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. 지난 24일 서울 영등포구 소재 국회의사당에서 전개된 ‘피지컬 AI 프론티어 강국 신기술 전략 포럼’은 해당 복합 방정식을 한 테이블에 올린 자
휴머노이드 로봇(Humanoid Robot)의 보행은 이미 공개 석상에서 반복 연출된 일반적인 장면이 됐다. 계단을 오르고, 균형을 잡고, 사람을 따라 걷는 이러한 움직임은 로봇 기술의 진전 상황을 시각화했다. 그러나 산업 현장의 남은 자동화 공백은 여전히 발보다 손에 가깝다. 공장·물류센터·다중이용시설 등에 남은 수작업은 앞선 단순 이동만으로는 해결하지 못한다. 케이블을 끼우고, 천처럼 형태가 바뀌는 대상물을 집고, 박스를 열고, 작은 부품을 방향에 맞춰 놓는 일이다. 물체는 매번 다르게 놓이고, 손에 가려 보이지 않는 정보가 생기며, 접촉 순간의 힘 조절까지 필요하다. 이 구간은 기존 자동화가 여전히 쉽게 넘지 못하는 영역으로 알려져 있다. 정해진 위치의 부품을 반복 처리하는 로봇 팔(Robot Arm)과 다르게, 사람의 손재주(Dexterity)는 움직임·기억·촉각·판단을 동시에 쓰는 영역이기 때문이다. 모니터 화면에서 벗어나 실제 하드웨어를 구동하는 '피지컬 AI(Physical AI)'가 산업 현장에 들어가기 위해서는 로봇이 보는 능력과 다루는 능력을 함께 확보해야 한다. 이 같은 로봇 손 조작의 난도는 손가락 수가 중요한 게 아니다. 움직이는 물체
생성 AI 기술은 이미지와 동영상을 생성하며 산업 전반에 혁신을 가져오고 있다. 제조업에서 AI 도입이 어려운 이유는 높은 초기 도입비용과 시스템 업데이트의 어려움 때문이다. 생성형 AI와 합성 데이터는 AI 학습을 위한 데이터 문제를 해결하고 비용을 절감할 수 있다. 이 기술은 제조업뿐만 아니라 의료, 금융, 교육 등 다양한 분야에서도 적용 가능하며 시장 변화에 빠르게 적응할 수 있는 유연성을 제공한다. 또한 윤리적, 법적 문제를 해결하고, AI 모델의 성능과 신뢰성을 향상시킨다. 제조 혁신을 위한 생성형 AI 기술에 대해 ‘2024 AI 자율제조혁신포럼’에서 김현수 슈퍼브에이아이 대표가 발표한 내용을 토대로 정리했다. 생성 AI 기술의 혁신적인 발전에 따라, 이제는 텍스트로부터 복잡한 이미지와 동영상까지 생성할 수 있는 AI 서비스가 등장하고 있다. 대표적인 예로는 오픈AI의 다양한 생성 모델과 Stability AI, Midjourney 같은 회사들이 이미지 생성 분야에서 주목받고 있다. 이러한 기술들은 실제 이미지와 구별하기 어려울 정도의 고품질 결과물을 제공하며, 최근에는 동영상 생성까지 가능해진 Sora 같은 제품도 소개되었다. 인지형 AI와 생성