정부, 피지컬 AI 국산화 착수…로봇 월드모델에 2년간 340억 투입

정부가 피지컬 AI 국산화에 시동 걸었다

• 정부가 피지컬 인공지능(AI) 핵심 인프라를 외산에만 기대지 않겠다고 선언함.

  • 과학기술정보통신부와 정보통신기획평가원(IITP)이 서울 마곡 LG사이언스파크에서 ‘피지컬 AI 선도기술개발’ 사업 착수보고회를 열었음.
  • 핵심은 월드모델과 로봇 파운데이션 모델 같은 원천기술을 자체 개발하는 것.
  • 목표 시점도 느긋하지 않음. 2년 안에 글로벌 최고 수준 성능을 달성하겠다는 계획임.

• 피지컬 AI는 정부의 AI 기반 국가 혁신 프로젝트 ‘K-문샷’ 핵심 미션 중 하나임.

  • 국방, 농업, 돌봄, 제조, 서비스처럼 실제 세계에서 움직이는 산업과 바로 연결됨.
  • 단순히 로봇이 똑똑해지는 문제가 아니라 데이터 주권과 국가 안보에도 걸려 있는 전략기술로 보고 있음.
  • 류제명 과기정통부 제2차관은 젠슨 황 엔비디아 CEO가 방한해 국내 기업·대학과 피지컬 AI 협력을 논의한 점도 언급함.

왜 월드모델인가

• 월드모델은 피지컬 AI에서 거의 ‘가상 훈련장’ 같은 역할을 함.

  • 로봇은 현실 환경에서 오작동하면 인명피해나 설비 사고로 이어질 수 있음.
  • 그래서 실제 투입 전에 가상 환경에서 충분히 학습하고 검증하는 과정이 필수임.
  • 월드모델은 세상의 변화를 예측하고, 대량의 합성 데이터를 만들어 AI 학습과 의사결정을 돕는 핵심 인프라로 설명됨.

• 국내 피지컬 AI 생태계는 이런 시뮬레이션 플랫폼을 대부분 외산에 의존해왔다는 문제의식이 있음.

  • 과기정통부는 독자 개발한 월드모델 원천기술로 국산 시뮬레이터를 검증하겠다는 청사진을 냄.
  • 이후 이를 차세대 피지컬 AI 파운데이션 모델로 구현하는 흐름을 잡고 있음.
  • 쉽게 말해 로봇의 ‘몸’만 만드는 게 아니라, 학습 환경과 두뇌까지 국내에서 확보하겠다는 얘기임.

• LG전자가 주관기관을 맡고 10개 산학연이 붙음.

  • 참여 기관은 LG전자, 마음AI, 홀리데이로보틱스, 로보티즈, 크라우드웍스, 알체라, KT, KAIST, 서울대, 한국정보통신기술협회임.
  • 제조 현장 데이터, 로봇 하드웨어, AI 모델, 평가·표준 쪽 역량을 한데 묶는 구성으로 보임.

한국은 제조 데이터로 승부 보겠다는 그림

• LG전자 AI연구소 쪽은 현재 피지컬 AI의 한계로 세 가지를 짚음.

  • 복잡한 작업을 연속으로 수행하는 능력이 부족함.
  • 물리적 일관성이 떨어짐.
  • 반복적인 데이터 재학습이 계속 필요함.
  • 김영준 LG전자 AI연구소장은 이를 해결하려면 물리 세계 이해를 내재화한 월드모델이 필요하다고 설명함.

• 흥미로운 건 한국의 경쟁 포인트를 ‘제조 특화’에서 찾는다는 점임.

  • 김 소장은 엔비디아 코스모스 같은 공개 글로벌 월드모델도 제조 환경 이해는 아직 부족하다고 봄.
  • 제조 공정 데이터와 설비 운영 경험이 결합돼야 풀 수 있는 문제가 있기 때문에, 한국은 제조 현장 중심 데이터와 경험으로 경쟁력을 만들 수 있다는 논리임.
  • 범용 모델 경쟁을 정면으로 따라가기보다, 제조 현장의 빡센 제약을 아는 모델로 차별화하겠다는 쪽에 가까움.

• 중국 로봇 하드웨어에 대한 현실적인 진단도 나옴.

  • 김병수 로보티즈 대표는 중국이 글로벌 로봇 하드웨어 시장을 무서운 속도로 장악하고 있는 건 사실이라고 말함.
  • 다만 한국과 중국의 기술 격차는 과거 3년 이상에서 최근 약 1년 수준으로 좁혀졌다고 평가함.
  • 중국은 완성도가 낮은 제품에도 정부가 과감히 투자·소비하면서 기술을 끌어올리는 반면, 한국은 필드 테스트 기회가 적다는 점이 약점으로 지목됨.
  • 대신 한국은 개방성과 오픈소스 전략이 차별화 무기가 될 수 있다고 봄.

2년, 340억, 성공률 20%포인트

• 정부는 올해부터 2년간 총 340억 원을 투입함.

  • 핵심 성과 지표는 월드모델 미적용 대비 실제 로봇 최종 동작 성공률을 20%포인트 이상 높이는 것.
  • 기사에서는 현재 글로벌 최고 수준인 오픈GV랩의 14.5%포인트를 웃도는 목표라고 설명함.
  • 숫자로 보면 꽤 공격적인 목표임. 그냥 국산화했다는 선언만으로 끝낼 수 없는 구조임.

• 실증 파이프라인도 짧은 주기로 반복 검증하는 방식임.

  • 월드모델 학습부터 로봇 파운데이션 모델 연계, 실증·성능 평가, 사례 분석·재학습까지 이어지는 파이프라인을 구축함.
  • 2년 동안 총 4회 반복 검증을 거칠 계획임.
  • 마지막 단계에서는 실제 제조·물류 현장 실증을 통해 사업화 가능한 성과로 연결하겠다는 방침임.

• 착수보고회에서는 LG전자의 ‘클로이드’ 로봇과 로보티즈의 ‘AI워커’ 로봇 시연도 있었음.

  • 두 로봇이 피지컬 AI 기술을 바탕으로 사람과 주먹인사를 나누는 상호작용을 보여줌.
  • 물론 이런 데모 자체보다 중요한 건, 앞으로 실제 제조·물류 환경에서 반복 검증을 통과하느냐임.

---

기술 맥락

• 이번 사업의 기술적 선택은 “로봇을 더 많이 만들자”가 아니라 “로봇이 배우는 가상 세계를 직접 만들자”에 가까워요. 피지컬 AI는 현실에서 실패 비용이 크기 때문에, 학습과 검증을 시뮬레이션에서 최대한 끝내는 구조가 중요하거든요.

• 월드모델을 국산화하려는 이유는 단순한 애국 기술 개발이 아니에요. 제조 공정 데이터나 설비 운영 경험처럼 현장 맥락이 강한 데이터는 범용 글로벌 모델만으로 잘 먹히지 않을 수 있어요. 그래서 한국은 제조 현장 특화 데이터를 경쟁력으로 삼겠다는 판단을 한 거예요.

• 구현 흐름은 월드모델 학습, 로봇 파운데이션 모델 연결, 실제 로봇 실증, 성능 평가, 재학습으로 이어져요. 이걸 2년 동안 4번 반복 검증하겠다는 건 모델을 한 번 만들어 끝내는 게 아니라 현장 피드백으로 계속 닦겠다는 뜻이에요.

• 성과 지표가 ‘성공률 20%포인트 향상’으로 잡힌 것도 중요해요. 피지컬 AI는 말 잘하는 모델처럼 데모 영상만으로 평가하기 어렵고, 실제 로봇이 최종 동작을 얼마나 안정적으로 끝내는지가 핵심이거든요. 개발자 입장에선 모델 성능보다 평가 파이프라인과 실증 데이터 품질이 더 큰 변수가 될 수 있어요.