제조 Physical AI 기술 및 애플리케이션에 대한 이해
발표자: 성민수 대표, 아이벡스
전사 본문 표기: 송효섭, 아이벡스
Summary
이 세션은 제조 Physical AI를 공장 전체 운영 중에서도 셀 단위 자동화, 비전 AI, 로보틱스, 센서/제어/플랫폼의 결합으로 설명한다. LLM처럼 데이터만 크게 늘리면 성능이 폭발하는 영역이 아니라, 물리 데이터 수집 비용, 고해상도 이미지, 현장 보안, 하드웨어 제약이 큰 영역이라는 점이 핵심이다.
핵심 메시지
-
Physical AI는 디지털 판단을 실제 모션으로 구현하는 영역이다.
생산계획, 군집 제어처럼 디지털 공간에서 끝나는 AI와 달리, 피지컬 AI는 비전, 촉각, 힘/토크 센서, 로봇 모션을 통해 물리 세계에 작용한다. -
셀 단위 자동화가 현실적 출발점이다.
전체 공장 자율 운영보다 먼저 특정 조립, 물류 진입, 검사 등 사람이 수행하던 단위 작업을 자동화하는 셀 단위 접근이 실용적이다. -
AI 비전 시스템은 하드웨어, 컴퓨팅, 소프트웨어 플랫폼의 결합이다.
카메라, 렌즈, 조명, 로봇, IPC/서버, 모델 학습/검증/배포 플랫폼이 모두 필요하다. -
양산 라인에서 완전 자율 Physical AI는 아직 제한적이다.
Vision Guided 수준은 실제 적용 경쟁이 활발하지만, 매번 상황에 맞춰 모션을 생성하는 고도 자율 제어는 아직 현장 적용 전 단계로 설명된다. -
LLM과 Physical AI는 데이터 구조가 다르다.
텍스트는 웹에서 대량 수집할 수 있지만, 제조 이미지/영상/로봇 데이터는 고해상도 장비와 현장 접근이 필요해 수집 비용과 용량 부담이 크다.
AI 비전 시스템 구성
| 구성 요소 | 예시 | 역할 |
|---|---|---|
| 인식 하드웨어 | 카메라, 렌즈, 조명 | 사람의 눈을 대체 |
| 구현 하드웨어 | 델타 로봇, 6축 로봇, 스카라, 휴머노이드 | 판단 결과를 물리 동작으로 실행 |
| 프로세싱 | IPC, 서버, 클라우드/온프레미스 컴퓨팅 | 이미지 추론과 제어 판단 |
| 플랫폼 | 데이터 전처리, 라벨링, 학습, 검증, 배포 | 지속 개선과 운영 |
자동화 레벨
| 레벨 | 설명 | 현장 상태 |
|---|---|---|
| 레벨 1 | 고정형 티칭 기반 자동화 | 전통적 방식 |
| 레벨 2 | Vision Guided 자동화 | 현재 양산 라인 적용 경쟁 영역 |
| 레벨 3 | 고도 자율 제어 | 아직 본격 현장 적용 전 단계 |
현장 적용 제약
- 1인칭 비디오, 고해상도 이미지, 힘/토크 센서 등 물리 데이터 수집 비용이 높다.
- 제조 현장은 보안과 관리 이슈 때문에 작업자 카메라 착용 등 데이터 확보가 어렵다.
- PLC 통신, 프로토콜 버전, 로봇 제어 인터페이스 등 시스템 연동 문제가 실제 도입을 지연시킨다.
- 수요기업의 기술 이해도가 낮으면 비현실적 기대와 단가 요구로 프로젝트가 흔들린다.
Warning
Physical AI는 단일 모델 구매로 해결되지 않는다. 기술 공급자와 수요기업 모두 센서, 비전, 로봇, 제어, 데이터 운영에 대한 공통 언어를 가져야 상업적 확산이 가능하다.
자료 첨부
- 발표자료:
- 사진:
- 현장 메모:
- 관련 링크:
권장 첨부 폴더:
content/40. Manufacturing AI/AI Factory Seminar 2026-07-02/attachments/후속 질문
- 셀 단위 자동화 use case 중 가장 빠르게 ROI가 나는 영역은 어디인가?
- Vision Guided 단계에서 레벨 3 자율 제어로 넘어가기 위한 데이터 요구사항은 무엇인가?
- 제조 현장에서 수집 가능한 물리 데이터와 수집이 어려운 데이터의 경계는 어디인가?