산업용 로봇, 이제는 ‘팔이 달린 자동화 장비’를 넘어선다
공장이나 제철소에서 일하는 로봇을 떠올리면 보통 정해진 동작을 반복하는 장면이 먼저 생각납니다. 용접하고, 옮기고, 조립하고, 위험한 곳에서 사람 대신 작업하는 모습이죠. 그런데 최근 산업용 로봇의 방향이 조금씩 달라지고 있습니다. 단순히 “명령한 대로 움직이는 기계”가 아니라, 주변 상황을 이해하고 작업 맥락에 맞춰 움직이는 쪽으로 진화하고 있기 때문입니다.
이번에 눈에 띄는 소식은 포스코DX와 NC AI의 협력입니다. 포스코DX는 산업 현장 자동화와 로봇 제어 쪽에 강점을 가진 회사이고, NC AI는 AI 모델 개발 역량을 가진 기업입니다. 두 회사가 함께 추진하는 핵심은 AI 기반 로봇 자율작업 체계, 더 쉽게 말하면 산업 현장에 맞는 ‘로봇 파운데이션 모델’을 만드는 것입니다.
최근 AI 흐름을 보면 챗봇이나 문서 작성 도구에만 머물지 않습니다. 업무 앱, 보안, 데이터 분석, 콘텐츠 제작을 넘어 이제는 물리 세계에서 직접 움직이는 피지컬 AI로 관심이 넓어지고 있습니다. 예전에 다룬 AI 도입은 시작일 뿐, 진짜 승부는 ‘데이터’에 달렸다라는 이야기와도 연결됩니다. 로봇이 똑똑해지려면 결국 현장의 데이터를 이해하고, 그 데이터를 실제 행동으로 바꾸는 능력이 필요하니까요.
포스코DX와 NC AI가 나눠 맡은 역할
이번 협력에서 포스코DX는 로봇의 모션 플래닝, 제어, 시뮬레이션 검증을 맡습니다. 현장에서 로봇이 어떤 경로로 움직여야 안전한지, 장애물이나 작업 조건이 바뀌었을 때 어떻게 동작해야 하는지, 실제 투입 전에 가상 환경에서 충분히 테스트하는 역할입니다.
여기서 중요한 키워드가 디지털 트윈입니다. 실제 현장과 비슷한 가상 공간을 만들고, 그 안에서 로봇의 움직임을 미리 검증하는 방식이죠. 산업 현장은 작은 오류도 안전사고나 생산 차질로 이어질 수 있기 때문에 “일단 넣어보고 고치자”가 통하지 않습니다. 그래서 실제 장비를 움직이기 전에 가상 환경에서 반복 검증하는 과정이 매우 중요합니다.
NC AI는 로봇이 상황을 이해하고 판단할 수 있도록 AI 모델을 개발하는 쪽을 담당합니다. 특히 기사에서 언급된 VLA 모델이 핵심입니다. VLA는 Vision-Language-Action의 줄임말로, 시각 정보와 언어 정보를 바탕으로 실제 행동을 생성하는 모델을 뜻합니다. 쉽게 말해 로봇이 카메라로 주변을 보고, 사람이 내린 지시를 이해한 뒤, 그에 맞는 동작을 선택하도록 만드는 기술입니다.
예를 들어 작업자가 “저 부품을 집어서 오른쪽 컨베이어에 올려줘”라고 말했을 때, 로봇은 먼저 ‘저 부품’이 무엇인지 시각적으로 찾아야 합니다. 그리고 ‘오른쪽 컨베이어’의 위치를 파악해야 하며, 부품을 집는 힘과 경로, 내려놓는 위치까지 계산해야 합니다. 기존 자동화가 정해진 좌표와 반복 명령에 가까웠다면, VLA 기반 로봇은 훨씬 유연한 작업 이해를 목표로 합니다.
왜 제조 현장에서 피지컬 AI가 중요한가
제조 현장은 생각보다 변수가 많습니다. 같은 공정이라도 부품 위치가 조금 달라질 수 있고, 작업 순서가 바뀔 수 있으며, 주변 설비나 사람의 움직임도 계속 달라집니다. 기존 산업용 로봇은 정밀하지만 유연성은 제한적이었습니다. 정해진 환경에서는 빠르고 정확하지만, 환경이 바뀌면 재설정과 튜닝이 필요했죠.
피지컬 AI가 주목받는 이유는 이 지점을 해결할 가능성 때문입니다. 로봇이 시각 정보를 해석하고, 언어 지시를 이해하고, 상황에 맞게 행동을 바꿀 수 있다면 자동화의 범위가 훨씬 넓어집니다. 단순 반복작업뿐 아니라 고위험·고강도 업무, 작업자의 보조가 필요한 복합 작업까지 확장될 수 있습니다.
특히 제철, 물류, 조선, 화학, 건설처럼 위험도가 높은 현장에서는 의미가 큽니다. 사람이 직접 들어가기 어려운 곳, 무거운 물체를 다뤄야 하는 곳, 반복 작업으로 피로가 누적되는 곳에 더 똑똑한 로봇을 투입할 수 있기 때문입니다. 이는 생산성 향상뿐 아니라 산업 안전 측면에서도 중요한 변화입니다.
로봇 파운데이션 모델이 바꿀 수 있는 것
파운데이션 모델이라는 표현은 챗GPT 같은 생성형 AI에서 많이 들어보셨을 겁니다. 다양한 데이터를 학습해 여러 작업에 활용할 수 있는 기반 모델이라는 뜻이죠. 이 개념이 로봇으로 옮겨오면, 특정 장비 하나에만 맞춘 프로그램이 아니라 여러 작업과 환경에 응용 가능한 로봇 지능을 만들 수 있습니다.
물론 산업용 로봇에 바로 범용성을 부여하는 일은 쉽지 않습니다. 현실 세계는 텍스트보다 훨씬 까다롭습니다. 물체의 무게, 마찰, 조명, 온도, 진동, 안전 거리 같은 요소가 모두 영향을 줍니다. 그래서 포스코DX의 시뮬레이션·제어 기술과 NC AI의 모델 개발 역량이 함께 묶이는 점이 중요합니다. AI 모델만 좋아도 실제 로봇이 안정적으로 움직이지 못하면 현장 적용이 어렵고, 반대로 제어 기술만 있어도 상황 이해 능력이 부족하면 활용 범위가 제한됩니다.
이 흐름은 AI 에이전트가 업무 앱과 결합하는 변화와도 닮아 있습니다. 소프트웨어 영역에서는 이미 AI가 사용자의 요청을 이해하고 여러 도구를 연결해 일을 처리하는 방향으로 가고 있습니다. 관련해서는 삼성SDS 패브릭스 2.0과 AI 에이전트 변화에서도 비슷한 방향을 볼 수 있습니다. 차이가 있다면 이번에는 그 무대가 화면 속 업무 툴이 아니라 실제 산업 현장이라는 점입니다.
당장 완성형보다 중요한 것은 현장 검증
이번 협력이 곧바로 모든 공장을 자동화한다는 뜻은 아닙니다. 오히려 중요한 포인트는 현장에 맞는 검증 체계를 쌓는 데 있습니다. 로봇 AI는 데모 영상처럼 멋지게 움직이는 것보다, 실제 현장에서 매일 안정적으로 동작하는지가 훨씬 중요합니다.
그래서 디지털 트윈 기반 테스트, VLA 시뮬레이션 환경, 모션 플래닝 검증 같은 단어에 주목할 필요가 있습니다. 결국 피지컬 AI의 경쟁력은 모델 성능만으로 결정되지 않습니다. 데이터를 어떻게 모으고, 가상 환경에서 얼마나 안전하게 테스트하고, 실제 설비와 어떻게 연결하고, 예외 상황을 얼마나 잘 처리하는지가 함께 맞물려야 합니다.
기업 입장에서도 로봇 자동화는 단순한 비용 절감 수단을 넘어설 가능성이 있습니다. 숙련 인력 부족, 안전 규제 강화, 생산 품질 관리, 다품종 소량 생산 같은 과제를 해결하는 도구가 될 수 있기 때문입니다. 특히 사람과 로봇이 협업하는 구조가 자리 잡으면, 작업자는 반복적이고 위험한 일을 줄이고 더 높은 판단과 관리 업무에 집중할 수 있습니다.
앞으로 눈여겨볼 관전 포인트
첫째는 실제 산업 현장 적용 사례입니다. 기술 협력 발표보다 더 중요한 것은 어느 공정에, 어떤 형태로, 어느 정도 안정성으로 적용되는지입니다. 둘째는 데이터 확보 방식입니다. 로봇이 현장을 이해하려면 작업 데이터가 필요하지만, 산업 데이터는 민감하고 표준화도 쉽지 않습니다. 셋째는 다른 로봇·설비와의 협업입니다. 하나의 똑똑한 로봇보다 여러 장비가 함께 움직일 때 제조 현장의 효율은 더 크게 달라질 수 있습니다.
개인적으로 이번 포스코DX와 NC AI의 협력은 ‘AI가 현실 세계로 내려오는 과정’을 보여주는 사례라고 봅니다. 생성형 AI가 글을 쓰고 이미지를 만드는 단계를 지나, 이제는 눈으로 보고 손으로 움직이는 로봇과 연결되고 있습니다. 아직 갈 길은 있지만 방향은 분명합니다. 앞으로의 산업용 로봇은 더 이상 정해진 동작만 반복하는 장비가 아니라, 현장을 이해하고 사람과 협업하는 지능형 파트너에 가까워질 가능성이 큽니다.