KAIST, 피지컬 AI 기반 공장 통합 운영 플랫폼 '카이로스'
이기종 로봇·설비 하나의 AI OS로 통합 제어
강화학습·디지털 트윈 기반 생산성 최대 50% 향상
국산 기술 100% 구현···'다크팩토리' 수출 본격 추진
장영재 KAIST 산업및 시스템공학과 장영재 교수팀이 이기종 로봇과 센서, 설비, 디지털 트윈을 하나의 시스템으로 통합 제어하는 피지컬 AI 테스트베드 '카이로스(KAIROS, KAIST AI Robot Orchestration Systems)'를 구축했다. [영상=대덕넷]
"다비스, 6번 셔틀이 육안상으로는 캐리어가 없는데, 시스템상에는 있다고 하네. 무슨 상황이지?"(공장장)
"요청을 분석 중입니다···6번 셔틀은 시스템이 캐리어가 있다고 보고 있어서, 적재 센서가 잘못 감지하고 있는 상황으로 보입니다. 우선 적재 센서 쪽을 점검해 보시고, 필요하면 재부팅 후 다시 확인해 주세요."(AI로봇 다비스)
"그럼 유지보수 구역으로 이동시켜주고, 도착하면 매뉴얼 모드로 전환해줘."(공장장)
23일 대전 KAIST 본원 산업경영학동 내 'KAIROS 실증센터'. 헤드셋을 낀 작업자와 AI 에이전트가 나눈 대화가 끝난 지 채 10초도 되지 않아 셔틀이 움직이기 시작했다.
이날 공개된 'KAIROS(카이로스)'는 장영재 KAIST 산업및시스템공학과 교수팀이 구축한 피지컬 AI 기반 공장 통합 운영 플랫폼이다. 과기정통부 지원을 받아 개발된 국내 최초 수준의 통합형 테스트베드로, 향후 '다크팩토리(Dark Factory)' 수출을 목표로 한 국산 통합 솔루션이라는 점에서 주목된다.
카이로스는 'KAIST AI Robot Orchestration Systems'의 약자다. 그리스어로 '결정적인 순간'을 뜻하는 카이로스(Kairos)와 발음이 같다. 단위 시간 개념인 크로노스(Chronos)와 달리, 카이로스는 '진짜 중요한 순간'을 의미한다.
장 교수는 "인공지능이 공장 운영의 중요도와 체계를 이해하고 가치 있는 시간을 만들어낸다는 이중적인 의미를 담았다"고 설명했다.
카이로스의 핵심은 공장 내 모든 설비를 AI 에이전트 기반 단일 운영체계(OS)로 통합 제어하는 구조다. 물류 로봇(AMR), 천장 이송 장치(OHT), 3D 셔틀, 휴머노이드 로봇, 협동 로봇까지 종류가 다른 설비들이 하나의 지능형 플랫폼 아래 움직인다.
기존 공장 자동화가 개별 장비 중심으로 운영됐다면 카이로스는 공장 전체를 하나의 AI 시스템처럼 운영하는 '피지컬 AI 기반 공장 OS' 개념을 구현했다.
그 중심에 AI 에이전트 '다비스'가 있다. 다비스는 공장 안의 설비뿐 아니라 관제 솔루션과 제조 IT까지 연결해 모든 것을 종합적으로 파악하고, 질의에 응답하는 것을 넘어 실제 장비에 명령을 내린다.
가령 원격지에서 접속해 전체 AMR 배터리 상태를 요약해달라고 하면, 다비스는 로봇들의 상태를 취합해 한눈에 보여준다. 특정 로봇이 궁금하면 클릭 한 번으로 넓은 공장 안 어디에 있는지 지도 위에서 실시간으로 찍어주기도 한다.
카이로스는 100% 국산 기술로 이뤄진 피지컬 AI 기반 공장 통합 운영 플랫폼이다. 기존 공장 자동화가 개별 장비 중심으로 운영됐다면 카이로스는 공장 전체를 하나의 AI 시스템처럼 운영하는 '피지컬 AI 기반 공장 OS' 개념을 구현했다. [사진=홍재화 기자]
장 교수는 "단순 챗봇이 아니다"라며 "어떤 작업을 어떤 로봇이 어떤 경로로 수행할 것인지, 공장 전체 운영을 인공지능이 하는 시스템"이라고 했다.
이날 시연 초반 6번 셔틀이 유지보수 구역으로 스스로 이동한 것도 같은 맥락이었다. 현장과 시스템 사이의 불일치를 다비스가 먼저 짚어내고, 작업자의 판단을 거쳐 장비를 직접 움직이기까지 하나의 흐름으로 이어졌다.
장 교수는 "조각조각 난 기능들이 아니라 전체 시스템에 인공지능이 있고 거기에 다양한 기능들이 앱처럼 올라가는 구조"라고 설명했다. 그 구조가 단단할수록 다비스가 할 수 있는 일의 범위는 넓어진다.
카이로스의 또 다른 기술적 핵심은 수백 대의 이기종 로봇이 서로 충돌 없이 최적 경로로 움직이도록 조율하는 강화학습 기반 알고리즘이다. 아마존 로보틱스 같은 글로벌 기업의 현장에서도 수많은 로봇이 경로를 두고 서로 경합하며 정체가 발생하는 것이 현실이다.
장 교수는 시연에서 기존 알고리즘과 카이로스를 200대 로봇 시뮬레이션으로 직접 비교해 보였다. 기존 방식에서는 로봇들이 좁은 구역 진입을 두고 왔다 갔다를 반복하며 동작이 꼬였지만 카이로스 적용 시에는 막힘 없이 흘렀다. 실제 공장 PoC 결과 기존 대비 생산성이 30~50% 향상됐다.
장 교수는 "여기에 들어가는 시뮬레이터, Q라우팅 강화학습 기반 알고리즘, 디지털 트윈까지 전부 카이스트가 직접 개발한 기술"이라고 강조했다.
카이로스는 작업 장 내 위험도 실시간으로 파악해 공장장에게 즉시 보고한다. [사진=홍재화 기자]
시연은 여기서 끝나지 않았다. 로봇이 막힘 없이 움직이는 공장이라도, 사람이 함께 있는 한 안전 문제는 피할 수 없다. 카이로스 실증센터 내에는 천장에 달린 OHT 설비가 낮게 설치돼 있어 키가 큰 사람은 부딪힐 위험이 있다.
AI는 이런 위험 상황을 사전에 감지하고 대응한다. 자연어로 안전 규칙을 설정하면 AI가 이를 해석해 실시간으로 적용하는 방식이다. 시연에서는 작업자가 헬멧을 벗는 순간 AI가 감지해 경고를 띄우고, 위험 구역에 진입하자 해당 구역의 모든 장비가 즉시 긴급 정지하는 장면이 펼쳐졌다.
이 모든 것을 뒷받침하는 것이 KAIST가 독자 개발한 디지털 트윈이다. 해외 어디서든 원격으로 접속해 실시간으로 돌아가는 장비들과 연결해 공장 전체를 모니터링할 수 있다. 지멘스나 엔비디아 옴니버스 같은 외산이 아닌 순수 국산 기술로, 이 테스트베드가 탄생하기까지 10여 년이 걸렸다.
장 교수는 이 방향으로 결정을 내린 시점을 "2016년 3월 24일"로 기억했다. 알파고가 이세돌 9단과 대국을 벌이던 바로 그 주였다. "그때 충격을 받고 이 방향으로 가야겠다고 결정했다"며 "10년간 축적된 기술이 과기정통부 지원을 통해 이렇게 탄생하게 됐다"고 했다.
10년의 시간 동안 쌓인 것은 기술만이 아니었다. 이번 실증은 국내 강소기업들과의 협업으로 완성됐다. △센서(캔탑스) △제어기(모벤시스) △휴머노이드 로봇(에이로봇) △AMR(티로보틱스) △3D 셔틀(에이텍오토) △가상합성데이터(페블러스) △AI 데이터 인프라(마키나락스) 등이 참여해 센서-제어-데이터 처리 전 구간을 100% 국산 기술로 통합 구현했다. 공장의 '뇌(AI 운영체계)'부터 '근육(로봇·장비)'까지 외산 없이 꾸린 것이다.
장 교수는 "6개월 전 국내 기술만으로 간다고 했을 때 많은 사람들이 반대했다"며 "실제로 국내 테스트베드 상당수가 외산으로 구축돼 있는 현실에서 시도를 했고, 지금 운영이 가능하다"고 했다.
이렇게 국산 기술로 꾸린 공장에서 쌓이는 데이터도 적지 않다. 공장에서 나오는 센서 데이터, 행동 데이터, 운영 데이터 세 가지를 체계적으로 수집하는데, 카이로스에서 생성되는 데이터 양은 국내 조립 자동차 OEM 기준 시간당 70% 수준의 품질 데이터를 생산할 수 있는 규모다. 실제 데이터와 디지털 트윈에서 생성한 가상 데이터를 합친 합성 데이터 생성도 가능하다.
장 교수는 "센서, 액추에이터, 운영 시스템 업체가 함께 체계를 맞춰야 고품질 데이터를 모을 수 있다"며 "카이로스가 그 체계를 갖춘 플랫폼"이라고 설명했다.
나아가 카이로스는 중소기업과 공급·수요 기업들이 함께 모여 개발하고 검증할 수 있는 개방형 테스트베드로도 운영될 계획이다. 단순한 시연장이 아니라 산업 생태계의 거점으로 쓰겠다는 구상이다.
쌓인 기술과 데이터의 방향이 이제 중소기업으로 향하고 있다. 국내 중소기업의 자동화 수요는 빠르게 늘고 있지만, 현실의 벽은 여전히 높다. 로봇 도입에 앞서 필요한 대수와 생산성 향상을 사전에 검증해야 하지만, 이를 위한 시뮬레이션 솔루션은 연간 라이선스 비용만 2억 원에 달하는 외산 제품이 시장을 사실상 독점하고 있다. 전문 인력 확보도 쉽지 않다.
이 같은 장벽을 낮추기 위해 카이로스는 AI 기반 공장 설계 기술을 전면에 내세웠다. 과거 카이스트 박사 3명이 한 달간 매달려야 했던 공장 로봇 동선 설계를, 이제는 AI가 3시간 만에 수행한다. 설계와 검증의 시간을 획기적으로 줄여, 중소기업도 자체적으로 자동화 도입 여부를 판단할 수 있도록 한 것이다.
장 교수는 이 기술을 '모두의 AI 공장장'이라는 이름으로 클라우드에 올려 무료로 배포하는 1단계 전략을 추진하고 있다. 이어 2단계에서는 로봇 도입을 결정한 기업이 AI가 생성한 운영 규칙을 내려받아, 협력 얼라이언스를 맺은 로봇 기업을 통해 현장에 즉시 적용할 수 있도록 지원할 계획이다. 외산 솔루션 없이도 설계부터 도입까지 이어지는 전 과정을 중소기업이 직접 활용할 수 있는 구조를 만드는 것이 목표다.
이 프로젝트는 단순한 솔루션 보급에 그치지 않는다. 현재 KAIST와 전북대가 각각 개발 중인 기술은 향후 통합되고, 여기에 경남 사업의 정밀 가공 기술까지 더해져 하나의 완성된 통합 솔루션으로 고도화될 예정이다. 이를 'K-제조 지능형 공장 패키지'로 묶어 글로벌 시장에 진출하는 것이 최종 목표다.
장 교수는 "대한민국이 제조 강국이라면 지멘스와 같은 기업이 우리 손에서 나왔어야 했다"며 "제품을 수출하는 데 그치지 않고, 공장을 운영하는 인공지능과 그 체계 자체를 수출하는 나라를 만드는 것이 목표"라고 말했다.
이날 과기정통부는 대한민국을 세계 피지컬 AI 선도국으로 도약시키기 위한 '피지컬 AI 핵심 경쟁력 확보 전략안'도 발표했다. [자료=과학기술정보통신부]
이날 과기정통부는 외산 솔루션에 의존하던 제조공장을 국산 기술로 대체할 수 있는 '피지컬 AI 통합 플랫폼'을 공개하고, 이를 기반으로 대한민국을 세계 피지컬 AI 선도국으로 도약시키기 위한 '피지컬 AI 핵심 경쟁력 확보 전략안'도 발표했다.
이번 전략안은 '기술확보→실증→산업 확산→글로벌 진출'로 이어지는 전주기 체계를 구축해 피지컬 AI를 산업 경쟁력으로 연결하는 데 초점을 맞췄다.
피지컬 AI는 최근 정부가 AI를 통한 국가 혁신 가속화를 위해 착수한 범국가적 프로젝트 'K-문샷' 핵심 미션 중 하나로 선정되며 산업·일상 전반의 패러다임을 바꿀 차세대 AI 기술로 주목받고 있다.
정부는 향후 3년을 피지컬 AI 패권을 좌우할 골든타임으로 규정했다. 박태완 과기정통부 정보통신산업정책관은 "피지컬 AI는 전 세계가 다 시작점에 있어 3년 내 승부가 가능하다는 의견이 지배적"이라며 "세계 최고 수준의 제조 기반과 독자적인 AI 기술 잠재력을 동시에 보유한 우리나라가 제조 현장의 노하우에 AI 역량을 결합한다면 세계를 선도하는 피지컬 AI를 탄생시킬 수 있다"고 했다
정부가 제시한 비전은 2028년까지 '피지컬 AI를 수출하는 글로벌 선도국'으로 도약하는 것이다. 이를 위해 4대 추진과제를 설정했으며, 핵심은 '3대 공통 기반기술' 확보에 있다.
우선 사람처럼 스스로 계획을 수립하고 장기·정밀 작업이 가능한 '로봇 파운데이션 모델'을 올해부터 개발한다. 3년 내 자율적인 작업 계획 수립과 양손 정밀 작업 수행이 가능한 수준을 목표로 한다.
여기에 현실 환경에서도 오류 없이 작동하도록 사전 예측과 시뮬레이션을 수행하는 '월드모델', 고성능·저전력·저지연 특성을 갖춘 AI 반도체 기반 '컴퓨팅 플랫폼'도 함께 구축한다. 이와 함께 휴머노이드 핵심 기술과 초저지연 네트워크, 전주기 보안 기술 개발도 병행할 계획이다.
기반기술 확보와 동시에 제조 공정 자동화 기술 개발도 추진한다. 센서 기반 장비 데이터, 숙련공 수준의 작업 구현을 위한 행동 데이터, 공장 운영을 위한 실·가상·합성 데이터를 체계적으로 축적하는 것이 출발점이다. 정부는 전북과 경남 사업을 통해 최소 100개 이상의 작업장에서 데이터를 확보할 방침이다.
이를 토대로 제조 장비가 스스로 최적 제어를 수행하는 '자율 정밀 제조 기술'과 공장 환경 변화에도 생산이 중단되지 않는 '공장 운영 최적화 기술'을 개발한다. 이후 자동차·정밀 제조·조선 등 3대 핵심 산업에 적용한 뒤 글로벌 시장으로 확산한다는 구상이다.
생태계 조성도 병행된다. 석·박사급 고급 인재부터 현장 실무 인력까지 아우르는 인재 양성 체계를 구축하고, 국제 표준화 협력과 성능 평가를 위한 벤치마크 개발, 안전성과 규제 개선을 위한 제도적 기반도 마련한다.
또 피지컬 AI 관련 협회와 얼라이언스 간 협력으로 수요·공급 연계를 강화하고, 과학기술관계장관회의를 중심으로 범부처 협력 프로젝트를 발굴·지원하는 산학연 협력체계도 가동한다.
배경훈 부총리는 "향후 3년은 대한민국이 피지컬 AI 강국 도약을 위해 국가 역량을 총동원해야 할 골든타임"이라며 "이제는 기술을 개발하는 단계를 넘어 산업을 바꾸고 수출하는 단계로 나아가야 한다"고 강조했다.
이어 "실증랩에서 검증된 국산 공장 운영체계를 기반으로 'K-제조 지능형 공장 패키지' 수출을 본격화하고, 산업 현장과 국민의 일상을 변화시키는 성공 사례를 창출하는 데 모든 정책적 지원을 아끼지 않겠다"고 밝혔다.
산학연이 함께하는 간담회도 진행됐다. 과기정통부는 이번 기업간담회에서 논의된 산업계의 의견을 전략에 적극 반영하고 향후 관계부처와의 긴밀한 협의를 거쳐 차기 과학기술관계장관회의에서 최종안을 확정·발표할 예정이다. [사진=과학기술정보통신부]
전략안 발표 직후에는 기업 간담회가 이어졌다. 배 부총리는 기술 국산화와 데이터 확보 체계를 핵심 의제로 제시하며 현장의 의견을 직접 들었다.
제어기 전문 기업 모벤시스의 김기윤 대표는 외산 의존 구조를 정면으로 짚었다. 그는 "지멘스, 로크웰, 미츠비시 등 글로벌 기업들이 자사 하드웨어 생태계 안에 데이터를 묶어두며 한국 제조 시장을 장악하고 있다"며 "2차전지처럼 마이크로초 단위로 공정이 이뤄지는 현장에서는 수십만 개 데이터를 실시간으로 수집·분석해야 하는데, 기존 외산 플랫폼으로는 한계가 있다"고 지적했다.
이어 "국산 기술 기반 파이프라인이 이러한 구조를 깨는 돌파구가 될 수 있다"며 정부의 적극적인 지원 필요성을 강조했다.
최성훈 LG CNS 상무는 데이터 활용 체계 구축을 위한 구체적인 방안도 제시했다. 현장 설비 이상을 진단하는 '제조 AI 주치의 제도', 관리자와 경영진을 대상으로 한 'AI 교육 체계', 파편화된 데이터를 체계화하는 '제조 AI 온톨로지 기반 표준 모델' 구축 등 세 가지다.
그는 "도서관에 책이 많아도 정리가 안 되면 쓸 수 없듯, 데이터 역시 맥락 없이 쌓이면 활용이 어렵다"며 "표준 모델이 구축되면 현장 확산 속도를 크게 높일 수 있을 것"이라고 말했다.
윤성호 마키나락스 대표는 소프트웨어 운영체계의 중요성을 강조했다. 그는 "피지컬 AI는 단일 모델이나 GPU로 구현되는 기술이 아니라, 다양한 요소를 통합·운영하는 플랫폼이 핵심"이라며 "모델과 반도체 중심 논의에 비해 소프트웨어 운영체계의 중요성이 과소평가되고 있다"고 지적했다.
아울러 인재 양성 방향 전환도 필요하다고 봤다. 윤 대표는 "리서치 중심 인재 양성에서 벗어나, 제조 현장에서 AI를 실제 비즈니스 가치로 연결할 수 있는 '현장 배치형 엔지니어' 양성이 시급하다"고 강조했다.
최용석 마음AI 대표는 생태계 단절 문제를 지적했다. 그는 "이해 중심의 AI 모델과 실제 로봇을 제어하는 행동 모델이 여전히 분리돼 있는데, 이를 개발하는 기업 간 교류가 부족하다"며 "월드모델과 로봇 파운데이션 모델이 결합되는 흐름이 이미 시작된 만큼, 3년 골든타임 내 이를 반영한 전략이 필요하다"고 말했다.
이어 "피지컬 AI는 개별 기술이 아니라 대규모 생태계 산업인데, 현재는 지나치게 작은 단위에서 경쟁이 이뤄지고 있다"며 "기업 간 연합을 통한 '큰 단위 경쟁 구조'를 만들 필요가 있으며, 이를 주도할 수 있는 주체는 결국 정부"라고 강조했다.
댓글
0