[테크프론티어] 마음에이아이, K-'로봇 두뇌' 풀스택 구축… 피지컬 AI ...

-35B 양자화 모델부터 VLA·자기지도학습까지… 칩·모델·운영체제 전 계층 자체화

-엔비디아·구글·테슬라 이어 한국도 독자 스택 진입… “AI 경쟁, 이제 물리 세계로”

'테크프론티어(Tech Frontier)'

는 산업·기술 분야 최전선의 핵심 기술과 기업을 조명하는 기사입니다. 기존 기술을 뛰어넘는 혁신, 신시장 개척, 미래 경쟁력 확보 전략을 분석해 업계 관계자에게 깊이 있는 인사이트를 제공합니다. 이번 편에서는 한국형 피지컬에이아이 표준의 한가운데 서 있는 코스닥 상장사 마음에이아이(377480)의 기술 스택을, 트랜스포머 아키텍처·이종 칩셋 가속·양자화·교차언어 전이학습·비전-언어-행동(VLA) 모델·자기지도학습·자율 에이전트 운영체제까지, 학술적 토대 위에서 정밀 해부합니다

... <기자 설명>

한국 인공지능 산업의 좌표가 바뀌고 있습니다. 8일 오전 11시 27분 코스닥 시장에서 마음에이아이 주가는 전일 대비 1080원(6.19%) 오른 1만8530원에 거래됐습니다. 시가총액은 1313억원입니다. 종목 등락 이상의 의미가 이 숫자에 담겨 있습니다. 글로벌 인공지능(AI) 패권 경쟁은 지금까지 모델 파라미터 규모, 즉 얼마나 큰 모델을 학습시킬 자본력을 갖췄는가를 둘러싼 자본 게임이었습니다. 마이크로소프트(MSFT)와 오픈AI(OpenAI)가 1000억 달러 단위 투자를 발표했고, 메타(META)는 100기가와트(GW)급 인공지능 데이터센터 건설을 선언한 시대입니다. 이 자본 경쟁에서 한국 중소·중견 기업이 살아남을 길은 사실상 봉쇄돼 있었습니다.

▲AI 패권 다음 전장 ‘피지컬 AI’… 한국, 독립 변수로 떠오르다

그러나 게임의 규칙이 바뀌고 있습니다. 엔비디아(NVDA) 젠슨 황 최고경영자(CEO)는 CES 2025에서 “다음 챗GPT 모먼트는 피지컬 AI”라고 선언했습니다. 학계에서는 이 발언을 1950년대 트랜지스터 발명, 1970년대 마이크로프로세서 등장에 비견되는 패러다임 전환으로 평가하고 있습니다. 거대언어모델(LLM)이 디지털 공간을 정복했다면, 다음은 물리 세계입니다. 로봇·차량·드론·휴머노이드가 인공지능을 두뇌로 장착해 인간의 육체노동을 대체·증강하는 시대가 열리고 있습니다. 이 영역에서는 모델 규모보다 얼마나 효율적인 모델을 얼마나 작은 디바이스에 얼마나 안전하게 탑재할 수 있는지가 경쟁력을 좌우합니다. 반도체와 제조 기술 기반이 강한 한국이 자본 격차를 우회해 정면 승부를 벌일 수 있는 마지막 인공지능 영역이라는 진단이 학계와 산업계에서 동시에 나오고 있습니다.

마음에이아이가 주목받는 이유가 여기에 있습니다. 이 회사는 지난 11년간 인공지능 컨택센터(AICC) 사업으로 축적한 트랜스포머 운용 경험을 2023년부터 로봇·차량 제어용 파운데이션 모델로 전환했습니다. 그리고 2026년 5월 현재 △언어 △음성(수다) △시각 △비전-언어-행동(WoRV) 등 4대 파운데이션 모델과 △이를 구동하는 자체 엣지 디바이스 ‘MAIED’ △그 위에서 임무를 분해·실행하는 자율운용 운영체제(OS) ‘RAISE’까지 모델·하드웨어·운영체제 전 계층을 단일 회사가 자체 개발한 구조를 구축했습니다.

이는 곧 미국 엔비디아의 코스모스(Cosmos)·아이작 그루트(Isaac GR00T) 스택, 구글 딥마인드의 RT-2·제미나이 로보틱스, 테슬라의 완전자율주행(FSD) v12 종단간 신경망, 중국 유니트리 로보틱스·아지봇의 휴머노이드 등 글로벌 4대 진영 속에서 한국도 자체 엔지니어링 정체성을 가진 독립 변수로 등장하고 있음을 의미합니다. 본 기사는 마음에이아이가 구축한 풀스택 7개 계층을 학술적·공학적 관점에서 각각 해부합니다.

마음에이아이의 온디바이스 AI 통합 플랫폼 ‘MAIED(Maum AI Edge Device)’ 구조도. 엔비디아 젯슨 오린 NX(Jetson Orin NX), 엣지코르틱스 사쿠라-Ⅱ(EdgeCortix SAKURA-II), 락칩 RK3588 등 이종(heterogeneous) 칩셋을 결합한 하이브리드 구조를 채택했다. 비전 인지·거대언어모델(LLM) 추론·멀티모달 데이터 전처리·실시간 제어를 역할별로 분산 처리하는 방식으로, 폰 노이만 병목(von Neumann bottleneck)과 메모리 대역폭 한계를 우회하도록 설계됐다. 최대 180테라옵스(TOPS)급 AI 연산 성능과 온디바이스 파운데이션 모델 구동 구조를 기반으로, 로봇·자율주행 차량·군집형 엣지 디바이스 등 다양한 피지컬 AI 환경에 적용 가능한 플랫폼이라는 설명이다. [사진=마음에이아이]

▲ 'MAIED'… 이종 칩셋 결합으로 폰 노이만 병목 우회한 한국형 엣지 두뇌

마음에이아이 풀스택을 떠받치는 첫 번째 축은 자체 하드웨어 ‘MAIED(Maum AI Edge Device)’입니다. 표면적인 사양은 합산 180테라옵스(TOPS), 22.2볼트 리튬폴리머 듀얼팩 기반 3시간 가동, 와이파이6·LTE·기가비트 이더넷(5포트) 입출력입니다. 그러나 이 하드웨어의 진짜 의미는 ‘폰 노이만 병목(von Neumann bottleneck)’을 우회하는 설계에 있다는 평가가 나옵니다.

지난 30년간 컴퓨팅 성능은 메모리 대역폭보다 연산 처리량 중심으로 발전해왔습니다. 그 결과 거대언어모델(LLM) 추론에서는 메모리 대역폭(HBM 등)이 오히려 핵심 병목으로 떠올랐습니다. 350억개(35B) 파라미터 모델을 16비트 부동소수점(FP16)으로 구동하면 약 70기가바이트(GB), 8비트 정수 양자화(INT8) 시 약 35GB, 4비트로 압축하면 약 17.5GB 수준의 메모리가 필요합니다. 여기에 매 토큰 생성 때마다 전체 가중치를 최소 한 번 이상 메모리에서 읽어와야 합니다. 메이드는 이 문제를 세 가지 이질적 가속기의 역할 분담 구조로 풀어낸 것이 핵심입니다.

첫째, 엔비디아 젯슨 오린 NX(Jetson Orin NX)가 비전 인지와 비전언어모델(VLM) 추론을 담당합니다. 1024개 쿠다(CUDA) 코어는 일반 병렬 연산용이고, 32개 텐서(Tensor) 코어는 행렬 곱셈 가속용입니다. 즉 트랜스포머의 키-쿼리-밸류(KQV) 연산을 16비트 부동소수점(FP16) 환경에서 병렬 처리하는 데 최적화된 구조입니다. 8코어 ARM 코어텍스-A78AE CPU는 자동차 기능 안전 표준인 ASIL-D 등급을 만족하는 코어로, 추론 결과를 받아 액추에이터로 전달하는 안전 임계 경로를 담당합니다. 여기에 100테라옵스(TOPS)급 AI 연산 성능뿐 아니라 쿠다·텐서RT(TensorRT)·딥스트림(DeepStream) 프레임워크 호환성까지 확보했습니다.

둘째, 마음에이아이가 채택한 엣지코르틱스 사쿠라-Ⅱ M.2(EdgeCortix SAKURA-II) 가속기는 거대언어모델(LLM)·검색증강생성(RAG)·세이프액트(SafeAct) 가드레일 등 추론 단계의 추가 검증 연산을 담당합니다. 이 가속기는 40테라옵스(TOPS)급 전용 AI 가속기로, 사쿠라 아키텍처는 ‘다이내믹 뉴럴 액셀러레이터(Dynamic Neural Accelerator)’ 기반 데이터플로우(dataflow) 구조를 채택했습니다. 일반적인 GPU 추론이 폰 노이만 구조에 따라 메모리와 연산장치 사이를 반복적으로 왕복하는 반면, 데이터플로우 가속기는 한 번 로드한 가중치 위로 입력 토큰이 흐르는 구조입니다. 그 결과 오프칩(off-chip) 메모리 접근 횟수를 90% 이상 줄일 수 있습니다. 마음에이아이가 강조하는 ‘초저지연 추론(ultra-low-latency inference)’의 핵심도 여기에 있습니다.

셋째, 락칩 RK3588(FET3588-C SoM)이 멀티모달 데이터 전처리와 실시간 임무 제어를 담당합니다. 8코어 코어텍스-A76·A55 CPU(최대 2.4GHz), 말리-G610 MP4 GPU, 6테라옵스(TOPS)급 신경망처리장치(NPU)를 하나의 칩에 통합한 시스템온칩(SoC) 구조입니다. 입력 영상 디코딩, 센서 데이터 융합, RS-485 기반 모터 컨트롤러 제어 등 거대 모델 추론까지 갈 필요가 없는 주변부 연산을 전담합니다. 이 듀얼 보드 하이브리드 구조의 핵심은 ‘적재적소 가속기 배분(workload-aware accelerator partitioning)’입니다. 모든 연산을 하나의 칩에서 처리하는 대신, 연산량 대비 메모리 접근량인 산술 강도(arithmetic intensity)에 따라 가장 적합한 칩을 선택해 연산을 분산하는 구조입니다. 환경과 목적에 따라 최대 4개 칩 조합까지 구성할 수 있어 군집 로봇 운용, 자율주행 차량, 고정형 키오스크 등 기기 형태별로 서로 다른 아키텍처를 구현할 수 있는 유연성까지 확보했습니다.

마음에이아이의 온프레미스(On-Premise) 기반 거대언어모델(LLM)+에이전트 AI 플랫폼 ‘MAAL(Multilingual Adaptive Augmentation Language-model)’ 소개 자료. 외부 클라우드가 아닌 기업 내부 서버 환경에서 구동되는 구조로, 데이터 외부 유출 위험을 줄이고 보안 통제와 감사 추적성을 강화한 것이 특징이다. 목표 기반 자율 수행(goal-oriented autonomy), 멀티 시스템 오케스트레이션(orchestration), 승인 기반 실행 통제 등 에이전트 AI 구조를 전면에 내세우고 있다. API·DB·문서·사내 시스템·외부 서비스까지 연결해 복합 업무 흐름을 자동화하는 구조로, 기업용 피지컬 AI 및 온디바이스 AI 운영체제(OS) 생태계 확장을 겨냥하고 있다는 설명이다. [사진=마음에이아이]

▲ '말(MAAL)'… 교차언어 전이학습으로 '한국어 사고력'을 다섯 줄로 압축한 모델

마음에이아이가 자체 개발한 다국어 적응형 증강 언어모델(MAAL·Multilingual Adaptive Augmentation Language-model) ‘말(MAAL)’은 단순한 라마(Llama) 기반 한국어 파인튜닝 모델이 아닙니다. 핵심은 교차언어 학습(Cross-Lingual Training) 방법론에 있습니다.

기존 한국어 거대언어모델(LLM) 개발은 크게 두 갈래로 진행됐습니다. 하나는 한국어 말뭉치를 처음부터 학습시키는 사전학습(pretraining-from-scratch) 방식입니다. 다만 한국어 데이터 절대량이 영어권보다 부족하다 보니 추론 성능이 글로벌 영어 모델 대비 떨어진다는 한계가 있었습니다. 다른 하나는 영어 기반 모델에 한국어 토큰을 추가해 계속학습하는 방식입니다. 하지만 이 경우 기존 영어 성능이 손상되는 ‘재앙적 망각’ 문제가 반복적으로 발생했습니다.

마음에이아이는 이 두 방식의 한계를 우회했습니다. “영어 모델은 영어 자체가 아니라 ‘언어’라는 도메인을 이해하는 모델”이라는 접근에서 출발해, 라마3 8B 모델에 ‘외국어로서의 한국어’를 학습시키는 교차언어 전이(cross-lingual transfer) 방식을 적용했습니다. 그 결과물이 ‘말 허밍버드(MAAL-Hummingbird)’입니다. 이 모델은 한국어 사고력 벤치마크인 로직코어(LogicKor)에서 5.23점을 기록했으며, 비슷한 파라미터 규모 모델 대비 검색증강생성(RAG)·수학·추론 과제에서 높은 성능을 보였다는 평가를 받고 있습니다. 회사는 해당 체크포인트를 허깅페이스(Hugging Face)에 오픈소스로 공개해 학계 검증도 진행했습니다.

라인업은 세 가지로 분화돼 있습니다. 엣지 디바이스용 80억개(8B) 파라미터급 ‘말 허밍버드’, 속도와 성능 균형형 ‘말 아울(MAAL-Owl)’, 최상위 추론 성능을 겨냥한 ‘말 알바트로스(MAAL-Albatross)’입니다. 특히 알바트로스는 6710억개(671B) 파라미터 규모로, 메타의 라마3 405B, 미스트랄 라지2(Mistral Large 2) 등 글로벌 프런티어 모델과 경쟁 가능한 수준의 스케일을 지향하고 있습니다.

진짜 도전은 이 모델들을 엣지 디바이스에 탑재하는 데 있습니다. 마음에이아이는 지난달 22일 월드IT쇼에서 350억개(35B) 파라미터 모델을 양자화·최적화해 진도봇에 탑재한 시연을 공개했습니다. 양자화는 모델 가중치의 비트 정밀도를 16비트에서 8비트, 4비트 수준으로 낮추는 기술입니다. 다만 단순히 정밀도를 낮추면 정확도가 급격히 떨어집니다. 이를 해결하기 위해 업계에서는 활성화 인지 가중치 양자화(AWQ), 그래디언트 사후 양자화(GPTQ), 평활화 양자화(SmoothQuant) 같은 기법을 활용합니다. 중요한 가중치는 유지하고 상대적으로 둔감한 가중치만 압축하는 비균일 양자화 방식입니다.

35B 모델을 4비트 수준으로 양자화하면 메모리 용량은 약 17.5기가바이트(GB) 수준까지 줄어듭니다. 이에 따라 8~16GB 메모리를 탑재한 엣지 디바이스에서도 구동 가능한 구조가 만들어집니다. 마음에이아이가 클라우드 연결 없이 자연어 대화와 임무 수행 시연까지 공개한 것은, 단순 모델 개발을 넘어 양자화·최적화·배포(deployment)까지 이어지는 전체 파이프라인을 자체적으로 운영하고 있음을 보여준다는 평가가 나옵니다.

마음에이아이의 온디바이스 음성 파운데이션 모델 ‘수다(SUDA·Seamless Uninterrupted Dialogue Assistant)’ 소개 자료. 기존 음성인식(STT)→거대언어모델(LLM)→음성합성(TTS)으로 이어지는 직렬 구조를 단일 트랜스포머 기반 음성 대화 모델로 통합한 것이 핵심이다. 인터넷 연결 없이 스마트홈·가전·키오스크·로봇 등 엣지 디바이스에서 자연어 음성 대화와 제어가 가능하도록 설계됐으며, 초저지연 응답(low latency)과 클라우드-온디바이스 하이브리드 구조를 강조하고 있다. 음성 데이터를 텍스트로 단순 변환하는 수준을 넘어 운율·감정·화자 의도까지 유지한 상태에서 직접 추론하는 차세대 음성 AI 아키텍처라는 설명이다. [사진=마음에이아이]

▲'수다(SUDA)'… 종단 간 음성 모델로 직렬 파이프라인 오류 누적 절단

오디오 파운데이션 모델 '수다(SUDA·Seamless Uninterrupted Dialogue Assistant)'의 기술적 의미는 **'직렬 파이프라인 절단(cascaded pipeline elimination)'**에 있다.

오디오 파운데이션 모델 ‘수다(Seamless Uninterrupted Dialogue Assistant)’의 기술적 의미는 ‘직렬 파이프라인 절단(cascaded pipeline elimination)’에 있습니다. 기존 음성 대화 시스템은 음성인식(STT)→거대언어모델(LLM)→음성합성(TTS)으로 이어지는 3단계 직렬 구조였습니다. 이 구조에서는 음성인식 단계에서 발생한 오류가 그대로 거대언어모델 입력값으로 들어가며 오차가 누적되는 문제가 발생했습니다. 또 실제 음성에는 텍스트로 완전히 환원되지 않는 운율, 감정, 화자 의도 같은 정보가 포함돼 있는데, 텍스트 변환 과정에서 이 정보들이 상당 부분 사라졌습니다. 여기에 각 단계가 순차적으로 완료돼야 다음 단계로 넘어가는 구조다 보니 전체 응답 지연이 1초 안팎까지 길어지는 한계도 존재했습니다.

수다는 이 문제들을 단일 트랜스포머 모델로 통합해 해결하려는 시도입니다. 음성 입력을 이산 음성 토큰(discrete speech token)으로 직접 인코딩하고, 이 음성 토큰 위에서 곧바로 추론한 뒤 응답 음성 토큰을 생성해 디코더로 보내는 구조입니다. 이 과정에는 허버트·엔코덱 계열 토크나이저가 활용됩니다. 이는 오픈AI GPT-4o와 구글 제미나이 라이브 음성 모드와 같은 패러다임입니다. 다만 마음에이아이는 이 모델을 온디바이스 환경으로 끌어내려 인터넷 연결 없이 작동하도록 구현했다는 점에서 차별화됩니다. 글로벌 반도체 기업 퀄컴이 마음에이아이를 공식 소프트웨어 벤더로 등록하고, CES 2025에서 공동 시연까지 진행한 것도 이 온디바이스 음성 파운데이션 모델의 상용 가능성을 검증한 사례로 평가받고 있습니다.

지난달 1일 한국철도공사(코레일) 음성 인공지능 챗봇이 ‘수다’ 기반으로 고도화된 사례는 이를 보여주는 정량적 사례입니다. 월 14만건 규모 고객 문의를 처리하는 과정에서 “내일 아침 8시 서울에서 부산 가는 KTX 어른 두 명” 같은 자유 발화 문장 하나만으로 날짜·시간·구간·인원 정보를 동시에 추출하고, 부족한 항목만 선택적으로 되묻는 슬롯 필링(slot-filling with rejection) 알고리즘이 적용됐습니다. 기존 시나리오 기반 순차 입력 구조에서 벗어나 자연어 한 번으로 사용자의 의도를 파악하는 구조로 넘어가고 있다는 점에서, 음성 시스템 설계 방식 자체가 바뀌고 있다는 평가가 나옵니다.

마음에이아이의 비전-언어-행동(VLA·Vision-Language-Action) 기반 로보틱스 모듈 ‘워브(WoRV·World model for Robotics and Vehicle control)’ 소개 자료. 카메라 기반 시각 정보와 자연어 명령을 동시에 이해해 자율주행 차량·농업 로봇·산업용 로봇 등 다양한 피지컬 AI 환경에서 실시간 판단과 행동 생성을 수행하는 구조다. 기존 규칙 기반 자율주행이 취약했던 예외 상황 대응, 모호한 자연어 지시 이해, 지도에 없는 장애물 회피 등을 언어 기반 일반화(language-mediated generalization) 방식으로 해결하는 것이 핵심이다. 뉴립스(NeurIPS) 2024 오픈월드 에이전트 워크숍 최우수논문상을 받은 캔버스(CANVAS) 아키텍처 기반 기술이 적용됐으며, 다양한 하드웨어 플랫폼에 이식 가능한 양산형 종단간(E2E) VLA 로보틱스 모듈 키트라는 설명이다. [사진=마음에이아이]

▲'워브(WoRV)'… 비전-언어-행동 패러다임과 캔버스(CANVAS) 아키텍처

음에이아이의 기술 가운데 학술적으로 가장 높은 평가를 받은 분야는 비전-언어-행동(VLA) 모델 ‘워브(World model for Robotics and Vehicle control)’입니다. 이 모델의 기반 아키텍처인 ‘캔버스(CANVAS·Context-Aware Navigation Agent System)’는 지난해 12월 세계 최고 권위 인공지능 학회로 꼽히는 뉴립스(NeurIPS) 2024 오픈월드 에이전트 워크숍에서 마이크로소프트·구글 딥마인드·메타와 함께 최우수논문상(Outstanding Paper Award)을 수상했습니다. 국내 기업이 뉴립스 구두 발표(Oral Presentation) 6편 안에 포함된 사례 자체가 드문 데다, 최우수논문상까지 받은 것은 국내 인공지능 업계에서도 이례적인 사례로 평가받고 있습니다.

워브가 속한 비전-언어-행동(VLA) 패러다임은 로보틱스 발전사의 네 번째 단계로 평가받고 있습니다. 1단계는 1960~1980년대 규칙 기반 제어(rule-based control) 시대였습니다. 사람이 모든 동작을 사전에 프로그래밍하는 방식입니다. 2단계는 1990~2010년대 모방학습(imitation learning)입니다. 사람이 직접 수행한 동작 데이터를 기반으로 로봇이 행동을 학습하는 구조입니다. 3단계는 2010년대 후반 심층강화학습(deep reinforcement learning)입니다. 로봇이 환경과 상호작용하며 보상을 최대화하는 방향으로 스스로 행동 전략을 학습하는 방식입니다.

현재의 4단계가 바로 VLA입니다. 거대 사전학습 모델 위에 언어 기반 행동 생성 능력을 결합한 종단간(end-to-end) 구조입니다. 구글 딥마인드의 RT-2, 스탠퍼드의 오픈VLA(OpenVLA), 피규어AI의 헬릭스(Helix) 등이 같은 계열로 분류됩니다.

캔버스 논문의 핵심 기여는 ‘언어를 통한 행동 의도의 모호성 해소’에 있습니다. 기존 비전 기반 자율주행 모델은 “직진 후 좌회전” 같은 명시적 경로 명령만 처리할 수 있었습니다. 반면 캔버스는 입력 단계에서 전면 카메라 이미지(Xf(t)), 손그림 수준의 약도까지 허용하는 캔버스 맵(Xc(t)), 자연어 명령(L)을 동시에 받아들입니다. 이후 트랜스포머 디코더가 웨이포인트 토큰(waypoint token)을 자기회귀(auto-regressive) 방식으로 생성하고, 이 토큰이 위치제어(PD·Proportional-Derivative) 컨트롤러로 전달돼 실제 모터 제어까지 이어지는 구조입니다.

이 아키텍처의 핵심은 연속 행동 공간을 이산 토큰 공간으로 변환한 데 있다는 평가가 나옵니다. 거대언어모델(LLM)이 다음 단어 토큰을 예측하듯, 캔버스는 다음 웨이포인트 토큰을 예측하는 방식입니다. 이를 통해 거대언어모델 사전학습 과정에서 확보한 지식과 일반화 능력을 행동 생성 영역으로 그대로 확장할 수 있게 됩니다. “나무 사이로 농약을 뿌리고 와” 같은 모호한 자연어 명령을 이해할 수 있는 이유, 유리벽·물웅덩이처럼 학습 데이터에 없던 예외 상황에서도 시각 정보를 언어적으로 재해석해 회피할 수 있는 이유, 라이다(LiDAR) 없이 카메라만으로 지도에 없는 장애물을 피할 수 있는 이유도 모두 언어 기반 일반화(language-mediated generalization) 구조 때문이라는 설명입니다.

기존 자율주행 기술이 풀지 못했던 ‘롱테일 분포(long-tail distribution)’ 문제를 해결할 가능성이 열리는 지점도 여기에 있습니다. 도로 주행의 99%는 정형화된 상황이지만, 실제 사고는 나머지 1% 예외 상황에서 발생하는 경우가 많습니다. 규칙 기반 제어나 모방학습 모델은 이런 예외 상황에서 급격히 성능이 무너지는 한계를 보여왔습니다. 반면 VLA 모델은 거대 사전학습 과정에서 확보한 상식 기반 추론을 활용해 처음 보는 상황까지 대응하려는 접근입니다. 테슬라가 완전자율주행(FSD) v12에서 종단간(end-to-end) 신경망 구조로 전환하며 약 30만줄 규모 휴리스틱 코드를 제거한 것도 같은 흐름으로 해석됩니다.

워브는 이런 캔버스 아키텍처를 산업용으로 모듈화한 양산형 종단간 비전-언어-행동(E2E VLA) 로보틱스 모듈 키트입니다. 4대 카메라와 초소형 고성능 컴퓨팅 플랫폼으로 구성돼 있으며, 차량·로봇 등 다양한 폼팩터에 장착 가능한 호환 구조를 채택했습니다. 위치 추적은 오도메트리(Odometry) 기반 보정 방식을 적용해 이동 과정에서 발생하는 오차 누적 문제를 줄였다는 설명입니다.

마음에이아이의 비전언어모델(VLM) 기반 엣지 관측·탐지 시스템 ‘보다(BODA·VLM for Observation & Detection on the Edge)’ 소개 이미지. 사용자가 자연어로 정의한 이상 상황(anomaly)을 실시간으로 탐지하는 구조로, 기존 폐쇄형 분류기(closed-set classifier) 방식의 한계를 넘어선 것이 특징이다. 텍스트와 이미지를 동일 임베딩 공간에서 처리하는 비전-언어 정렬(vision-language alignment) 기술을 기반으로, 사전에 학습하지 않은 객체·행동·이상 상황까지 자연어 설명만으로 탐지할 수 있도록 설계됐다. 유리창 균열, 통제구역 침입, 이상 행동 감지 등 다양한 산업·보안·국방 환경에서 온디바이스 기반 실시간 감시 체계로 활용 가능하다는 설명이다. [사진=마음에이아이]

▲ '보다(BODA)'… 사용자가 정의한 이상 상황 실시간 탐지하는 비전언어모델

비전 파운데이션 모델 ‘보다(Bionic Observation and Dialogue Agent)’는 비전언어모델(VLM) 계열입니다. 핵심 가치는 ‘폐쇄형 분류기(closed-set classifier)’ 구조의 한계를 넘어섰다는 점에 있습니다. 기존 컴퓨터 비전 모델은 사전에 정의된 클래스만 인식할 수 있었습니다. 예를 들어 ‘사람·차량·자전거’ 등 특정 클래스만 학습한 모델은 새로운 객체가 등장하면 대응하기 어려웠습니다.

반면 보다는 CLIP(Contrastive Language-Image Pre-training) 계열의 비전-언어 정렬(vision-language alignment) 구조를 적용했습니다. 텍스트 인코더와 이미지 인코더를 동일 임베딩 공간에 정렬해, 학습 단계에서 보지 못한 객체나 행동도 자연어 설명만으로 탐지할 수 있도록 만든 구조입니다. 이에 따라 사용자가 “유리창 균열을 확인하라”, “통제구역 안 사람 존재 여부를 탐지하라” 같은 자연어 명령으로 이상 상황(anomaly)을 정의하면, 모델이 이를 실시간으로 검출할 수 있습니다.

여기에 자동 음성 캡셔닝(AAC·Automatic Audio Captioning) 모듈이 폭발음·사이렌 같은 음향 이벤트를 텍스트로 변환해 추론 엔진에 전달합니다. 이 전체 구조를 묶는 것이 ‘나이브(NAIVE) 프레임워크’입니다. 이벤트 기반 비동기 처리 구조를 통해 영상·음성·센서 등 이종 데이터를 효율적인 언어 표현으로 변환하고, 이를 거대언어모델(LLM)에 실시간 반영하는 방식입니다. 사실상 다중 센서 융합(multi-sensor fusion)을 언어 공간에서 수행하는 구조라는 평가가 나옵니다.

마음에이아이의 자율운용 운영체제(OS) ‘레이즈(RAISE·RAG-based Agent Intelligence at the Secure Edge)’ 소개 자료. 검색증강생성(RAG) 기반 에이전트 AI 구조를 엣지 환경에 적용해 자연어 명령만으로 임무를 분해·계획·실행할 수 있도록 설계된 것이 특징이다. 소프트웨어 정의 전장(SDW·Software-Defined Warfare), 물리 AI 기반 행동 지능, 온디바이스 자율 판단, 실시간 유무인복합체계(MUM-T) 임무 수행 지원 등을 핵심 기능으로 내세우고 있다. 거대언어모델(LLM)의 사고 연쇄 추론(Chain-of-Thought), 세이프액트(SafeAct) 기반 안전 가드레일, 로봇 추상화 계층(RAL) 등을 통합해 로봇·차량·드론 등 다양한 피지컬 AI 플랫폼을 하나의 운영체계 안에서 제어하는 구조라는 설명이다. [사진=마음에이아이]

▲'레이즈(RAISE)', 검색증강생성 기반 자율 에이전트 운영체제

엣지 두뇌와 4대 모델 위에서 임무를 분해하고 실행하는 자율운용 운영체제가 ‘레이즈(RAISE·RAG-based Agent Intelligence at the Secure Edge)’입니다.

레이즈의 플래너(Planner)는 거대언어모델 에이전트 패러다임을 로보틱스에 이식한 구조입니다. 자연어 미션을 받으면 사고 연쇄(Chain-of-Thought) 방식의 추론으로 세부 태스크 트리를 분해하고, 검색증강생성(RAG)을 통해 도메인 지식 베이스를 참조해 실행 계획을 수립합니다. 엣지 환경에서 2초 이내 추론이 가능하도록 양자화, KV 캐시 최적화, 스페큘러티브 디코딩(speculative decoding) 기법이 적용된 것으로 보입니다. 클라우드 거대언어모델이 5~10초 걸리는 다단계 추론을 엣지에서 2초 수준으로 압축했다는 점은 단순 모델 경량화가 아니라 추론 그래프 자체를 재설계한 결과로 해석됩니다.

세이프액트(SafeAct)는 인공지능 안전성 분야의 최신 패러다임을 로봇 행동 공간에 이식한 모듈입니다. 미세조정(Fine-tuning)으로 위험 행동의 사후확률을 낮추고, 거부 표본추출(Rejection Sampling)로 여러 후보 행동 가운데 안전 위반 가능성이 있는 행동을 걸러내며, 룰 기반 가드레일이 마지막 단계에서 절대 금지 행동을 차단하는 구조입니다. 이는 앤스로픽의 헌법적 인공지능(Constitutional AI), 오픈AI의 인간 피드백 강화학습(RLHF) 패러다임을 로봇 제어 영역에 적용한 방식입니다. 학습된 가드레일과 하드코딩 가드레일을 이중으로 둔 것은 학습 기반 안전성의 불완전성을 보완하기 위한 정공법으로 평가됩니다.

랄(RAL·Robot Abstraction Layer)은 로보틱스 표준 운영체제인 로스(ROS·Robot Operating System) 위에 한 층을 더 얹은 구조입니다. 바퀴형 로봇과 사족보행 로봇은 액추에이터 구성, 기구학, 동역학이 모두 다르지만, 랄은 ‘전진·정찰·정지’ 같은 의미론적 명령을 각 로봇 종류에 맞는 저수준 제어 명령으로 변환합니다. 운영체제의 디바이스 드라이버 모델을 로봇 폼팩터로 확장한 발상으로, 단일 로봇 운용은 물론 군집 로봇과 이종 로봇의 통합 제어까지 가능하게 하는 기반 기술입니다.

마음에이아이의 국방 분야 피지컬 AI 적용 사례 이미지. 상단은 지뢰탐지 로봇으로, 전장 및 위험 지역에서 카메라·센서 기반 환경 인식과 자율 경로 분석을 통해 의심 구역을 스스로 이동하며 탐지 임무를 수행하는 구조다. 하단은 경계·순찰 로봇으로, 지정된 구역을 자율 순찰하며 이상 상황을 실시간으로 감지하고 대응하도록 설계됐다. 비전-언어-행동(VLA) 모델 ‘워브(WoRV)’와 자율운용 운영체제(OS) ‘레이즈(RAISE)’ 기반 기술이 적용된 사례로, 사람 접근이 어려운 위험 지역에서 감시·정찰·경계 임무를 수행하는 차세대 유무인복합체계(MUM-T) 플랫폼으로 활용 가능하다는 설명이다. [사진=마음에이아이]

▲ '자기지도학습', 데이터 부족 환경 정복하는 패러다임

마음에이아이의 학술적 깊이를 보여주는 또 다른 사례는 지난달 30일 공개된 논문 ‘인공지능 기반 소나 이미지 분류를 통한 수중 기뢰 탐지: 데이터 부족 환경에서의 자기지도학습 접근법(AI-Based Sonar Image Classification for Underwater Mine Detection: A Self-Supervised Learning Approach Under Data-Scarce Conditions)’입니다.

이 논문은 오는 6월 2~4일 미국 샌디에이고에서 열리는 국제 기뢰전 기술 심포지엄(IMWTS) 2026에 채택돼 발표가 확정됐습니다. 세계 최고 권위 기뢰전 학술대회 가운데 하나로 꼽히는 행사입니다. 연구는 김문환 최고기술책임자(CTO)가 직접 수행했습니다. 논문의 핵심은 자기지도학습(Self-Supervised Learning·SSL)을 국방 인공지능 분야에 본격 적용했다는 점입니다. 자기지도학습은 라벨링된 데이터 없이 데이터 자체에서 학습 신호를 생성하는 방식으로, 2020년대 인공지능 학계의 패러다임 전환을 이끈 기술 가운데 하나로 평가받고 있습니다. 심CLR(SimCLR), 모코(MoCo), 바이올(BYOL), 다이노(DINO), 매스크드 오토인코더(MAE) 계열이 대표적이며, 메타의 얀 르쿤이 지속적으로 강조해온 접근법이기도 합니다.

소나 이미지 분야는 자기지도학습의 필요성이 특히 큰 영역으로 꼽힙니다. 라벨링된 기뢰 이미지를 대량 확보하는 것 자체가 현실적으로 어렵기 때문입니다. 실제 전장 환경에서는 데이터 확보가 더욱 제한적입니다. 마음에이아이는 라벨 없이 소나 이미지 표현을 먼저 학습한 뒤, 소량의 라벨 데이터만으로 미세조정(Fine-tuning)을 수행해 기뢰 탐지 정확도를 유지하는 구조를 적용했습니다. 이는 인공지능 경쟁의 중심축이 단순 모델 규모 경쟁에서 데이터 환경 적응 경쟁으로 이동하고 있음을 보여주는 사례라는 평가가 나옵니다. 김문환 CTO는 “앞으로 국방 인공지능은 데이터가 많은 환경에서 잘 작동하는 기술이 아니라, 데이터가 부족한 실제 작전 환경에서도 신뢰성 있게 작동하는 기술이 핵심이 될 것”이라고 말했습니다.

마음에이아이가 제시한 피지컬 AI 적용 분야 예시 이미지. 전술 정찰, 경비·감시, 산업·물류 자동화, 재난 대응 등 다양한 현장에서 자율운용 AI가 인간의 판단과 행동을 보조·대체하는 구조를 설명하고 있다. 자연어 기반 명령 이해와 실시간 의사결정, 다중 로봇 협업, 무인 자율 순찰, 위험 지역 탐색 등을 핵심 기능으로 제시했으며, 비전-언어-행동(VLA) 모델과 에이전트 운영체제(OS) 기반 피지컬 AI가 단순 분석형 AI를 넘어 실제 물리 세계에서 행동하는 단계로 진화하고 있음을 보여주는 사례라는 설명이다. [사진=마음에이아이]

▲'데이터 팩토리'… 시뮬레이션-실증-양산 13단계 자기 진화 인프라

마음에이아이는 이들 모델의 학습과 고도화를 담당하는 자체 인프라 ‘피지컬 AI 데이터 팩토리(Physical AI Data Factory)’도 구축했습니다. 가상 시뮬레이터, 실증 공간, 상용화 관제를 연결한 13단계 통합 인프라 구조입니다. 가상 공간 시뮬레이터는 엔비디아 아이작 심(Isaac Sim) 기반 디지털 트윈 환경 위에서 동작합니다. 사용 사례 정의부터 시뮬레이션 환경 구축, 엣지 케이스(edge case)를 포함한 데이터 수집, 비전-언어-행동(VLA) 모델 검증까지 하나의 학습 루프로 연결됩니다.

여기에 엔비디아 코스모스(Cosmos) 월드 파운데이션 모델도 활용됩니다. 물리 세계의 확률적 변화를 학습한 영상 생성 모델을 기반으로 시뮬레이션 데이터 다양성을 크게 늘리는 도메인 무작위화(domain randomization) 기법이 적용됐다는 설명입니다. 실증 공간 단계에서는 학습된 모델을 메이드(MAIED)에 포팅(porting)해 실제 디바이스와 통합하고, 실환경 데이터를 다시 수집해 모델 검증과 재학습을 반복합니다. 이후 상용화·관제 단계에서는 로봇 관제 시스템(RMS)이 실시간 모니터링과 원격 운영을 수행하며, 여기서 발생한 운영 데이터를 다시 학습 파이프라인으로 되돌리는 구조입니다.

이 시스템의 핵심은 ‘시뮬레이션-현실 격차(sim-to-real gap)’를 줄이는 데 있습니다. 기존 로보틱스에서는 시뮬레이션 환경에서 학습한 모델을 현실에 적용할 경우 도메인 시프트(domain shift)로 인해 성능이 급격히 떨어지는 문제가 반복됐습니다. 반면 마음에이아이는 시뮬레이션→현실→재학습→재배포로 이어지는 폐쇄 루프(closed loop)를 자체 운영해 이 격차를 점진적으로 줄이는 구조를 구축했습니다. 학계에서 말하는 평생학습(lifelong learning)과 능동학습(active learning)을 산업 인프라 수준에서 구현한 사례라는 평가가 나옵니다.

마음에이아이의 MAIED 기반 피지컬 AI 경비 로봇 ‘진도봇(JINDO BOT)’ 소개 이미지. 언어모델(MAAL), 음성모델(SUDA), 비전모델(BODA), 비전-언어-행동(VLA) 모델(WoRV) 등 자체 파운데이션 모델 4종이 통합 탑재된 4족 보행 경비 로봇이다. 카메라·센서·온디바이스 AI를 기반으로 주변 환경을 실시간 인식하고, 자연어 명령 이해와 자율 순찰·감시·위험 탐지까지 수행하는 구조로 설계됐다. 단순 원격 조종형 플랫폼이 아니라 현장에서 스스로 판단하고 행동하는 차세대 피지컬 AI 기반 경계·정찰 에이전트라는 설명이다. [사진=마음에이아이]

▲"로봇은 하드웨어가 아니라 운영체제다"… 한국형 풀스택의 박동

엔비디아 젠슨 황 최고경영자(CEO)가 CES 2025에서 “다음 챗GPT 모먼트는 피지컬 AI”라고 선언한 바로 그 영역에서, 마음에이아이는 자체 칩셋 조합인 메이드(MAIED), 자체 파운데이션 모델 4종(말·수다·보다·워브), 자체 운영체제(OS) 레이즈(RAISE), 자체 폼팩터(진도봇·소라·에이든), 자체 학습 인프라(피지컬 AI 데이터 팩토리)까지 풀스택 전 계층을 구축한 상태입니다.

글로벌 기준으로 보면 미국은 엔비디아·구글 딥마인드, 중국은 화웨이·텐센트·아지봇 등이 유사한 풀스택 구조를 구축하고 있는데, 국내에서는 마음에이아이가 사실상 드문 사례로 거론되고 있습니다.

유태준 마음에이아이 대표이자 한국피지컬에이아이협회 초대 회장은 “거대언어모델은 결국 자본 경쟁이라 중소기업이 정면 승부하기 어렵다”며 “반면 피지컬 AI는 기술 집약적 영역이기 때문에 반도체와 제조 기반 경쟁력을 가진 한국이 충분히 세계 최고 수준에 도전할 수 있다”고 말했습니다. 이어 “말하고, 보고, 움직이고, 듣는 지능을 하나의 칩 위에 구현해 전 세계 로봇 시장에 공급하는 것이 목표”라고 설명했습니다.

최홍섭 기술총괄 대표는 시장 규모 자체가 완전히 다른 단계로 진입하고 있다고 진단했습니다. 그는 “자동차와 스마트폰 시장을 넘어서는 인류 최초의 ‘경(京) 단위’ 시장이 피지컬 AI에서 열릴 가능성이 있다”며 “챗GPT가 지적 노동에 변화를 일으켰다면, 피지컬 AI는 그 변화를 물리 세계 전체로 확장시키는 흐름이 될 것”이라고 말했습니다. 1경원은 1조원의 1만배 규모입니다.

업계 관계자는 “로봇 경쟁의 본질은 이제 단순 하드웨어 성능이 아니라 이를 통합 제어하는 운영체제(OS)와 실행 소프트웨어 경쟁으로 이동하고 있다”며 “인공지능 역시 단순 분석 단계를 넘어 인식·판단·행동까지 수행하고, 현장 데이터를 기반으로 스스로 성능을 고도화하는 방향으로 진화하고 있다”고 평가했습니다.

11년 전 판교의 작은 사무실에서 출발한 회사가 2026년 5월 현재 글로벌 피지컬 AI 경쟁 구도 속에서 한국의 좌표를 만들고 있다는 평가도 나옵니다. 뉴립스(NeurIPS) 최우수논문상과 국제 기뢰전 기술 심포지엄(IMWTS) 채택 등 학술 검증, 진도봇·소라·에이든·워브 키트 양산과 출하를 통한 상용 검증, 한국피지컬에이아이협회 초대 회장사를 맡은 표준화 검증이 동시에 진행되고 있기 때문입니다.

엔진공학 분야에서 수십년 만에 외산 라이선스 의존을 끊고 독자 기술 체계를 구축했던 흐름처럼, 인공지능 두뇌 기술에서도 비슷한 변화가 시작되고 있다는 분석이 나옵니다. 업계에서는 “기술의 국산화는 산업의 자립으로 이어지고, 로봇의 두뇌는 그 자립의 핵심 축이 될 것”이라는 평가가 나오고 있습니다.

[뉴스로드] 최지훈 기자 jhchoi@newsroad.co.kr