SNU MIC 2026에 참석해 축사하는 김영오 서울대 공과대학장
서울대학교 공과대학이 로봇공학과 인공지능, 자율 제조의 융합 가능성을 조망하는 학술 행사를 열고 기계 지능 기반 산업 전환의 방향을 제시했다.
서울대 공대는 지난 13일 관악캠퍼스 제1공학관에서 ‘SNU 메카노 인텔리전스 컨퍼런스 2026(SNU MIC 2026)’을 개최했다고 밝혔다. 이번 행사에는 국내외 학계와 산업계 관계자 약 380명이 참석했다.
올해 처음 열린 이번 컨퍼런스는 최근 산업 전반에서 주목받는 피지컬 AI를 중심으로, 로보틱스와 인공지능, 자율 제조가 어떻게 결합해 미래 산업 구조를 바꿀 수 있는지를 논의하는 자리로 마련됐다. 행사에서는 서울대와 국내외 대학 연구진이 기계 지능과 관련한 포스터 91편을 발표했으며, 기계공학 분야 주요 전문가 8명이 기조연설을 통해 산업 현장 적용 가능성과 기술 사업화 방향을 제시했다.
이날 주요 논의 중 하나는 ‘설계 혁신’이었다. 민태기 S&H 기술연구소장은 글로벌 혁신 기업들의 경쟁력은 생산 이전 단계인 설계에서부터 결정된다고 진단했다. 특히 원가 절감과 제품 성능 향상 모두 설계 역량에서 출발하며, 앞으로는 인간의 사용 경험과 물리 환경까지 반영하는 설계 능력이 산업 경쟁력의 핵심이 될 것이라고 설명했다.
강남우 KAIST 교수는 설계 분야에서도 인공지능의 역할이 빠르게 확대되고 있다고 분석했다. 그는 기존의 최적 설계나 생성형 설계를 넘어, AI가 스스로 구조와 형상을 도출하는 자동설계 시대로 진입하고 있다고 짚으며, 국내 기업들도 이에 대한 대응 전략 마련이 필요하다고 밝혔다.
생산 현장의 AI 도입 방식에 대한 신중론도 제기됐다. 박종우 서울대 교수는 로봇 데이터가 비전·언어 데이터보다 훨씬 복잡하고 잡음이 많다는 점을 언급하며, 단순히 대규모 데이터를 축적해 범용 AI 모델에 적용하는 방식만으로는 한계가 있다고 지적했다. 그는 로봇의 물리적 특성과 작동 환경을 반영하는 별도의 접근이 필요하다고 강조했다.
자율 제조의 구현 방식에 대해서도 현실적인 제언이 이어졌다. 민정국 현대자동차·기아 제조SW개발실 상무는 기존 생산라인에 자동화 기술을 덧붙이는 방식만으로는 자율 제조 체계 전환이 어렵다고 설명했다. 이어 공장 설계 초기 단계부터 AI와 로봇 운용을 전제로 한 구조 설계가 이뤄져야 한다고 말하며, 실제 생산 라인에 적용 중인 자동화 사례도 함께 소개했다.
데이터 활용 전략에 대한 문제 제기도 나왔다. 윤병동 서울대 교수는 산업 현장에서 가공되지 않은 원천 데이터를 무분별하게 축적하는 방식은 실질적인 AI 경쟁력으로 이어지기 어렵다고 지적했다. 대신 AI가 학습할 수 있도록 목적에 맞게 정제·구조화된 데이터를 구축하는 것이 더 중요하다고 강조했다.
기술 사업화와 산학연 생태계 구축의 필요성도 이번 행사에서 주요 의제로 다뤄졌다. 조규진 서울대 기계공학부 학부장은 연구 성과가 논문에 머무르지 않고 창업과 산업 혁신으로 이어지기 위해서는 제도적 기반이 필요하다고 밝혔다. 이를 위해 대학이 기술 창업과 사업화를 지원하는 로봇 생태계를 구축하고, 이를 이끌 거점 조직으로 로보틱스 인스티튜트 설립을 검토할 필요가 있다고 제안했다.
이 밖에도 이경무 서울대 석좌교수는 딥러닝 기반 시각 지능과 기계 시스템의 결합 가능성을 설명했고, 주재형 상하이 자오퉁대 교수는 메타물질과 4D 프린팅 기반 지능형 구조 설계의 확장성을 소개했다.
서울대 공대는 이번 행사가 기계공학 기반 융합기술이 실제 산업의 생산 방식과 원가 구조를 어떻게 변화시킬 수 있는지 점검하는 계기가 됐다고 설명했다. 또한 기술 연구를 산업 현장과 연결하기 위한 산학연 협력 기반 조성 필요성도 다시 확인됐다고 평가했다.
이번 컨퍼런스는 AI와 로봇 기술의 경쟁력이 단순한 알고리즘 개발에만 있는 것이 아니라, 설계·데이터·공장 구조·사업화 체계까지 함께 바뀔 때 비로소 산업 혁신으로 이어질 수 있음을 보여준 자리로 해석된다.
이번 행사의 의미는 크게 세 가지로 볼 수 있다. 첫째, 피지컬 AI와 자율 제조가 더 이상 개별 기술의 문제가 아니라 제조업 전반의 구조 전환 과제로 떠오르고 있음을 보여줬다. 둘째, AI 활용의 성패가 단순한 데이터 양이 아니라 산업 현장에 맞는 설계와 정제된 데이터 전략에 달려 있다는 점을 부각했다. 셋째, 대학의 역할이 기초 연구를 넘어 기술 창업과 사업화, 산업 생태계 조성으로 확대되고 있다는 점에서 향후 산학연 협력 모델 변화의 신호로 읽힌다.
댓글
0