첨단 무인 자동화 전문기업 케이엔에스가 미래 로봇 산업의 핵심 기술로 꼽히는 '피지컬 AI(Physical AI)' 분야 국책과제 2년차에 본격 진입했다. 단순 데이터 학습을 넘어 물리법칙을 이해하고 로봇의 움직임을 예측하는 원천 기술 확보에 속도를 내며, 휴머노이드 등 차세대 로봇 제어 시대를 선도하겠다는 목표다.
케이엔에스는 28일 지난해 시작된 국책과제 '물리법칙 기반 피지컬 AI 원천 구조 및 장기 예측 안정성 기술' 개발의 1차년도 성과를 바탕으로, 올해 로봇 최적화 궤적 계획 및 실시간 오차 보정 기술 확보에 집중한다고 밝혔다.
이는 정부의 '2025년도 최고급 AI 해외인재 유치지원사업'의 일환이다. 케이엔에스는 산·학·연 컨소시엄을 통해 관련 기술 확보에 주력하고 있다.
1차년도에 케이엔에스는 산업 설비 자율제어를 위한 물리 기반 AI 기본 프레임워크 'RoboPARC' 개발과 기술적 타당성 검증(PoC)을 마쳤다. 'RoboPARC'은 기존 데이터 기반 AI의 한계점인 데이터 밖 상황에서의 성능 불안정을 극복하고자 개발됐다. 명시적 시간 적분 구조를 도입해 물리적으로 일관된 상태 업데이트를 보장하며, 고도화된 학습 전략으로 장기 예측 오차 누적을 최소화하는 것이 핵심 기술이다.
케이엔에스 관계자는 "단순 AI는 훈련 데이터 분포 밖으로 벗어날 경우 성능이 급격히 흔들릴 수 있다"며 "반면 RoboPARC 구조는 내부 상태를 시간에 따라 업데이트하며 다음 행동과 예측을 생성할 수 있다"고 설명했다.
로봇 관절의 지속적인 토크 작용에 따른 속도와 각도 변화 흐름을 계산하여 다음 움직임을 예측하고 최적화하는 방식이다. 이는 로봇의 안정성과 안전성을 획기적으로 높일 수 있다.
특히 케이엔에스는 이 기술이 자율주행 로봇(AMR)과 휴머노이드 제어에 큰 영향을 미칠 것으로 기대하고 있다. 현장에서 발생할 수 있는 미끄러짐, 급정지, 하중 변화 등의 변수 속에서도 안정적인 주행과 균형을 유지하고, 장시간 동작 시에도 예측 오차를 줄여 정밀도, 안전성, 에너지 효율을 동시에 향상시킬 수 있다는 것이다.
향후 케이엔에스는 'G-PARC(그래프 기반)' 구조로 확장해, 다물체 동역학 및 다중 물리 상호작용이 결합된 복합 제조 설비 제어에도 적용 가능한 범용 물리 AI 프레임워크를 구축할 계획이다.
회사 관계자는 "1차년도는 4개월가량의 짧은 연구 기간으로 연구 인프라 구축과 핵심 기술 검증에 집중했다"며 "올해에는 이를 기반으로 본격적인 로봇 적용과 특허 출원, SCI 논문 제출, 석·박사급 인력 양성 등을 목표로 하고 있다"고 말했다.
한편, 케이엔에스는 이번 국책과제 수행을 위해 미국 버지니아주립대(University of Virginia) 스티븐 백(Stephen Baek) 석좌 교수팀을 연구 인력으로 확보하고, 경희대학교·오테크닉스와 컨소시엄을 구성하는 등 AI 해외 인재 유치와 국내외 협력을 강화하고 있다.
