양극 소재를 탐색하는 ‘자율 탐색 실험실’을 구축했다. 한국과학기술원(KAIST)은 신소재공학과 서동화 교수팀이 포스코홀딩스 미래기술연구원 에너지소재연구소 LIB소재연구센터 연구팀과 이 같은 실험실을 구축했다고 3일 밝혔다. 이차전지 양극 소재는 높은 충전 속도, 에너지 밀도, 안정성 등 어려운 기준을 전부 충족해야 하므로 개발을 위해서는 수많은 후보군을 고려해 탐색을 진행해야만 한다. 연구팀은 연구자 개입 없이 시료 정량, 혼합, 펠렛화, 소결 및 분석을 수행하는 자동화 시스템과 분석된 데이터를 해석하고 이를 학습해 최선의 후보군을 선택하는 AI 모델을 기반으로 했다. 소결 공정에 필요한 시간이 50배 단축됐고, 지능형 실험 자동화 시스템을 24시간 운용할 경우 12배 이상의 실험 데이터 확보 및 93%의 소재 탐색 기간 단축이 가능해졌다. 소재 탐색에 필요한 실험 횟수가 500회라고 가정할 때 연구자가 직접 실험을 수행하는 기존 방식으로는 84일이 소요되지만, 자동화 시스템은 약 6일 만에 완료할 수 있다. KAIST 서동화 교수는 “양질의 소재 데이터를
한국과학기술원(KAIST)은 전기및전자공학부 권경하 교수팀이 미국 노스웨스턴대 박찬호 박사팀과 주변 빛으로 심박수, 혈중산소포화도, 땀 성분 등을 분석하는 건강 모니터링 의료용 웨어러블 기기의 배터리 전력 부담을 줄인 적응형 무선 차세대 웨어러블 플랫폼을 개발했다고 30일 밝혔다. 연구팀은 광 측정 방식(Photometric Method), 고효율 다접합 태양전지(Photovoltaic Method) 및 축광·발광(Photoluminescent Method) 기술 등 세 가지 상호 보완적 빛 에너지 핵심 기술을 통합했다. 이들 기술이 상호 보완적이면 24시간 연속 작동을 가능하게 한다고 연구팀은 설명했다. 연구팀은 이 플랫폼을 다양한 의료 센서에 적용해 실용성을 검증했다. 광용적맥파 측정 센서는 심박수와 혈중산소포화도를 실시간으로 모니터링해 심혈관 질환의 조기 발견을 가능하게 한다. 청색광 노출량 측정 센서는 피부 노화와 손상을 유발하는 블루라이트를 정확히 측정해 개인 맞춤형 피부 보호 가이드를 제공한다. 땀 분석 센서는 마이크로 유체 기술을 활용, 땀 속 염분, 포도당, pH를 동시에 분석해 탈수나 전해질 불균형을 실시간으로 감지할 수 있다. 센서 내 데이
한국기계연구원 중심으로 한 산·학·연·정 협력 ‘K-AI 휴머노이드’ 개발 착수 인간 수준 신체 능력, 작업 지능 기반 플랫폼 목표 “자율 성장 인공지능(AI) 두뇌 및 데이터 팩토리 구축” 1가구 1로봇 시대 대비 원천 기술 확보에 총력 한국기계연구원(KIMM)을 포함한 국내 정부 출연 연구기관(이하 출연연)이이 미래 로봇 산업 주도권 확보를 위해 ‘K-AI 휴머노이드’ 개발에 본격적으로 나선다. 한국기계연구원이 총괄하는 ‘자율 성장 AI 휴머노이드 글로벌 TOP 전략 연구단(Autonomous Growth AI Humanoid Global TOP Strategic Research Group)’은 지난 22일 대전 본원 열린 ‘K-AI휴머노이드 비전 전략 포럼’에서 이 같은 비전을 선포했다. 연구단은 과학기술정보통신부가 출연연을 임무 중심의 개방형 협력체계로 재편하기 위해 마련한 연구 지원 사업이다. 이들은 인간 수준 이상의 신체 능력과 작업 지능을 갖춘 휴머노이드 플랫폼 개발을 목표로 한다. 연구단에는 한국기계연구원을 포함해, 한국전자통신연구원(ETRI)·한국생산기술연구원(KITECH) 등 3개 출연연이 참여한다. 또한 한국과학기술원(KAIST) 등 9개
한국과학기술원(KAIST)은 전산학부 안성진 교수팀이 딥러닝 분야 석학인 캐나다 몬트리올대 요슈아 벤지오 교수와 인공지능(AI) 확산모델(diffusion model)의 추론-시간 확장성을 크게 개선하는 신기술을 개발했다고 20일 밝혔다. 확산모델은 많은 AI 응용에 활용되고 있지만, 효율적인 추론-시간 확장에 대한 연구가 부족했다. 이 기술은 인공지능 학습 이후 추론 단계에서 더 많은 계산 자원을 효율적으로 활용, 단순히 데이터나 모델 크기를 키우는 것으로는 해결할 수 없는 고난도 문제를 풀 수 있도록 돕는 핵심 AI 기술로 주목받는다. 안 교수 공동 연구팀은 몬테카를로 트리 탐색(Monte Carlo Tree Search) 기반 새로운 확산모델 추론기법을 제안했다. 이 방법은 확산 과정 중 다양한 생성 경로를 트리 구조로 탐색하며, 제한된 계산 자원으로도 높은 품질의 출력을 효율적으로 찾아낼 수 있도록 설계됐다. 이를 통해 기존 모델(방법)이 한 번도 성공하지 못한 ‘자이언트-스케일의 미로 찾기’ 태스크에서 100% 성공률을 달성했다. 특히 트리 탐색을 효율적으로 병렬화해 비용을 최적화함으로써 기존 방법보다 최대 100배 빠른 속도를 얻는 데 성공했다.
한국과학기술원(KAIST) 전기·전자공학부 최신현 석좌교수와 충남대 반도체융합학과 이종원 교수 공동 연구팀은 생명체의 감각 신경계 기능을 모사한 인공 감각 신경계를 개발했다고 15일 밝혔다. 사람 등 동물은 익숙한 자극은 무시하고, 중요한 자극에만 선별적으로 민감하게 반응함으로써 에너지 낭비를 막고 민첩하게 대응할 수 있다. 예를 들어 여름철 에어컨 소리나 옷이 피부에 닿는 감촉은 곧 익숙해져 신경 쓰지 않게 되지만, 누군가 이름을 부르거나 날카로운 물체가 피부에 닿으면 재빠르게 반응한다. 이는 감각 신경계의 ‘습관화’와 ‘민감화’ 기능에 의해서 조절되는 것으로, 이런 사람의 신경계를 모사해 환경을 효율적으로 인식하고 반응하는 로봇을 개발할 수 있다. 다만 복잡한 신경계 특성을 로봇에 구현하려면 별도의 소프트웨어나 회로가 필요해 소형화에 한계가 있다. 이에 차세대 뉴로모픽(사람의 뇌 구조를 닮은 소자) 반도체인 멤리스터 소자를 활용해 에너지 효율을 높이려는 연구가 시도되고 있다. 멤리스터는 전류 흐름에 따라 저항 세기가 변하는 차세대 전기 소자로, 0 또는 1의 디지털 정보뿐만 아니라 다양한 아날로그 저항값을 저장할 수 있다. 기존 멤리스터는 단순히 전도도의
한국과학기술원(KAIST)은 전산학부 박종세 교수팀과 하이퍼엑셀(전기·전자공학부 김주영 교수 창업기업)이 챗GPT와 같은 생성형 AI에 특화된 고성능·저전력의 신경망처리장치(NPU) 핵심기술을 개발했다고 4일 밝혔다. 챗GPT4나 제미나이 2.5 등 최신 생성형 AI 모델들은 메모리 용량을 많이 필요로 하기 때문에 마이크로소프트나 구글 등 생성형 AI 클라우드 운영기업들은 엔비디아의 그래픽처리장치(GPU)를 수십만장씩 구매하고 있다. NPU는 인공신경망을 이용해 AI 연산에 특화된 반도체로 GPU 대비 저전력으로도 높은 효율을 낼 수 있어 GPU를 대체할 기술로 주목받고 있다. 연구팀은 메모리 사용의 대부분을 차지하는 ‘KV 캐시’(생성형 AI 모델을 작동할 때 성능을 높이기 위해 사용하는 임시 저장 공간)의 양자화를 통해 적은 수의 NPU 디바이스만으로 동일 수준의 AI 인프라를 구성, 생성형 AI 클라우드 구축 비용을 절감할 수 있는 기술을 개발했다. AI 처리 시스템은 보다 뛰어난 추론 서비스를 제공하기 위해 처리해야 하는 요청의 수와 길이가 증가하고, 이 때문에 생성형 AI 모델의 추론 과정에서 생성되는 KV캐시가 커지면서 메모리 병목으로 이어지게 된
상호명(명칭) : (주)첨단 | 등록번호 : 서울,자00420 | 등록일자 : 2013년05월15일 | 제호 :헬로티(helloT) | 발행인 : 이종춘 | 편집인 : 김진희 |
본점 : 서울시 마포구 양화로 127, 3층, 지점 : 경기도 파주시 심학산로 10, 3층 | 발행일자 : 2012년 4월1일 | 청소년보호책임자 : 김유활 | 대표이사 : 이준원 | 사업자등록번호 : 118-81-03520 | 전화 : 02-3142-4151 | 팩스 : 02-338-3453 | 통신판매번호 : 제 2013-서울마포-1032호
copyright(c) HelloT all right reserved
UPDATE: 2025년 09월 14일 10시 36분
