LG CNS·리얼월드의 로봇 두뇌 개발, 제어부터 현장 운영까지

10월 14일 서울 코엑스에서 열린 ‘피지컬 AI 테크 데이’에서 리얼월드 관계자는 자사의 역할을 “로봇의 뇌”에 비유했다.

소프트웨어로 로봇에 물건 잡는 방법을 가르치고 손과 팔의 자세·힘을 제어한다는 설명이다.

LG CNS는 로봇의 학습과 운영을, NC AI는 가상환경의 학습·검증을 지원하며, 노타는 학습한 모델이 실제 기기에서 효율적으로 작동하도록 최적화한다.

리얼월드는 여러 제조사의 로봇 하드웨어에 기술을 적용한다.

작업에 따라 적합한 손과 몸체가 달라 장비를 바꿔가며 시험하고, 고객 공정을 살펴 로봇이 맡을 일을 정한다.

이후 필요한 데이터와 보안 방식을 협의하며, 작업자 움직임을 기록할 때는 관련 협력도 논의한다.

데이터 수집 설계부터 정리까지 맡는 방식이다.

올해 6월에는 엔비디아와 로봇 손의 정밀 조작 능력을 평가하는 ‘덱스벤치(DexBench)’ 관련 협력을 발표했다.

조립·분류·포장처럼 섬세한 손동작을 공통 기준으로 비교하기 위한 것으로, 양사는 이를 엔비디아의 로봇 시뮬레이션 도구 ‘아이작 랩’과 ‘아이작 랩-아레나’에 연동하고 학습 데이터 형식의 호환성을 높이는 방향으로 협력한다.

LG CNS는 외부 업체에서 로봇을 도입해 소프트웨어를 개발하고 공장 등에 필요한 과제를 수행하게 한다.

회사가 공개한 플랫폼 ‘피지컬웍스 포지’는 학습 데이터의 수집·선별·가공부터 검증과 현장 적용을 지원한다.

‘바통’은 제조사와 형태가 다른 로봇에 작업을 배분하고 통합 관제하며, 로봇 상태와 제어 정보를 관리하고 작업·이동 동선을 조정한다.

공장 데이터를 학습에 쓰려면 여러 센서의 정보를 같은 시간축에 맞춰 영상과 설비 상태를 연결해야 한다.

NC AI의 전북 과제는 공장 설비와 작업 공간을 3차원으로 재현하고 작업자 움직임을 시뮬레이션해 학습 데이터를 만들며, 시각·언어·행동을 연결하는 AI 모델의 학습과 검증을 지원하는 것이 목표다.

경남 과제에서는 센서·영상 등 현장 데이터를 바탕으로 물리적 상황을 이해하고 변화를 예측하는 모델을 개발한다.

디지털트윈으로 실제 공장 투입 전에 조건을 바꿔가며 로봇 동작을 시험할 수 있다.

노타의 ‘넷츠프레소’는 모델을 가볍게 만들고 목표 기기에 맞춰 변환·검증하는 플랫폼이다.

로봇의 제한된 메모리와 연산 자원에서 모델을 실행하려면 정확도와 속도, 자원 사용을 함께 고려해야 한다.

노타는 정확도 손실을 줄이면서 속도와 메모리 효율을 높이는 것을 최적화 목표로 제시한다.