NVIDIA가 이번 주 토크AGI(로봇 지능 개발사)와 협력 관계를 맺었다. 존디어(농기계 제조사)와 덱스테리티(물류 로봇 기업)가 함께 참여해 기업용 로봇에 탑재할 '물리적 AI'를 실제 산업 현장에 배치하는 프로젝트를 추진한다.

우리가 흔히 쓰는 챗GPT 같은 AI는 화면 속 텍스트와 이미지라는 디지털 세상에 갇혀 있다. 하지만 로봇이 공장에서 물건을 옮기거나 밭에서 작물을 수확하려면 중력, 마찰력, 바람 같은 물리 법칙을 이해하고 몸을 움직여야 한다. 이것이 바로 물리적 AI(Physical AI)다.

그동안 로봇은 정해진 경로만 움직이는 기계에 가까웠다. 하지만 이제는 AI가 주변 환경을 실시간으로 인식하고 스스로 판단해 움직이는 단계로 진입하고 있다. 이번 협력은 단순히 소프트웨어를 만드는 것을 넘어, 세계 최고의 칩 설계 능력과 거대 농기계, 물류 로봇이라는 실제 하드웨어가 하나로 묶였다는 점에서 의미가 크다. 디지털 세상의 지능이 실제 물리적 몸체를 입고 현장으로 나오는 속도가 빨라지고 있다.

토크AGI와 엔비디아·존디어·덱스테리티의 4자 연합

창고 관리자는 예전 같으면 새로운 제품이 들어올 때마다 로봇의 이동 경로를 일일이 다시 설정해야 했다. 이제는 로봇이 스스로 주변 환경을 파악해 움직이면서 설정에 쏟던 시간이 사라졌다. 줄어든 것은 단순한 작업 시간이 아니라 로봇을 실제 현장에 맞게 길들이는 데 드는 막대한 비용과 인력의 소모다.

토크AGI(로봇 지능 소프트웨어 기업)는 엔비디아(AI 칩셋 기업), 존디어(농기계 기업), 덱스테리티(로봇 하드웨어 및 운영 기업)와 손을 잡았다. 이들이 함께 추진하는 과제는 물리적 AI(Physical AI)의 실제 세계 배포다. 물리적 AI는 화면 속에서 글자나 그림을 만드는 수준을 넘어 실제 세상의 물건을 만지고 옮기며 물리적인 상호작용을 수행하는 인공지능을 말한다. 칩을 만드는 곳과 기계를 만드는 곳, 그리고 그 기계에 들어갈 두뇌 소프트웨어를 만드는 곳이 하나의 공급망처럼 묶여 움직이는 구조다.

협력의 핵심 타겟은 기업용 등급 로봇(Enterprise-Grade Robots)이다. 이는 일반 가전제품 수준의 로봇이 아니라 공장이나 농장처럼 한 번의 실수가 큰 경제적 손실이나 안전 사고로 이어지는 거친 환경에서 24시간 내내 버티는 고성능 산업용 로봇을 뜻한다. 이런 로봇이 현장에서 제대로 작동하려면 고성능 연산 장치라는 신경계와 튼튼한 기계 몸체, 그리고 상황을 실시간으로 판단하는 지능이라는 세 가지 요소가 빈틈없이 맞물려야 한다. 엔비디아가 신경계를, 존디어와 덱스테리티가 몸체를, 토크AGI가 지능을 담당하며 실전 배포의 진입 장벽을 낮춘다.

보통 연구실의 깨끗한 바닥에서 잘 작동하던 로봇이 먼지가 날리는 실제 물류 창고나 울퉁불퉁한 흙바닥이 깔린 밭에 나가면 제대로 움직이지 못하는 경우가 많다. 이번 연합은 엔비디아의 가상 시뮬레이션 기술과 존디어의 방대한 현장 데이터, 덱스테리티의 정밀한 물체 제어 기술을 토크AGI의 소프트웨어에 결합해 이 간극을 메운다. 로봇이 예측 불가능한 장애물을 만나거나 처음 보는 물건을 집어 올려야 할 때 사람이 일일이 코드를 수정하지 않고도 스스로 대처하게 만드는 것이 핵심이다. 현장의 변수를 소프트웨어가 학습해 기계의 움직임으로 바로 연결하는 체계를 구축한다. 자세한 내용은 TorqueAGI에서 확인할 수 있다.

텍스트를 넘어 몸으로 배우는 '물리적 AI'의 작동 방식

로봇 팔이 컵을 집으려다 바닥에 떨어뜨리고, 문을 열려다 손잡이를 놓치는 장면을 보고 있으면 답답함이 먼저 앞선다. 이 단순한 동작 하나를 수행하지 못해 사람이 일일이 수치를 입력하고 경로를 수정하는 작업이 반복된다면 문제는 로봇의 연산 능력이 아니라 세상과 소통하는 방식에 있다. 물리적 AI는 바로 이 지점에서 출발한다. 이는 센서로 입력받은 주변의 물리 정보를 처리해 실제 로봇의 움직임으로 변환하는 지능이다. 단순히 데이터를 계산하는 수준을 넘어 로봇이 자신의 몸이 어디에 있고 주변 환경과 어떻게 상호작용하는지 이해하게 만든다.

이 지능이 작동하는 핵심은 액추에이터라 불리는 장치에 있다. 액추에이터는 로봇의 모터와 관절처럼 실제 움직임을 만들어내는 기계적 부품을 통칭한다. 물리적 AI는 로봇의 눈과 귀가 되는 센서 데이터를 실시간으로 분석해 이 액추에이터에 정확히 얼마만큼의 힘을 줄지, 어느 방향으로 회전할지 지시를 내린다. 사람이 물건을 집을 때 손가락 끝의 감각으로 무게를 느끼고 힘을 조절하는 것과 같은 원리다. 로봇은 이 과정을 통해 딱딱한 금속 몸체로도 부드럽고 정밀한 동작을 구현한다.

물리적 AI가 실전에서 바로 작동하는 것은 아니다. 학습 과정은 철저히 시뮬레이션 환경에서 먼저 이루어진다. 로봇은 가상의 공간에서 중력, 마찰력, 물체의 질량 같은 물리 법칙을 수백만 번 반복하며 학습한다. 이 과정에서 로봇은 넘어지지 않고 걷는 법이나 물건을 떨어뜨리지 않고 잡는 법을 몸으로 익힌다. 가상 세계에서 충분히 경험을 쌓은 로봇은 그 학습 결과를 실제 로봇의 하드웨어에 이식한다. 이제 로봇은 처음 보는 환경에서도 가상에서 배운 물리 법칙을 적용해 스스로 움직임을 결정한다.

이러한 기술적 구조는 로봇이 공장이나 농장 같은 복잡한 현장에서 사람의 개입 없이 스스로 판단하고 움직이게 하는 동력이 된다. 로봇은 더 이상 미리 짜여진 코드대로만 움직이는 기계가 아니다. 센서가 감지한 물리적 변화를 실시간으로 해석하고 자신의 관절을 제어해 환경에 적응하는 능동적인 존재로 변모한다. 물리적 AI는 텍스트를 읽고 답변하는 지능을 넘어 로봇이 실제 물리 세계에서 사람처럼 자연스럽게 행동하도록 만드는 핵심 연결 고리다.

정해진 명령 수행에서 '스스로 판단하는 움직임'으로

공장 자동화 현장에서 로봇을 다루는 엔지니어 10명 중 9명은 여전히 정해진 경로를 벗어나는 상황을 가장 큰 골칫거리로 꼽는다. 기존의 로봇 제어 방식은 개발자가 미리 입력한 조건문인 If-Then, 즉 만약 어떤 상황이 발생하면 이렇게 행동하라는 지시 사항을 그대로 따르는 데 그쳤기 때문이다. 로봇은 정해진 좌표를 따라 이동하고, 사전에 정의된 센서 값에 도달했을 때만 정해진 동작을 수행한다. 이 방식은 생산 라인처럼 모든 변수가 통제된 환경에서는 매우 효율적이지만, 조금이라도 환경이 바뀌면 로봇은 즉시 멈춰 서거나 오류를 일으킨다.

물리적 AI(Physical AI, 실제 물리적 공간에서 데이터를 학습해 스스로 판단하고 움직이는 인공지능 기술)는 이러한 고정된 제어 방식에서 완전히 벗어나 있다. 토크AGI(TorqueAGI, 로봇의 지능을 고도화하여 실제 산업 현장에 적용하는 기업)는 엔비디아(NVIDIA, 그래픽 처리 장치와 AI 컴퓨팅 플랫폼을 개발하는 기업), 존디어(John Deere, 농기계 및 건설 장비를 제조하는 기업), 덱스테리티(Dexterity, 물류 로봇 자동화 솔루션을 제공하는 기업)와 협력하여 로봇이 스스로 판단하는 능력을 구현하고 있다. 로봇은 이제 데이터 학습을 통해 예상치 못한 장애물을 마주하거나 작업 환경이 변해도 스스로 경로를 수정하며 대응한다.

과거의 로봇이 개발자가 짜놓은 각본대로만 움직이는 배우였다면, 물리적 AI를 탑재한 로봇은 현장의 상황을 읽고 즉석에서 연기를 펼치는 즉흥 연기자에 가깝다. 고정된 반복 작업만 수행하던 로봇이 복잡하고 정형화되지 않은 환경에서도 스스로 판단하고 움직이는 단계로 진화한 것이다. 이는 단순한 기능 개선이 아니라 로봇이 현장의 변수를 자신의 지능으로 직접 처리하기 시작했음을 뜻한다. 이러한 변화는 더 이상 로봇을 정교한 기계로만 보지 않고, 현장의 맥락을 이해하는 작업자로 바라봐야 한다는 점을 시사한다.

농기계부터 물류 창고까지, 산업 현장의 즉각적 변화

트랙터가 스스로 밭을 갈고 잡초만 골라 뽑는 풍경을 상상하면 어떤 생각이 들까. 존디어(John Deere, 농기계 제조사)는 자율주행 농기계에 AI를 결합해 정밀 작업 수준을 높였다. 기계가 카메라와 센서로 작물의 성장 상태를 실시간으로 파악하고 필요한 지점에만 정확히 비료나 약제를 투입하는 지능형 관리 체계를 갖췄다. 사람이 일일이 좌표를 입력하거나 설정값을 맞추지 않아도 기계가 토양의 상태와 작물의 간격을 계산해 움직인다. 농기계가 단순한 기계 장치를 넘어 현장 상황을 스스로 판단하는 숙련된 작업자로 변한 셈이다.

물류 창고의 로봇 팔이 제각각 모양과 크기가 다른 상자들을 능숙하게 쌓아 올리는 모습은 더 낯설다. 덱스테리티(Dexterity, 물류 로봇 기업)는 복잡한 물건의 적재와 분류 과정을 자동화하는 데 집중한다. 규격화되지 않은 물체를 인식하고 최적의 각도로 집어 올리는 동작을 AI가 실시간으로 계산해 수행한다. 기존 로봇이 미리 입력된 궤적만 반복하며 정해진 위치의 물건만 옮겼다면 이제는 물건의 무게 중심과 표면 질감을 고려해 쥐는 힘을 조절한다. 창고 내부의 무질서한 환경에서도 멈춤 없이 물류 흐름을 이어가며 작업 시간을 단축한다.

농촌의 고령화와 물류 센터의 구인난은 전 세계 산업 현장이 공통적으로 겪는 고질적인 문제다. 존디어와 덱스테리티의 사례는 인력 부족이라는 현실적인 공백을 AI 로봇으로 메우는 구체적인 방법론을 제시한다. AI가 물리적 환경을 정교하게 이해하고 제어하면서 기업용 로봇이 실제 현장에 배치되는 상용화 시점이 크게 앞당겨졌다. 수만 번의 시뮬레이션을 거친 AI 모델이 실제 기계에 탑재되어 오차 범위를 줄였기에 가능한 일이다. 실험실의 프로토타입 단계를 지나 실제 수익을 창출하는 산업 도구로 빠르게 전환됐다.

물리적 AI(Physical AI, 소프트웨어가 실제 물리적 신체를 통해 환경과 상호작용하는 기술)는 센서로 들어오는 방대한 시각 및 촉각 데이터를 즉각적인 움직임으로 변환한다. 존디어의 트랙터가 흙의 습도와 밀도를 읽어 바퀴의 접지력을 실시간으로 조절하거나, 덱스테리티의 로봇이 상자가 미끄러지는 찰나의 순간을 감지해 손가락의 압력을 바꾸는 식이다. 이는 디지털 세상에서 텍스트나 이미지를 생성하는 것보다 훨씬 복잡한 물리 연산을 요구한다. 중력과 마찰력 같은 물리 법칙이라는 제약 조건 속에서 최적의 이동 경로를 찾아내야 하기 때문이다. 결과적으로 로봇의 하드웨어 성능보다 이를 제어하는 AI의 판단 속도와 정확도가 전체 공정의 생산성을 결정하는 핵심 지표가 됐다.

한국 로봇 및 제조 실무자가 주목해야 할 지점

공장에서 로봇 팔이 나사를 조이는 모습은 익숙하지만, 이제는 로봇이 스스로 상황을 판단해 움직이는 장면이 늘고 있다. 과거에는 로봇에게 정해진 경로를 반복하도록 명령어를 입력하는 방식이 주를 이뤘다면, 지금은 로봇이 주변 환경을 인식하고 스스로 경로를 수정하는 지능형 로봇이 현장에 도입되고 있다. 국내 제조 현장에서는 기존에 설치된 하드웨어 기반의 로봇 제어 시스템에 인공지능을 어떻게 얹을지가 핵심 과제로 떠올랐다. 단순히 기계적인 반복 작업을 넘어, 로봇이 스스로 판단하는 지능을 갖추기 위해서는 하드웨어와 소프트웨어 사이의 긴밀한 연결이 필수적이다.

스마트 팩토리나 자율주행 물류 로봇을 운용하는 실무자들은 엔비디아(NVIDIA, 그래픽 처리 장치를 기반으로 인공지능 연산을 수행하는 칩 제조사)와 같은 고성능 인공지능 칩을 자사 로봇에 어떻게 통합할지 고민한다. 로봇 내부의 모터와 센서가 보내는 데이터는 방대하고, 이를 실시간으로 처리해 로봇의 관절을 제어하려면 연산 장치와의 호흡이 중요하다. 고성능 칩을 단순히 장착하는 것만으로는 부족하며, 로봇의 하드웨어 특성에 맞춰 데이터를 처리하는 알고리즘을 최적화해야 한다. 최적화가 제대로 이루어지지 않으면 로봇의 반응 속도가 느려지거나 복잡한 환경에서 오작동할 가능성이 커진다.

한국의 로봇 기업들은 이제 단순한 기계 제조를 넘어 지능형 로봇 플랫폼으로 사업의 중심을 옮겨야 하는 시점에 서 있다. 하드웨어 제조 역량은 이미 세계적인 수준이지만, 로봇이 스스로 학습하고 상황을 판단하게 만드는 소프트웨어 생태계와의 결합이 경쟁력을 결정짓는 요소가 되었다. 토크에이지아이(TorqueAGI, 물리적 환경에서 로봇이 지능적으로 작동하도록 돕는 인공지능 소프트웨어 개발사)와 같은 기업들이 엔비디아나 존디어(John Deere, 농기계 및 건설 장비 제조사), 덱스테리티(Dexterity, 로봇 제어 소프트웨어 및 자동화 솔루션 기업)와 협력하는 이유도 여기에 있다. 하드웨어와 소프트웨어를 하나의 플랫폼으로 묶어내야만 실제 현장에서 로봇이 사람처럼 유연하게 일할 수 있기 때문이다.

실무 현장에서의 변화는 로봇의 제어 방식에서 구체적으로 드러난다. 로봇이 현장의 복잡한 물류를 처리하거나 서비스 로봇으로서 사람과 상호작용할 때, 하드웨어의 성능을 극대화하는 소프트웨어 설계가 뒷받침되어야 한다. 국내 제조 현장에서도 로봇의 물리적 움직임을 인공지능이 제어하는 물리적 인공지능(Physical AI) 기술을 도입하려는 움직임이 활발하다. 이는 하드웨어 제조사가 소프트웨어 개발사와 긴밀히 협력하여 로봇의 두뇌와 몸체를 일체화하는 과정이다. 결국 하드웨어 강국인 한국 기업들이 소프트웨어 생태계를 어떻게 효과적으로 통합하느냐가 향후 글로벌 로봇 시장에서의 생존을 결정할 것이다.

엔비디아와 존디어, 덱스테리티라는 하드웨어 거물들이 토크AGI의 소프트웨어 역량과 결합했다. 정해진 궤도만 움직이던 산업용 로봇이 주변 환경을 인식하고 스스로 판단해 행동하는 범용 AI 로봇으로 진화하는 변곡점에 서 있다. 공장과 농장 같은 실제 현장에서 로봇의 가치는 이제 정교한 기계 설계라는 껍데기보다 그 기계를 얼마나 유연하게 제어하는 지능이라는 알맹이에 달려 있다. 결국 기업용 로봇 시장의 승패는 하드웨어의 스펙이 아니라 AI의 범용성으로 결정된다.