[테마기획] 챗GPT가 몸체를 얻었다? ‘피지컬 AI’와 ‘로봇 파운데이션 모델’이 바꿀 미래

화면 속 지능에서 현실 세계의 행동으로… 로보틱스 산업의 패러다임을 뒤흔드는 핵심 기술 완벽 해설

글_ 오승모 수석연구위원, 아이씨엔 미래기술센터

스마트폰이나 모니터 화면 속에서 텍스트를 작성하고 이미지를 만들어내던 인공지능(AI)이 이제 실체를 가진 기계 몸체와 결합하고 있다. 최근 로봇 산업과 테크 시장에서 가장 뜨겁게 떠오르는 키워드는 단연 ‘피지컬 AI(Physical AI)’와 ‘로봇 파운데이션 모델(Robot Foundation Model)’이다. 이에 두 기술의 개념과 왜 이 기술들이 차세대 로봇 혁신의 핵심으로 주목받고 있는지 3가지 질문을 통해 알아 본다.

1. 화면을 넘어 현실 세계로 나온 ‘피지컬 AI(Physical AI)’란 무엇인가?

그동안 우리가 접해온 챗GPT(ChatGPT)나 미드저니(Midjourney) 같은 AI는 디지털 공간 안에서만 작동하는 ‘디지털 AI’에 가까웠다. 반면 피지컬 AI(Physical AI)는 중력, 마찰력, 충돌, 온도 등 엄격한 물리 법칙이 지배하는 현실 세계(Physical World)에서 직접 환경을 인식하고 판단하여 물리적인 행동을 수행하는 인공지능을 의미한다.

피지컬 AI는 흔히 ‘엠보디드 AI(Embodied AI, 체화된 인공지능)’라고도 불린다. 로봇의 팔, 바퀴, 촉각 센서 등 물리적 형체(Body)를 집어넣은 지능이기 때문이다.

디지털 AI와 피지컬 AI의 가장 큰 차이는 ‘오차에 대한 치명성’에 있다. 화면 속 AI가 오답을 내놓으면 글자를 다시 수정하면 그만이다. 하지만 피지컬 AI가 탑재된 로봇이 물건을 집어 올리다가 힘 조절에 실패하면 물건이 깨지거나 사람이 다치는 실질적인 사고로 이어진다. 따라서 피지컬 AI는 미세한 힘의 제어, 실시간 위치 추적, 수평 및 균형 유지 등 고도의 물리적 상호작용 능력을 갖추어야 한다.

2. 로봇도 만능 인공지능 시대로! ‘로봇 파운데이션 모델’

과거의 산업용 로봇은 사람이 정해준 명령대로만 움직이는 단순한 기계에 불과했다. 예를 들어 공장의 로봇 팔은 특정 위치(X, Y, Z 좌표)로 이동해 물품을 집도록 단단히 프로그래밍되어 있었다. 만약 물품의 위치가 1cm만 틀어져도 로봇은 오류를 내며 멈춰 섰다.

이러한 한계를 근본적으로 바꾼 기술이 바로 로봇 파운데이션 모델(Robot Foundation Model)이다.

대규모 텍스트 데이터를 학습해 어떤 질문에도 답변하는 ‘거대언어모델(LLM)’처럼, 로봇 파운데이션 모델은 로봇이 접하는 수많은 시각(카메라), 촉각(센서), 관성(IMU) 데이터와 로봇 관절의 움직임 데이터를 거대한 인공신경망에 통째로 학습시킨 초거대 AI 모델이다.

이 모델이 적용된 로봇은 한 번도 본 적 없는 새로운 형태의 물건을 접하더라도 스스로 물건의 재질과 형태를 파악한다. 그 후 “어떻게 손가락을 구부려 얼마만큼의 힘으로 집어야 하는가”를 스스로 판단하여 관절 제어 명령(Action)을 내려준다.

3. 알고리즘보다 ‘데이터’가 병목이다… 왜 사람이 직접 데이터를 수집할까?

텍스트 기반 AI는 인터넷상에 존재하는 수조 개의 웹페이지 문장을 긁어모아(Crawling) 학습시킬 수 있었다. 하지만 로봇이 물리 세계에서 물품을 집고 조립하는 행동 데이터는 인터넷에 존재하지 않는다.

이것이 바로 로봇 파운데이션 모델 개발의 가장 큰 걸림돌이자 병목 현상이다. 로봇이 부드럽게 물체를 집어 올리려면 숙련된 사람이 직접 착용형 장비(촉각 글러브, 비전 헤드셋)를 차고 작업하는 미세한 동작 및 힘 제어 데이터를 수밀리초(ms) 단위로 정밀하게 수집해야 한다.

최근 멋쟁이사자처럼이나 오픈그래프랩스와 같은 기업들이 제조 현장에 수집 인력(오퍼레이터)을 투입하고 베트남 등으로 공급망을 넓히는 이유도 결국 “로봇 파운데이션 모델을 진화시킬 물리 세계의 실사 데이터를 확보하기 위해서”이다.

용어해설

• 피지컬 AI (Physical AI): 가상 공간을 넘어 현실의 물리적 환경을 센서로 인식하고, 물리 법칙에 맞춰 기계 몸체를 직접 제어하는 인공지능 기술이다.
• 로봇 파운데이션 모델 (Robot Foundation Model): 다양한 센서 입력(시각·촉각)과 로봇 동작 데이터를 거대 신경망에 사전 학습시켜, 다종다양한 로봇 작업에 범용적으로 적용할 수 있도록 만든 초거대 로봇 AI 모델이다.
• 엠보디ed AI (Embodied AI): 육체(Body)를 가진 인공지능이라는 뜻으로, 로봇이나 무인 이동체 등 실체를 가진 시스템에 이식된 AI를 총칭한다.
• 모라벡의 역설 (Moravec’s Paradox): 인간에게 어려운 체스나 복잡한 수학 연산은 AI에게 쉽지만, 인간에게 쉬운 ‘물건 집기’, ‘걷기’ 같은 물리적 행동은 AI에게 극도로 어렵다는 학술적 역설이다.
• 멀티모달 (Multimodal): 텍스트뿐만 아니라 이미지, 소리, 촉각, 위치 정보 등 여러 가지 형태의 감각 데이터를 동시에 처리하고 이해하는 기술이다.