[서울=뉴시스]심지혜 기자 = 마음AI가 사람이 접근하기 위험한 현장이나 반복적인 작업, 숙련자의 경험이 필요한 업무를 로봇이 대신 수행할 수 있도록 피지컬 인공지능(AI) 기술을 개발하고 있다. 특히 로봇이 현장에서 쌓은 경험을 다른 로봇과 공유하고 학습에 활용해 여러 로봇의 작업 능력을 함께 높이는 것이 목표다.

뉴시스가 창사 25주년을 맞아 19일 개최한 '10년 후 한국' 포럼에서 마음AI는 피지컬AI 기술 개발과 산업현장 적용 성과를 인정받아 과학신기술부문 대상(부총리 겸 과학기술정보통신부 장관상)을 수상했다.

이날 시상식에 참석한 손병희 마음AI 국방AI&로보틱스 부문 대표는 '말하는 AI에서 행동하는 AI로'를 주제로 발표하며 AI 모델과 온디바이스 AI, 로봇을 결합한 핵심 기술과 실제 산업현장 적용 사례를 소개했다.

손 대표는 "AI는 굉장히 똑똑해졌지만, 현실 세계에서 스스로 할 수 있는 일은 아직 제한적"이라며 "저희는 사람이 가면 위험한 일, 반복적인 일, 그리고 숙련자의 경험에 의존하는 일을 로봇이 할 수 있도록 만들고 있다"고 말했다.

마음AI는 피지컬AI 구현을 위한 핵심 기술로 AI 모델과 온디바이스 AI, 로봇 등 이른바 '세 개의 심장'을 제시했다.

AI 모델은 사람과 자연스럽게 대화하는 언어·음성 모델부터 주변 환경을 인식하고 이동 경로를 판단하는 자율주행 모델, 로봇의 동작을 제어하는 비전·언어·행동(VLA) 모델 등으로 구성된다. 이들 모델을 실제 하드웨어에 적용하기 위해 온디바이스 AI 기술도 확보하고 있다.

온디바이스 AI는 외부 클라우드 서버에 연결하지 않고 로봇 내부에서 상황을 인식하고 판단하는 기술이다. 네트워크 연결이 끊길 수 있는 재난현장이나 산업시설에서도 로봇이 작업을 이어갈 수 있도록 하기 위한 것이다.

특히 로봇은 사용할 수 있는 연산 자원과 배터리가 제한돼 있어 AI 모델을 효율적으로 구동하는 기술이 중요하다. 마음AI의 4족 보행 로봇은 약 4시간 운용할 수 있으며, 연산과 메모리 사용을 최적화해 배터리 사용 시간을 확보하고 있다.

손 대표는 "로봇이 일을 할 때 모든 판단을 클라우드에 맡기게 되면 네트워크가 연결되지 않는 상황에서 로봇이 멈춰버린다"며 "이런 상황에서도 로봇이 멈추지 않고 스스로 판단하고 행동할 수 있도록 온디바이스 AI 기술을 개발하고 있다"고 설명했다.

이러한 기술을 활용한 대표적인 사례가 충남 천안의 도시 순찰로봇이다. 마음AI는 천안의 하천변 산책로와 공원 등에 4족 보행 로봇 '진도봇 해치'를 투입해 시험운영하고 있다. 올해 2대를 운영하고 내년까지 6대로 확대할 예정이다.

해치는 기존 폐쇄회로(CC)TV의 사각지대를 순찰하고 이상 징후를 감지하는 역할을 수행한다.

마음AI는 도시 순찰뿐 아니라 지뢰 탐지, 조선소 용접, 축산업 등 다양한 산업현장에도 로봇 기술을 적용하고 있다.

특히 한화오션과는 숙련 용접공의 노하우를 로봇에 접목하는 기술을 개발하고 있다. 숙련공들이 철판의 떨림과 소리, 불꽃의 움직임 등을 파악하면서 용접하는 경험을 데이터로 전환해 로봇이 학습하도록 하는 방식이다.

손 대표는 "용접이라는 것이 단순히 불꽃을 철판에 대는 작업이 아니다"라며 "숙련공들은 철판이 떨리는 소리를 듣고, 불꽃의 움직임까지 감지하면서 용접한다"고 설명했다.

이어 "숙련자의 경험 속에 숨어 있는 암묵지를 형식지로 바꾸고, 로봇이 이를 학습해 실제 작업을 수행할 수 있도록 하고 있다"고 덧붙였다.

축산업에서는 사람이 기피하는 가축 분뇨 처리 작업에도 로봇을 활용하고 있다. 분뇨를 옮기는 것뿐 아니라 건조 등 후속 처리 과정까지 로봇이 학습해 수행하도록 하는 방식이다.

마음AI가 특히 집중하고 있는 분야는 개별 로봇이 현장에서 얻은 경험을 다른 로봇과 공유하는 기술이다. 이를 위해 로봇의 행동 데이터를 수집·표준화하는 '데이터팩토리'와 다양한 작업을 학습하는 '로봇학습장'을 구축하고 있다.

한 로봇이 특정 작업환경에서 쌓은 경험을 다른 로봇의 학습에도 활용할 수 있도록 공통 학습 데이터를 만드는 것이 핵심이다.

손 대표는 해외 공동연구 사례도 소개했다. 미국은 21개 연구기관이 참여한 프로젝트에서 22종의 로봇 플랫폼에서 수집한 100만건 이상의 동작 데이터를 통합했다. 이를 활용한 AI 모델은 개별 로봇 데이터로 학습한 모델과 비교해 작업 성공률이 50% 향상되는 성과를 보였다.

마음AI는 이러한 방식으로 로봇의 경험을 공유하고 학습하는 '피지컬AI 옵스(Physical AI Ops)' 기술도 개발하고 있다. AI 모델 개발부터 데이터 수집과 학습, 실제 로봇 적용까지 연결하는 체계를 구축하는 것이다.

손 대표는 "사람이 학교에서 배우듯이 로봇에게도 학교가 필요하다"며 "고품질의 데이터를 표준화해 대량으로 생산하고, 이렇게 생산된 데이터를 하나의 로봇에서만 사용하는 것이 아니라 다른 로봇들과 공유해 활용할 수 있도록 만드는 것"이라고 말했다.

이를 통해 로봇 한 대가 현장에서 쌓은 경험을 다른 로봇의 학습에 활용하고, 성능이 개선된 로봇이 다시 새로운 데이터를 만들어내는 선순환 구조를 구축하겠다는 계획이다. 손 대표는 이를 '플라이휠(Flywheel)'에 비유하며 데이터 축적과 학습이 반복될수록 기술 경쟁력도 강화될 수 있다고 설명했다.

앞으로 스마트시티의 경쟁력도 달라질 것으로 내다봤다. 기존에는 도시의 시설과 정보를 얼마나 많이 연결했는지가 중요했다면, 앞으로는 얼마나 많은 AI 에이전트와 로봇이 도시에서 안정적으로 움직이며 실제 문제를 해결할 수 있는지가 중요해진다는 것이다.

손 대표는 "한 대의 로봇이 얻은 경험이 수많은 로봇의 지능으로 이어지고, 그 지능이 다시 대한민국 산업의 경쟁력으로 이어지는 것"이라며 "이것이 마음AI가 생각하는 피지컬AI의 미래"라고 말했다.

수정 핵심: 후반부에서 데이터 공유 기술에 대한 설명을 한 번으로 묶고, 손 대표의 '플라이휠' 발언을 별도 문장으로 살렸다. 기사 전체가 실제 로봇 활용 사례에서 시작해 경험 데이터의 축적·공유, 학습의 선순환, 산업 경쟁력으로 연결되도록 정리했다.


◎공감언론 뉴시스 siming@newsis.com