[테크콘 2026 리뷰] 자율 제조와 실행의 시대를 바라보는 씨메스로보틱스

2026년 6월, 서울 코엑스에서 스마트테크코리아(STK) 테크콘 2026이 열렸습니다. 매년 제조·자동화·AI 분야의 국내외 리더들이 한자리에 모여 산업 현장의 최신 기술 동향과 전략을 공유하는 자리입니다.

씨메스로보틱스는 피지컬 AI 기술로 자동화 솔루션을 제공하는 기업으로서, 업계의 아젠다를 직접 확인하고 인사이트를 더하기 위해 테크콘에 참석했습니다. 그중에서도 Day 3 '자율 제조와 실행의 시대(Beyond Automation: From Intelligence to Real-world Execution)' 세션은 저희가 고객 현장에서 매일 마주하는 문제들과 정확히 맞닿아 있었습니다.

이 세션의 제목이 말하듯, 제조 AI의 화두는 이미 '지능을 어떻게 만들 것인가'에서 '그 지능을 현장에서 어떻게 안정적으로 실행할 것인가'로 옮겨가고 있습니다. 기술의 방향성은 빠르게 수렴하는 가운데, 진짜 승부처는 실행력이라는 것입니다. 지멘스·포스코DX·KAIST 세 발표 주체의 핵심 내용과 씨메스로보틱스의 시각을 함께 전합니다.

왜 지금 소프트웨어 정의 자동화인가 - 지멘스(Siemens)

씨메스로보틱스가 고객 현장에서 자주 듣는 고민 중 하나는 이것입니다. "자동화 설비는 도입했는데, 제조 라인을 바꾸려니 다시 프로그래밍하는데 비용과 시간이 너무 많이 든다." 하드웨어와 제어 소프트웨어가 하나의 PLC에 묶여 있는 구조에서는 특히 설비 하나를 바꿀 때마다 전체 시스템을 다시 설계해야 한다는 것이죠. 유연한 생산을 위한 자동화이지만, 구조 자체는 유연하지 않은 현장의 역설입니다.

지멘스는 이 문제의 근본 해법으로 소프트웨어 정의 자동화(SDA)를 제시했습니다. SDA는 하드웨어와 제어 소프트웨어를 완전히 분리하여, 가상 PLC 기반으로 공장을 중앙에서 관리하는 플랫폼을 소개했습니다.

💡 씨메스로보틱스 포인트

유연한 SDA 제어 구조가 실제 현장에서 100% 힘을 발휘하려면, 명령을 수행하는 하드웨어도 그만큼 유연해져야 합니다. 아무리 소프트웨어로 라인을 재정의해도 로봇의 작업 위치를 매번 사람 손으로 다시 가르쳐야 한다면, 유연한 자동화는 절반에 그치기 때문입니다.

씨메스로보틱스의 피지컬 AI는 이 마지막 간극을 티칭리스(Teaching-less) 방식으로 메웁니다. 로봇이 3D 비전으로 대상과 작업 위치를 스스로 인식하고 경로를 실시간으로 보정하기 때문에, 설비 위치가 바뀌거나 품목이 자주 교체되어도 별도의 재프로그래밍 없이 공정이 이어집니다. SDA가 '바꾸기 쉬운 제어'를 만든다면, 씨메스로보틱스는 '바뀌어도 멈추지 않는 실행'을 만듭니다.

제조 AI가 범용 AI와 다른 이유 - 포스코DX

AI면 다 해결된다는 기대로 프로젝트를 시작했다가 PoC 단계에서 중단되는 사례도 적지 않습니다. 제조 AI는 인터넷 데이터로 학습하는 범용 AI와 근본적으로 다릅니다. 특정 공정의 도메인 지식과 보안이 요구되는 기업 데이터를 기반으로 학습해야 하고, 전후 공정의 맥락까지 이해해야 하기 때문입니다. 포스코DX는 이를 명확히 짚으며, 공정마다 맞춤형 AI 모델이 필요하다고 강조했습니다.

포스코DX는 자율 제조의 핵심을 제조 AI와 산업용 로봇의 융합으로 정의하고, 세 가지 AI 기능 영역을 제시했습니다.

• 인지형 AI: 대상을 명확히 인지하고 결함을 분류

• 사고형 AI: 데이터를 기반으로 품질·가격을 예측하고 최적 조건 추론

• 행동형 AI: 판단 결과를 실시간 제어 신호와 물리 행동으로 연결

컴퓨터 공학에서는 아주 유명한 격언이 있습니다. 컴퓨터의 성능이 아무리 뛰어나더라도, 데이터나 명령어가 엉망이면 결과물 또한 엉망일 수밖에 없다는 말입니다. 그러나 피지컬 AI 시대에는 잘못된 명령어가 들어와도, AI의 추론과 판단이 방패가 되어 재앙을 막아낼 수 있게 됩니다. 중량물과 기계를 제어하는 제조 공정에서는 잘못된 데이터나 명령어가 대형 인명 사고로 이어질 수 있습니다. 포스코DX는 AX와 OT의 융합으로 지능형 제조 공장을 실현하는 로드맵을 제시하기도 했습니다.

💡 씨메스로보틱스 포인트

포스코DX가 짚은 핵심은 분명합니다. 제조 AI는 인터넷 데이터로 학습한 범용 AI로는 풀 수 없고, 공정의 도메인 지식과 보안이 요구되는 기업 데이터 위에서 만들어져야 한다는 것입니다.

씨메스로보틱스가 범용 모델에 기대지 않고 AI 알고리즘부터 3D 비전, 로봇 제어까지 전 과정을 자체 기술로 개발해 온 이유가 여기에 있습니다. 고객의 실제 양산 현장에서 얻은 데이터를 자체 인프라 위에서 수집·저장·처리하고, 외부로 흘러나가지 않는 보안 체계 안에서 공정에 맞는 모델로 다듬습니다. 결국 '맞춤형 제조 AI'란 누가, 어떤 데이터를, 얼마나 안전하게 다루느냐의 문제이며, 씨메스로보틱스는 그 데이터 파이프라인 전체를 통제권 안에 두고 있습니다.

믿고 쓸 수 있는 제조 AI를 만드는 세 가지 축 - KAIST

기술적 완성도가 높은 AI 모델이라도, 실제 현장에서 신뢰할 수 없다면 의미가 없습니다. 제조 현장의 데이터는 고온·진동·먼지 등 가혹한 환경 때문에 본질적으로 노이즈가 많고 불안정합니다. 또한 공장은 항상 특정 기준치 위주로 운전하기 때문에 데이터가 편중되어 있어, 아무리 많은 데이터로 AI를 학습시켜도 극단 상황에서 잘못된 판단을 내릴 수 있습니다. KAIST는 이 한계를 돌파하기 위한 세 가지 기술의 축을 제시했습니다.

• 제1축: 제조 피지컬 AI - 단일 공정 자동화를 넘어 공장 전체를 하나의 지능형 시스템으로 관장하는 기술입니다. 디지털 트윈 공간에서 강화 학습으로 지능을 안정화한 뒤 실제 하드웨어로 안전하게 이식하는 Sim-to-Real 방법론을 핵심으로 합니다.

• 제2축: 제조 파운데이션 모델 - 모터 시계열 데이터·센서 데이터·비전·텍스트 매뉴얼을 하나의 멀티모달 구조로 통합 학습시키는 모델입니다. 이를 로보틱스에 접목한 VLA 모델을 통해, 작업자의 자연어 명령만으로 로봇이 물리적 구동 경로를 스스로 계산해 움직이도록 합니다.

• 제3축: 고(高)신뢰성 - 피지컬 AI에서 가장 중요하게 고려해야 하는 축입니다. 물리 법칙과 제약 조건을 신경망 손실 함수에 직접 주입하는 PINN(Physics-Informed Neural Networks) 기법을 통해, 데이터에 노이즈가 많더라도 물리 법칙에 위배되는 예측 오류를 원천 차단하여 AI 신뢰성을 높입니다.

💡 씨메스로보틱스 포인트
KAIST가 제시한 Sim-to-Real과 고신뢰성은 학계를 넘어 산업계가 풀어야 할 가장 큰 숙제입니다. 가상 세계에서 아무리 고도화된 파운데이션 모델이나 PINN 기법으로 AI 신뢰성을 보완해도, 실제 현장에는 예측 불가능한 변수가 늘 존재하기 때문입니다. 이론과 실전을 가르는 결정적 차이가 바로 이 지점입니다.

씨메스로보틱스는 이 간극을 엔지니어링 내재화로 극복했습니다. 3D 비전·AI·로봇 제어부터 로봇 셀 설계와 설치, 시스템 통합(SI)까지 전 과정을 직접 수행하기 때문에, PoC에서 검증한 이론을 실전 양산 라인에 맞게 안정화할 수 있습니다. 가상에서 학습한 지능을 현실에서 고신뢰성 설비로 완성하는 실행력이 씨메스로보틱스가 글로벌 양산 현장에서 증명해 온 가치입니다.

자율 제조, 이제 실행이 경쟁력이다

테크콘 2026 자율 제조 세션이 전한 메시지는 하나로 모입니다. 제조 AI의 기술적 방향성은 빠르게 수렴하고 있으며, 이제 경쟁의 성공과 실패는 그것을 실제 현장에서 얼마나 안정적으로 실행하느냐에 달려 있다는 것입니다.

씨메스로보틱스는 이 세 가지 흐름을 현장에서 실제로 작동하게 만들어 온 기업입니다. 지멘스가 말한 유연한 제어 구조는 티칭리스 피지컬 AI로, 포스코DX가 강조한 도메인·보안 기반의 맞춤형 제조 AI는 자체 데이터 인프라로, KAIST가 제시한 Sim-to-Real과 고신뢰성은 직접 구축·운영하는 로봇 셀과 양산 검증 경험으로 — 각각 고객과 함께 현장에서 해답을 찾아왔습니다.

여러분의 제조 현장에 피지컬 AI 기술을 적용했을 때 어떤 변화가 가능할지, 씨메스로보틱스에서 직접 확인해 보시길 바랍니다.

👉지능형 로봇 솔루션 도입문의하기