[지디넷코리아]엔비디아가 인공지능(AI)을 디지털 환경에서 실제 제조 현장으로 확장하는 피지컬 AI 시장 공략에 속도를 낸다. 로봇 학습과 시뮬레이션, 디지털 트윈 기술을 결합해 제조업 자동화 수준을 높이는 가운데 현대자동차그룹·LG전자·두산로보틱스 등 국내 주요 기업과 협력을 강화한다는 전략이다.디푸 탈라 엔비디아 로보틱스·엣지 AI 부문 부사장은 9일 서울 코엑스에서 열린 'AI 데이 서울 2026'에서 "한국은 중공업·자동차·전자제품 제조 분야에서 국가 규모를 뛰어넘는 성과를 거둬왔다"며 "앞으로 범용 로보틱스가 AI의 궁극적인 활용 분야로 자리 잡을 수 있을 것"이라고 말했다.탈라 부사장은 피지컬 AI가 제조업 자동화의 새로운 전환점이 될 것으로 전망했다. 전 세계 국내총생산(GDP) 약 3분의 2가 물리적 세계에서 창출되지만 기존 자동화 기술은 대량 생산과 단순 반복 작업에 집중됐다는 설명이다. 특히 제조업의 상당 부분을 차지하는 중소기업은 기술 한계로 자동화 도입에 어려움을 겪어왔다고 짚었다.그는 "피지컬 AI는 디지털 AI보다 정확성·신뢰성·안전성 요구 수준이 훨씬 높다"며 "최근 추론 모델과 시뮬레이션 기술이 성숙하면서 새로운 로봇 산업 시대가 열리고 있다"고 강조했다.엔비디아는 로봇 개발부터 실제 현장 배치까지 지원하는 통합 플랫폼을 구축 중이다. AI 모델 학습에는 'DGX', 가상환경 시뮬레이션에는 'RTX', 실제 로봇 구동에는 '젯슨'을 활용하는 3단계 컴퓨팅 구조다. 이를 통해 로봇이 실제 환경에 투입되기 전 다양한 상황을 학습하고 안전성을 검증할 수 있도록 지원한다는 목표다.핵심 기술로는 로봇 시뮬레이션 플랫폼 '아이작 심'과 디지털 트윈 플랫폼 '옴니버스', 월드 파운데이션 모델 '코스모스'를 제시했다. 코스모스는 로봇 주변 환경을 가상으로 구현하고 합성 데이터를 생성해 학습과 성능 평가를 지원한다. 탈라 부사장은 최근 AI 에이전트와 시뮬레이션 기술 발전으로 로봇 학습 환경 구축과 실제 업무 적용 속도가 기존보다 약 100배 빨라질 수 있다고 설명했다.국내 기업과 협력 사례도 공개했다. 두산로보틱스와는 자동차 문과 가전제품 표면을 정밀하게 연마하는 작업에 피지컬 AI를 적용 중이다. 엔비디아는 물리 엔진과 옴니버스 기반 시뮬레이션을 활용해 로봇 움직임과 소재 특성을 분석하고 연마 작업 정확도를 높이는 기술을 개발하고 있다.현대자동차그룹과는 자동차 제조 공장을 디지털 트윈으로 구현하는 작업을 추진 중이다. 실제 공장 설비와 로봇 작업 환경을 옴니버스에 재현해 생산 공정과 로봇 동작을 가상환경에서 검증하는 방식이다. 탈라 부사장은 "디지털 트윈에서는 개별 로봇 작업부터 공장 전체 운영까지 수백, 수천 가지 실험을 수행할 수 있다"며 "이를 통해 제조 현장에 적합한 최적의 운영 방식을 찾을 수 있다"고 말했다.LG전자와는 가전제품 제조에 투입할 로봇 개발을 진행 중이다. 엔비디아 아이작 심과 아이작 랩을 활용해 로봇이 세탁기와 냉장고 등 가전제품 생산 과정에서 부품을 조립하고 이동시키는 작업을 학습하도록 지원하는 구조다. 탈라 부사장은 "LG전자와 올해 상당 기간 협력해 왔다"며 "시뮬레이션 기반 개발과 테스트가 로봇 정확성과 신뢰성을 높이는 데 도움이 되고 있다"고 밝혔다.아울러 국내 게임사 크래프톤과 로봇 스타트업 리얼월드도 협력 사례로 소개됐다. 크래프톤은 사람과 소통하며 사회적 돌봄과 헬스케어 등에 활용할 수 있는 로봇 기술을 개발하고 있다. 리얼월드는 엔비디아 기술을 활용해 로봇 조작 능력과 알고리즘 정확성을 평가하는 '덱스핀치'를 개발 중이다.또 SK텔레콤·SK하이닉스와는 AI 팩토리 구축을 위한 디지털 트윈 기술 협력을 추진하고 있다. 옴니버스를 활용해 공장 설비와 운영 절차를 가상환경에 구현하고 제조 효율을 높이는 방식이다.엔비디아는 한국 제조·통신·반도체 기업과 협력을 확대해 피지컬 AI 생태계 구축을 지원한다는 방침이다.탈라 부사장은 "한국은 범용 로보틱스부터 디지털 트윈, 영상 분석까지 다양한 피지컬 AI 분야에서 폭넓은 생태계를 갖추고 있다"며 "앞으로 10년간 피지컬 AI 발전 과정에서 한국은 매우 중요한 역할을 하게 될 것"이라고 강조했다.
Continue to ZDNet Korea →You are being forwarded in 6s — stay on this page