로봇 파운데이션 모델을 보유한 기업은 어디일까? 씨메스로보틱스의 차별점
생성형 AI 이후 글로벌 AI 시장의 관심은 현재 빠르게 피지컬 AI로 이동하고 있습니다. 예를 들어 ChatGPT가 사람의 언어를 이해하는 AI였다면, 이제는 현실 세계를 이해하고 직접 행동하는 AI, 즉 로봇 AI가 새로운 경쟁 무대가 되고 있는 것이죠.
이 변화의 중심에는 로봇 파운데이션 모델(Robot Foundation Model, RFM)이 있습니다. 최근 NVIDIA, Google DeepMind, Tesla, Figure AI 등 글로벌 기업들이 앞다퉈 로봇 파운데이션 모델을 개발하는 이유도 여기에 있습니다. 그렇다면 현재 로봇 파운데이션 모델은 무엇이고 직접 개발하고 있는 기업들은 어디일까요?
로봇 파운데이션 모델(Robot Foundation Model)이란?
생성형 AI에서 거대 언어 모델(LLM)이 방대한 텍스트를 학습해 사람의 언어를 이해하고 생성하는 것처럼, 로봇 파운데이션 모델은 다양한 로봇 작업과 실제 환경 데이터를 학습해 보고(Perception), 이해하고(Reasoning), 행동(Action)할 수 있도록 만든 AI 기반 모델입니다.
기존 산업용 로봇이 미리 프로그래밍된 동작을 반복 수행하는 데 초점이 맞춰져 있었다면, 로봇 파운데이션 모델은 처음 보는 물체나 변화하는 환경에서도 스스로 상황을 인식하고 적절한 작업을 수행할 수 있도록 일반화된 능력을 학습하는 것이 목표입니다.
쉽게 말해, ChatGPT가 사람의 언어를 이해하는 기반 모델이라면, 로봇 파운데이션 모델은 현실 세계를 이해하고 행동하는 로봇의 '두뇌'라고 볼 수 있습니다.
로봇 파운데이션 모델을 개발하는 기업들은?
최근 로봇 AI 경쟁을 주도하는 기업들은 대부분 자체 로봇 파운데이션 모델을 개발하며 피지컬 AI 시대를 준비하고 있습니다. 대표적으로 엔비디아, 테슬라, 피규어 AI 등이 유명하죠.
이들의 공통점은 무엇일까요? 기업마다 목표와 적용 분야는 다르지만, 로봇 파운데이션 모델을 개발하는 기업들은 세 가지 공통점을 가지고 있습니다.
첫째, AI를 단순히 '인식'하는 기술이 아니라 '행동'하는 기술로 확장하고 있습니다.
이미지를 인식하는 것에서 끝나는 것이 아니라, 로봇이 주변 환경을 이해하고 스스로 행동을 결정하는 것을 목표로 합니다.
둘째, 데이터가 경쟁력입니다.
로봇 파운데이션 모델은 인터넷 데이터만으로는 완성되지 않습니다. 실제 로봇이 작업한 데이터와 센서 데이터, 시뮬레이션 데이터가 지속적으로 학습되어야 성능이 향상됩니다.
셋째, 최종 목표는 End-to-End 피지컬 AI입니다.
보고(Perception), 판단하고(Decision), 행동(Action)하는 과정을 하나의 AI 시스템으로 연결해, 사람처럼 다양한 작업을 수행할 수 있는 로봇을 만드는 것이 궁극적인 방향입니다.
그렇다면 한국은 어떨까요? 많은 사람들이 로봇 파운데이션 모델은 해외 빅테크 기업들만 개발한다고 생각하곤 하는데요. 국내에서도 자체 AI 모델을 기반으로 산업용 피지컬 AI를 개발하는 기업들이 등장하고 있습니다. 그중 하나가 씨메스로보틱스입니다.
씨메스로보틱스는 무엇이 다를까?
로봇 파운데이션 모델 시대가 열리면서 많은 기업들이 AI 모델 개발 경쟁에 뛰어들고 있습니다. 하지만 제조 AI에서 더 중요한 것은 얼마나 큰 모델을 만들었는가보다 얼마나 많은 산업 데이터를 학습하고 지속적으로 발전시킬 수 있는가입니다.
피지컬 AI는 현실 세계에서 물체를 인식하고, 상황을 판단하며, 실제 행동까지 수행해야 합니다. 이를 위해서는 실제 제조·물류 현장에서 발생하는 다양한 작업 데이터를 지속적으로 학습하는 과정이 필수적입니다.
씨메스로보틱스는 다양한 제조·물류 기업에 AI 로봇 솔루션을 공급하며 현장 데이터 파이프라인을 구축하고 있습니다. 이러한 데이터를 기반으로 자체 AI 모델을 지속적으로 고도화하며, 변화하는 작업 환경에도 유연하게 대응할 수 있는 산업용 피지컬 AI를 발전시키고 있습니다.
📰 (News) '실증 넘어 양산으로' 현장에서 증명하는 피지컬 AI
현재 씨메스로보틱스의 AI는 크게 두 가지 영역으로 구성됩니다.
Vision AI: 물체와 공간을 인식하고 작업 환경을 이해하는 AI
Decision AI: 로봇이 어떤 순서로, 어떤 방법으로 작업을 수행할지 판단하는 AI
두 모델은 실제 산업 현장에서 축적되는 데이터를 기반으로 지속적으로 학습되고 개선됩니다. 프로젝트와 작업 환경에 맞춰 최적화된 AI 모델을 운영함으로써, 다양한 제조·물류 공정에서 안정적인 성능을 구현하고 있습니다.
결국 씨메스로보틱스의 경쟁력은 단순히 AI 모델을 보유하고 있다는 데 있지 않습니다. 실제 산업 현장에서 축적되는 데이터를 기반으로 AI를 지속적으로 학습시키고, 이를 제조와 물류 현장에 최적화된 피지컬 AI로 발전시키는 것. 바로 이것이 씨메스로보틱스가 지향하는 로봇 파운데이션 모델의 방향입니다.
진짜 경쟁력은 AI 모델이 아닌 산업 데이터
로봇 파운데이션 모델 시대가 열리면서 많은 기업들이 그저 모델 경쟁을 이야기합니다. 하지만 제조 AI에서는 모델만으로는 충분하지 않습니다.
실제 경쟁력은
얼마나 다양한 산업 데이터를 보유하고 있는가
실제 공장에서 얼마나 많은 작업을 수행했는가
얼마나 빠르게 새로운 공정으로 학습을 확장할 수 있는가
에서 결정됩니다. 씨메스로보틱스는 피스피킹, 팔레타이징, 패킹, 검사, 조립 등 실제 제조와 물류 현장에서 축적한 데이터를 기반으로 AI를 지속적으로 고도화하고 있습니다.
이러한 데이터는 단순한 이미지가 아니라, 로봇이 무엇을 보고(Perception), 어떻게 판단하고(Decision), 어떤 행동(Action)을 했는지를 담고 있는 산업 AI의 핵심 자산입니다.
로봇 파운데이션 모델 경쟁은 이제 시작입니다
로봇 파운데이션 모델은 앞으로 로봇 산업의 핵심 기술이 될 것입니다. 하지만 중요한 것은 누가 더 큰 모델을 만들었는가가 아닙니다. 더 중요한 것은 누가 산업 현장을 가장 깊이 이해하는 AI를 만들고 있는가입니다.
씨메스로보틱스가 자체 AI 모델을 개발하는 이유도 여기에 있습니다. 범용 AI를 만드는 것이 아니라, 제조와 물류 현장의 문제를 해결하는 산업 피지컬 AI를 만들기 위해서입니다.
그리고 그 경쟁력은 거대한 모델 하나가 아니라, 현장 데이터와 AI, 로봇 제어 기술을 하나의 피지컬 AI 기술 체계로 연결하는 역량에서 만들어질 것입니다.