한국, 10월 코엑스서 ‘피지컬 AI’ 국제 표준 포럼 추진

피지컬 AI 논의가 ‘모델’에서 ‘현장 데이터’로 내려옴

• AI EXPO KOREA 2026 현장에서 피지컬 AI 산업 정책 간담회가 열렸고, 10월 서울 코엑스에서 국제 피지컬 AI 표준 포럼을 추진하자는 논의가 나왔음

  • 이언주 더불어민주당 수석최고위원이 한국피지컬AI협회 공동관을 방문했고, 마음AI, 로보케어, 한국인프라, 크라우드데이터, 더블유닷에이아이, 한국기계전기전자시험연구원 관계자 등이 참석함
  • 이후 단국대, 케어링 쪽도 합류해서 산업 현장의 애로사항과 제도 개선 방향을 공유함

• 핵심 의제는 꽤 현실적임. “숙련공의 노하우를 로봇이 배울 수 있는 데이터로 만들고, 그 노하우 제공자에게 보상하자”는 얘기였음

  • 제조·건설·물류·돌봄 현장에는 문서로 정리되지 않은 판단과 작업 감각이 많음
  • 이걸 행동 데이터로 구조화하면 로봇 학습 자산이 되지만, 누가 원천 경험을 제공했는지와 보상 구조가 애매해짐
  • 그래서 단순 기술 개발이 아니라 법·제도 기반까지 같이 가야 한다는 주장이 나온 것

표준, 교육, 로봇 파운드리까지 한꺼번에 묶는 그림

• 참석자들은 피지컬 AI 전문 인재를 키우는 교육 체계도 필요하다고 봤음

  • 코엑스 인근에 시민과 청년이 직접 피지컬 AI를 체험할 수 있는 상설 체험존을 만들자는 제안이 나옴
  • 한국피지컬AI협회 산하 교육원 설립도 거론됨
  • 단순 전시가 아니라 로봇 운영, 행동 데이터 학습, 자율주행, 시뮬레이션, 인간-로봇 상호작용을 직접 다루는 실습형 공간이 방향임

• 국내 제조·모빌리티 산업과 연결한 다기종 로봇 파운드리 생태계도 논의됐음

  • 여러 형태의 로봇 플랫폼과 피지컬 AI 기술을 통합·검증·운영하는 산업형 체계를 만들자는 얘기
  • 현대자동차 같은 국내 제조기업과 협력 가능성도 언급됨
  • 여기서 말하는 파운드리는 반도체 위탁생산 같은 단순 비유라기보다, 로봇 플랫폼을 산업 현장에서 검증하는 운영 기반에 가까움

• 손병희 한국피지컬AI협회 피지컬AI 표준협의회 의장은 모델만 잘 만드는 것으로는 부족하다고 봤음

  • 로봇이 현장에서 보고, 판단하고, 행동하며 축적하는 운영 데이터와 행동 데이터가 국가 경쟁력이 된다는 주장
  • 텍스트 중심 AI를 넘어 로봇과 산업 현장을 연결하는 표준과 데이터 체계를 선점해야 한다는 메시지임

10월 포럼은 국제 표준 경쟁의 무대가 될 가능성

• 국제 피지컬 AI 표준 포럼은 한국전자통신연구원이 총괄책임기관으로 수행 중인 ‘피지컬 AI 표준전문연구실’ 프로젝트의 일환으로 추진 중임

  • 한국피지컬AI협회는 한국전자통신연구원, 서울경제진흥원 등과 협력해 10월 서울 코엑스 개최를 준비하고 있음
  • 산업계, 학계, 연구기관, 정책 관계자가 참여하는 글로벌 협력 플랫폼을 목표로 함

• 포럼에서 다룰 주제는 꽤 넓음

  • 피지컬 AI 국제표준
  • 행동 데이터 체계
  • 로봇 책임 구조
  • 산업 실증
  • 전문 인재 양성

• AI EXPO KOREA 2026 자체도 규모가 커졌음

  • 5월 6일부터 8일까지 서울 삼성동 코엑스에서 열렸고, 18개국 330개 기업이 562부스로 참가함
  • 참관객은 4만8678명으로 역대 최대 기록을 세움
  • 행사 성격도 단순 AI 기술 전시에서 피지컬 AI, 실세계 AI, 에이전트 AI, 범용 인공지능 전략을 다루는 플랫폼으로 넓어졌다는 평가가 나옴

---

기술 맥락

• 피지컬 AI에서 어려운 건 모델 자체보다 “현장 행동을 데이터로 어떻게 바꾸느냐”예요. 제조나 돌봄 현장의 숙련자는 상황을 보고 바로 판단하지만, 그 판단 과정은 코드나 매뉴얼로 남아 있지 않은 경우가 많거든요.

• 그래서 행동 데이터 표준이 중요해져요. 로봇이 어떤 센서 입력을 받았고, 어떤 판단을 했고, 어떤 동작을 했는지가 일관된 형식으로 쌓여야 다른 로봇이나 시뮬레이션 환경에서도 재사용할 수 있어요.

• 다기종 로봇 파운드리 얘기가 나온 이유도 여기에 있어요. 로봇은 하드웨어마다 센서, 구동부, 제어 방식이 다르기 때문에 한 회사의 데모만으로는 산업 적용성을 검증하기 어렵거든요.

• 개발자 관점에서는 이 흐름이 데이터 파이프라인, 시뮬레이션, 로봇 운영 플랫폼, 책임 추적 시스템으로 이어질 가능성이 커요. 결국 “로봇이 왜 그렇게 행동했는지”를 기록하고 설명할 수 있어야 산업 현장에 넣을 수 있기 때문이에요.