피지컬 AI 뜻, 똑똑하게 행동하는 AI의 특징은? 실제 국내 사례까지

언어 모델 기반의 AI의 다음 주자는 ‘피지컬 AI’입니다. 
- 젠슨 황, 엔비디아 CEO / CES 2025 기조연설

국내를 넘어, 전 세계 측면으로 바라보았을 때에도 시장성이 뚜렷합니다. 시장 조사 기관 ‘스태티스타’에 따르면 전 세계 피지컬 AI 시장 규모는 연평균 23.3% 성장하여 2025년 225억 달러(약 33조원), 2030년은 무려 그 643억 달러에 이를 전망이라고 하죠. 성장세가 어마어마합니다.

페블러스 데이터 커뮤니케이션팀에서는 피지컬 AI 뜻을 정확하게 말씀드리며, 페블러스의 기술을 통해 실제 피지컬 AI 개발에 있어서 도움을 드린 사례까지 이해하기 쉽게 말씀드리려 합니다.

피지컬 AI 뜻은?

젠슨 황이 언급한 것처럼, 지금까지는 ‘AI’라고 하면 ‘언어 모델 기반의 AI’가 가장 먼저 떠올랐습니다. 대중적으로 사용되는 서비스를 예로 들자면, 챗지피티(Chatgpt), 퍼플렉시티(Perplexity)처럼 텍스트 기반으로 질문을 던지고 답변을 도출하는 형태죠. 

피지컬 AI는 휴머노이드 같은 로봇이나 스마트 공장같은 거대한 자동화 시스템 형태로 구현됩니다. 센서, 카메라 등을 통해 주변 환경에 대한 데이터를 실시간으로 수집해요. 이후 해당 데이터를 기반으로 얼마나 빠르게, 어느 방향으로, 어떤 힘으로 움직일지 스스로 판단합니다. 이후 최적의 동작을 선택해 실행까지 이어집니다.

사고와 행동이 동시에 가능한 피지컬 AI를 현장에 도입한다면, 지금과는 비교가 어려울 정도로 탁월한 생산성을 가진 작업 환경이 탄생할 것입니다.  

산업별 활용 분야

• 자율주행 자동차 시스템: 차량에 장착된 카메라, 센서를 통해 도로 환경을 감지합니다. 자체적으로 실시간으로 속도, 방향을 결정하며 안전하게 차량을 운행합니다. 단순히 네비게이션만 따라 가는 게 아니라, ‘도로 위의 물리적 상황에 맞춰 스스로 판단하고 행동하는 AI’라는 점이 포인트입니다. 
  
  
• 스마트공장 생산 관리 시스템: 생산 라인의 상태를 실시간으로 분석합니다. 설비 동작을 자동 제어해서 반복 작업을 효율적으로 진행하는 것이죠! 생산 비용을 크게 절감할 수 있습니다.
  
  
• 호텔, 공항의 휴머노이드 로봇: 호텔, 공항에서도 피지컬 AI 기능이 탑재된 휴머노이드 로봇이 활약한다면 어떨까요? 호텔, 공항에서의 길 안내를 도와주고, 짐 운반, 보안 및 순찰까지 가능합니다.
  
  
• 의료 로봇: 좀더 구체적으로 ‘수술 로봇’을 예로 들어볼까요? 피지컬 AI가 탑재된 로봇은 환부를 봉합할 때 필요한 힘의 강도와 방향을 스스로 조절하여, 안전한 방향으로 수술을 마칠 수 있습니다.

이처럼 다양한 산업에서 활용되지만, 이 중에서도 ‘제조업’에서 적극 활용될 것으로 전망합니다. 특히 한국은 조선, 자동차, 소재, 부품 등 제조업 기반이 탄탄하죠. 

똑똑하게 행동하는 피지컬 AI를 개발하려면? 이 2가지는 필수입니다.

피지컬 AI의 선두주자가 되려면 어떤 사항을 중점으로 두고 개발해야 할까요? 두가지를 기억하시길 바랍니다.

1. 디지털 트윈, 피지컬 AI가 학습하기 좋은 데이터

"훌륭한 AI 모델은 훌륭한 데이터에서 나옵니다." - 세계 4대 AI 석학 앤드류 응 (Andrew Ng)

피지컬 AI도 예외는 아닙니다. 그렇다면 훌륭한 피지컬 AI를 만들기 위해서는 어떤 데이터가 훌륭한 걸까요? 페블러스 데이터 커뮤니케이션 팀은 단언컨대 ‘현실과 유사한 가상 환경’을 구현하는 데이터라고 생각합니다.

아무리 신입 직원이 똑똑하더라도, 현장에 대해 아무 것도 모르는 상태로 현장에서 중요한 업무를 수행하기란 리스크가 크죠. 피지컬 AI도 그렇습니다. 그래서 도입 전 최대한 유사한 데이터로 학습을 시켜야 합니다. 

결국 현실적인 환경을 만들기 위해서는 향후 데이터 품질 개선 전략을 이렇게 수립해야 합니다. 

1) 실제 데이터의 품질을 개선해야 합니다.

센서, 카메라로 수집한 이미지·영상·위치 데이터, 기계 장비의 동작 패턴 등 실제 데이터들이 필요합니다. 그런데 이때 실제 데이터를 그대로 사용하는 게 아니라, 품질을 개선해야 합니다. 그 안에서 노이즈, 라벨링 불일치 등 오류까지 그대로 학습할 수도 있기 때문이죠.

또한 로봇을 개발하는 기업이라면 로봇 개발에 있어서 LLM 파인튜닝용 QA 데이터셋 구축 방안에 관한 글도 확인해 보세요! 로봇 속 LLM이 효과적으로 데이터셋을 학습하고 움직일 수 있도록 도움을 드립니다. 

2) 의도적으로 품질이 떨어지는 데이터를 넣는다고?

지금까지 품질을 개선하자고 말씀드렸는데, 갑자기 정반대의 내용이 나왔죠? 물론 개선이 필요한 저품질 데이터도 있겠지만, 실상 저품질 데이터를 완전히 없앤다기보다는 저품질 데이터와 고품질 데이터를 정확히 구분하여 활용하는 것이 핵심입니다.

피지컬 AI 개발에서는 의도적으로 ‘품질이 떨어지는 데이터’를 포함하는 전략도 중요합니다. 일종의 ‘오답 노트’라고 생각하시면 쉽습니다. 

• AI가 언제나 이상적인 상황만 학습한다면, 실제 현장에서 발생하는 예외 상황, 불완전한 입력, 센서 오류를 제대로 처리하지 못합니다. 
  
  
• 반대로 ‘현실에서 충분히 발생할 수 있는 나쁜 데이터’를 오답노트 용도로 의도적으로 보여준다면? AI는 잘못된 입력이 들어왔을 때 어떻게 대응해야 하는지를 함께 학습합니다. 이전보다 더 유연하게 대처하는 AI가 탄생하겠죠.
  
  

3) 현실보다 현실같은 합성데이터 생성 기술

물론 실제 데이터를 수집하면 좋겠지만, 거의 불가능한 상황이 있습니다. 예를 들어 실제 데이터의 양이 부족하거나, 위험한 상황이라 현실 속 데이터를 수집할 수 없는 것이죠. 그래서 페블러스 데이터클리닉은 피지컬 AI을 위해 합성 데이터를 적극 활용합니다. 

‘합성 데이터는 어색하고 부자연스럽지 않을까?’라고 생각할 수 있지만, 데이터클리닉은 이 한계를 넘었습니다.

또한 좀더 자세한 피지컬 AI 데이터 파이프라인 구축 방안이 궁금하다면, 링크를 통해 글을 읽어 보세요!

2. 강화학습 알고리즘(Reinforcement Learning, RL)

이렇게 데이터를 학습하는 것도 중요하지만, 알고리즘도 중요합니다. 이때 최적의 알고리즘이 ‘강화학습 알고리즘’입니다. 

강화학습이란? AI가 특정 상호작용을 통해 보상을 받으며 최적의 행동을 학습하며, 성능을 향상하는 과정을 말합니다.

알고 보면 많은 분들께 정말 익숙한 개념입니다. 2016년 3월, 알파고는 이세돌 9단과의 5번기에서 4대 1로 승리하는 사건은 전 세계에 충격을 안겨주었죠. 이때 알파고가 이세돌 9단을 상대로 승리로 이끈 핵심 알고리즘이 강화학습입니다. 

또한 이 글을 읽고 있는 여러분도 강화학습 알고리즘대로 자연스럽게 행동하고 있습니다. 강화학습 알고리즘은 동물의 학습 패턴을 그대로 반영한 것이기 때문이죠. 원리를 3단계로 간단하게 설명하면 이렇습니다. 

• 특정 상태에서
• 특정 행동을 한다. 
• 이때 보상을 받는다.

이렇게 피지컬 AI는 보상을 받기 위한 특정 행동을 반복하면서 성능이 높아집니다. 반대도 똑같이 적용됩니다. 특정 상태에서 특정 행동을 했을 때 보상이 아닌 손실이 생긴다면? 그 행동은 다시 수행하지 않습니다. 

강화학습이 왜 피지컬 AI에 적합한 걸까요? 

현실에서는 예측 불가한 상황들이 넘쳐납니다. 그런데 강화학습 알고리즘이라면 보상 기반으로 학습을 하기 때문에, 그 어떤 변수든 자율적으로 오답과 정답을 학습하며 대처할 수 있습니다. 그저 정해진 규칙만 학습시켰다면 피지컬 AI 자체가 탄생할 수 없죠.

국내 대형 제조업 기업, 생산라인 최적화를 위해 피지컬 AI 프로젝트 시작!

이 글을 작성하는 시점은 2025년, 즉 알파고와 이세돌 9단의 대결 이후 9년이라는 시간이 흘렀습니다.

9년이 지난 지금, 페블러스는 데이터클리닉은 더욱 정교한 강화학습 알고리즘과 품질 높은 데이터를 국내 대형 제조업 기업의 제조 현장에 적용하고 있습니다. 생산라인 최적화를 위해 피지컬 AI 프로젝트를 수행 중이죠!

• 현재 기계의 온도(상태)에서 온도를 1도 올린다면(행동)?
• 수율 개선, 불량 감소(보상)이 따라옵니다.
• 반복적으로 이를 감지하면, 해당 온도를 그대로 유지합니다.  

이처럼 강화학습 알고리즘을 실제 제조 공정에 적용해, 생산 효율을 높이고 불량률을 낮추는 데 기여하고 있습니다.

또한 강화학습이 제대로 작동하려면 고품질의 데이터가 필요하죠. 강화학습, 데이터의 품질 두 가지는 서로 상부상조하는 관계라 볼 수 있으니까요. 그래서 데이터클리닉은 다음 두 가지 전략을 함께 사용합니다.

• 온도·압력·습도·진동·속도 등 센서 데이터, 장비 로그, 공정 이벤트, 품질 검사 결과를 면밀하게 분석 후, 오류가 있는 데이터와 깨끗한 데이터를 구분했습니다. 이 데이터를 정제하고 노이즈를 제거해 현실과 동일한 디지털 트윈 환경을 구성합니다.
  
  
• 제조업에서는 센서 오류, 조명 변화, 비정상적인 공정 상황이 종종 발생하죠. 그래서 데이터클리닉은 이러한 엣지 케이스 데이터를 의도적으로 활용하여, 피지컬 AI가 불량이 발생하거나 위험한 상황을 파악하게 했습니다.
  
  

엣지 케이스 데이터란? 일반적인 패턴에서 벗어난 극단적이고 드문 상황의 데이터, AI가 실제 현장에서 마주칠 수 있는 ‘예외적 상황’을 학습하게 돕는 데이터

여러분이 피지컬 AI의 선두주자가 될 수 있도록, 페블러스가 나침반이 되어 드립니다.

여기까지 피지컬 AI의 개념과 방향성을 말씀드렸습니다. 하지만 실제로 피지컬 AI를 개발하려고 하면 막막하죠. 성장세는 높지만 아직 미지의 영역이 많은 피지컬 AI, 새로운 영역을 개척해야 한다는 부담감이 찾아옵니다. 기업이 피지컬 AI를 개발할 때 가장 먼저 마주하는 현실입니다.

페블러스가 지금까지 걸어온 길도 그렇습니다. 사실 강화학습이라는 개념은 해외에서만 주로 다루어지던 개념이었습니다. 국내에는 강화학습 전문서가 거의 없고, 다소 낯설게 느껴졌죠.

페블러스의 이주행 대표님, 이정원 부대표님은 이에 대해 아쉬움을 느끼며 강화학습에 대한 개념을 국내에 알리기 위해 노력을 다해왔습니다. 우선 '파이썬 예제와 함께하는 강화학습 입문'을 번역하여 국내 현실에 알맞게 재정비해 소개했습니다.

2019년 AI프렌즈 학술세미나에서 강화학습을 소개했던 발표 역시 국내 시장에서 AI의 미래를 준비하는 첫 단계였습니다. 스트림스 게임의 로직을 기반으로 강화학습에 대해 쉽고 재미있게 소개했던 시간이었습니다. 

또한 고등과학원 블로그에 작성한 칼럼인 스트림스 게임으로 시작하는 강화학습 1편, 2편에서 자세한 내용을 확인하실 수 있습니다. 

또한 최근에는 다년간의 경험과 철학을 바탕으로 한층 더 발전한 데이터 품질 관리 솔루션 ‘데이터클리닉 2.0’을 출시했습니다. 데이터 품질 진단부터 디지털 트윈 기반 최적화까지, 똑똑하게 행동하는 피지컬 AI를 만들기 위한 모든 준비가 갖추어진 솔루션입니다. 

페블러스는 단순히 ‘현재 시점’에서 데이터를 정제, 개선만 하는 것은 역부족이라고 생각합니다. 여러분이 ‘미래’에 더 나아지는 AI 모델을 만날 수 있도록, 한 발짝 먼저 나아가고 있습니다.

여러분이 국내 피지컬 AI의 선두주자가 될 수 있도록 가장 먼저 미지의 영역을 탐험하고, 나침반이 되어 드리겠습니다.