로봇은 왜 볼트를 떨어뜨리는가 — Physical AI가 공장에 필요한 진짜 이유

편집자 주: 올해 CES와 GTC에서 가장 많이 들린 단어 중 하나가 'Physical AI'였습니다. 엔비디아의 젠슨 황은 "AI의 다음 프론티어는 물리 세계"라고 선언했고, 글로벌 로봇 기업들이 앞다투어 Physical AI를 내세우고 있습니다. 그런데 정작 제조 현장에서는 "그게 우리 공장이랑 무슨 상관인데?"라는 반응이 대부분입니다. MOAI 인사이트 매거진은 KAIST 정해원 교수와 자동차 부품 기업 대원정밀의 오창수 스마트제조팀장을 한자리에 모셨습니다. 연구실과 현장, 두 세계의 언어로 Physical AI를 해부합니다.

---

1. "Physical AI요? 또 새 단어 나왔네"

오창수 팀장(이하 오): 솔직히 말씀드리면, 저는 이 대담 제안받고 'Physical AI'를 처음 검색해봤어요. 스마트팩토리, 디지털 트윈, AI Agent… 매년 새 단어가 나오는데, 현장에선 아직 MES 데이터 정리도 못 끝냈거든요. 또 하나 배워야 하나 싶었습니다.

정해원 교수(이하 정): 그 반응이 정상입니다. 사실 Physical AI는 완전히 새로운 게 아니에요. 기존 AI가 '데이터를 보고 판단하는 AI'였다면, Physical AI는 거기에 하나가 더 붙어요. 물리 법칙을 이해하는 AI. 뉴턴의 법칙, 마찰, 열전달, 유체역학 — 공장에서 매초 일어나는 물리 현상을 AI가 아는 거죠.

오: 잠깐, 기존 AI도 센서 데이터 보고 판단하잖아요. 진동 센서 달아서 베어링 수명 예측하고, 비전 카메라로 불량 검출하고. 그거랑 뭐가 다릅니까?

정: 좋은 질문이에요. 핵심 차이를 하나만 말씀드릴게요. 기존 AI는 **"이 패턴이 나오면 불량"**이라고 학습합니다. 과거 데이터에서 패턴을 찾는 거죠. Physical AI는 **"이 온도와 이 압력에서 이 소재는 이렇게 변형된다"**를 압니다. 패턴이 아니라 원리를 아는 거예요.

오: 그래서 실제로 뭐가 달라지는데요?

2. 볼트 하나에 담긴 물리학

정: 팀장님 공장에서 로봇이 볼트 체결하는 공정 있으시죠?

오: 그럼요. M8 볼트 체결 공정이 세 라인에 있어요. 토크렌치 로봇이요.

정: 그 로봇이 볼트를 떨어뜨리는 경우가 있나요?

오: (웃음) 있죠. 한 달에 서너 번은 라인이 서요. 그리퍼가 볼트를 놓쳐서. 대부분 절삭유 때문이에요. 볼트 표면에 기름이 묻으면 미끄러지거든요.

정: 기존 AI라면 이렇게 접근합니다. "볼트 드롭 이력 500건을 학습시켜서, 드롭이 발생하기 직전의 센서 패턴을 찾자." 그래서 진동이나 전류값의 이상 패턴이 보이면 경고를 줍니다.

오: 네, 우리도 비슷하게 해봤어요. 근데 오경보가 너무 많아서 결국 끄게 되더라고요.

정: Physical AI는 다르게 접근합니다. 볼트의 무게, 표면 재질, 절삭유의 점도, 그리퍼의 접촉 면적, 가속도 — 이 물리량들의 관계를 모델링해요. 그러면 "현재 조건에서 그리퍼 압력이 4.2N 이하로 떨어지면 미끄러진다"는 걸 계산으로 알 수 있어요. 과거 드롭 데이터 500건이 없어도요.

오: …데이터 없이 예측이 된다고요?

정: 정확히는, 물리 시뮬레이션으로 수만 건의 가상 데이터를 만들 수 있다는 겁니다. 현실에서 볼트를 500번 떨어뜨려 볼 수는 없잖아요. 하지만 시뮬레이션에서는 온도, 습도, 기름 양을 바꿔가며 10만 번을 돌릴 수 있어요. 이게 Physical AI의 핵심입니다.

3. "데이터가 없다"는 제조업의 고질병

오: 잠깐, 그 부분에서 좀 와닿는 게 있어요. 우리 공장 최대 고민이 뭔지 아세요? 데이터가 없다는 거예요. AI 도입하려면 학습 데이터가 필요하다고 하는데, 불량이 한 달에 열 건이에요. 1년 모아야 120건. 이걸로 AI를 학습시키라고요?

정: 바로 그겁니다. 제가 만나는 중소기업 대표님들이 한결같이 하시는 말씀이 "우리 공장은 데이터가 없어서 AI가 안 된다"예요. 그런데 Physical AI는 이 문제를 근본적으로 우회합니다. 물리 법칙은 데이터가 아니라 자연의 원리니까요.

이전 인사이트에서 디지털 트윈이 엑셀과 MES 사이에 이미 있다는 이야기를 하셨잖아요. Physical AI는 그 디지털 트윈에 물리 엔진을 얹는 겁니다. 단순히 공장 레이아웃을 3D로 보는 게 아니라, 그 안에서 열이 어떻게 전달되고, 힘이 어떻게 작용하는지를 시뮬레이션하는 거죠.

오: 그러면 디지털 트윈이 전제 조건인 건가요? 우리 같은 280명짜리 공장은 디지털 트윈도 아직인데.

정: 아닙니다. 그게 오해예요. Physical AI가 반드시 공장 전체의 디지털 트윈을 요구하는 건 아닙니다. 공정 하나, 설비 하나 단위로 물리 모델을 만들 수 있어요. 팀장님 볼트 체결 공정, 그 로봇팔 하나만 물리 모델링하는 것도 Physical AI입니다.

4. 그래서 지금 당장 뭘 할 수 있는가

오: 교수님, 연구실에선 되는 거 알겠는데, 현장에서 지금 당장 할 수 있는 게 있습니까? 솔직히 우리 공장에 시뮬레이션 엔진 돌릴 서버도 없고, 물리 모델링 할 인력도 없어요.

정: 솔직하게 말씀드리면, 2년 전이었으면 "아직 어렵다"고 했을 겁니다. 그런데 지금은 상황이 달라졌어요. 세 가지 변화가 있었습니다.

첫째, 클라우드 시뮬레이션. 예전엔 물리 시뮬레이션 돌리려면 워크스테이션이 필요했는데, 이제 클라우드에서 됩니다. 서버를 살 필요가 없어요.

둘째, 파운데이션 모델의 물리 이해. 최근 대형 AI 모델들이 물리 법칙을 상당 수준 이해하기 시작했어요. 예전엔 물리 시뮬레이션을 처음부터 코딩해야 했는데, 이제는 AI에게 "M8 볼트, SUS304, 절삭유 점도 32cSt, 그리퍼 접촉각 15도"라고 말하면 시뮬레이션 모델의 초안을 잡아줍니다.

셋째, 제조 특화 플랫폼. NVIDIA Omniverse, Siemens Xcelerator 같은 플랫폼이 제조 현장용 물리 시뮬레이션을 서비스로 내놓기 시작했어요. 그리고 국내에서도 제조 데이터를 이해하는 AI 플랫폼들이 나오고 있고요.

오: 세 번째가 좀 구체적으로 와닿네요. 근데 그런 플랫폼들, 우리 같은 중소기업도 쓸 수 있는 가격대예요?

정: 아직 모든 게 저렴하진 않아요. 하지만 방향은 명확합니다. 2~3년 내에 "공정 하나의 물리 모델을 만드는 데 전문가 없이, 월 수십만 원 수준으로" 가능해질 거예요. 지금은 그 전환기입니다.

5. 자율제조, 공장이 스스로 돌아가는 날

오: 한 가지만 더 여쭐게요. 요즘 '자율제조'라는 말이 나오던데, Physical AI랑 관련이 있습니까?

정: 핵심적으로 관련이 있습니다. 자율주행차를 생각해보세요. 카메라로 도로를 보는 게 비전 AI, 차선을 인식하는 게 패턴 AI라면, 빗길에서 제동거리가 길어진다는 걸 아는 게 Physical AI입니다. 세 개가 합쳐져야 자율주행이 되죠.

공장도 마찬가지입니다. 자율제조는 AI Agent + 디지털 트윈 + Physical AI가 합쳐진 것이에요.

• AI Agent가 판단하고 실행하고 (이전 인사이트에서 품질팀장님이 말씀하신 것처럼)
• 디지털 트윈이 현재 상태를 보여주고
• Physical AI가 "이렇게 하면 물리적으로 이런 결과가 나온다"를 예측합니다

오: (잠시 생각) 그러니까 결국… AI가 데이터 패턴만 외우는 게 아니라, 우리 공장의 물리를 이해하게 되면, 그때 비로소 AI한테 공정을 맡길 수 있다는 거네요. 패턴만 아는 AI한테는 못 맡기지만, 원리를 아는 AI한테는 맡길 수 있다.

정: 정확합니다. 제가 하고 싶었던 말씀을 팀장님이 해주셨어요.

6. 내일 아침, 현장에서 해볼 한 가지

오: 마지막으로, 이 글 읽는 분들이 내일 당장 해볼 수 있는 거 하나만 추천해주세요.

정: 공장에서 가장 자주 문제가 생기는 공정 하나를 골라서, 이 질문을 해보세요. "이 문제의 원인이 데이터 패턴에 있나, 물리 현상에 있나?"

진동이 커져서 불량이 나는 건 물리 현상이에요. 특정 시간대에 불량이 몰리는 건 패턴이에요. 물리 현상이 원인인 공정 — 그게 Physical AI를 가장 먼저 적용할 후보입니다.

오: 저도 하나 드릴게요. 설비 매뉴얼 꺼내보세요. 거기에 허용 공차, 작동 온도 범위, 최대 토크값 같은 게 적혀 있을 겁니다. 그게 다 물리량이에요. 그동안 매뉴얼이 찬장에서 먼지 쌓이고 있었는데, 이제 그 숫자들이 AI의 입력값이 될 수 있다는 거잖아요. 좀 소름 돋네요, 솔직히.

정: (웃음) 팀장님, Physical AI 전도사 하셔도 되겠습니다.

오: 아직 우리 공장에 도입 안 했으니까 전도사는 일러요. 근데… 볼트 떨어뜨리는 문제, 다음 주에 한번 물리 모델로 접근해볼 수 있는지 알아는 봐야겠어요.

---

편집자 후기: 대담이 끝나고 오창수 팀장은 사진을 한 장 보내왔다. 자신의 책상 위 설비 매뉴얼 더미 사진이었다. 메시지는 한 줄. "이게 다 데이터였어?" 20년 동안 옆에 두고도 몰랐던 것의 가치를 AI가 알려주는 시대. Physical AI는 먼 미래의 기술이 아니라, 이미 공장 책상 위에 잠들어 있는 물리량을 깨우는 일이다.