[현장] LG CNS '피지컬웍스' 공개…"피지컬 AI 상용화 주도"

마곡 LG사이언스파크 'RX 미디어데이'

로봇 도입 전 학습·검증부터 현장 관제까지 하나의 플랫폼으로 관리

'포지'로 로봇 학습 기간 단축..'바통'으로 이기종 로봇 통합 운영

현신균 "로봇 경쟁력, 현장 적용과 안정 운영에 달려"

제조·물류 현장 겨냥..20건 이상 로봇 PoC 진행·논의

2026년 5월 7일 서울 마곡 LG사이언스파크에서 열린 'RX 미디어데이'에서 현신균 LG CNS 최고경영자(CEO) 사장이 환영사를 하고 있다. /사진=송신용 기자

로봇 산업의 경쟁축이 하드웨어에서 학습 데이터와 운영 소프트웨어로 옮겨가는 가운데 LG CNS가 제조·물류 현장의 로봇 전환(RX) 시장 공략에 적극 나서고 있다.

로봇을 실제 업무에 투입하기 전 학습·검증 기간을 줄이고, 제조사와 형태가 다른 로봇을 하나의 체계에서 관리하는 플랫폼으로 피지컬 인공지능(AI) 상용화에 속도를 내겠다는 전략이다.

LG CNS는 7일 서울 마곡 LG사이언스파크에서 'RX(로봇 전환) 미디어데이'를 열고 RX 플랫폼 브랜드 '피지컬웍스'(PhysicalWorks)를 선보였다.

RX는 로봇과 피지컬 AI를 결합해 산업과 일상의 물리적 작업·서비스를 혁신하는 개념이다.

현신균 LG CNS 최고경영자(CEO) 사장은 이날 환영사에서 "지금 산업 현장에서는 로봇을 실제 업무에 적용하려는 시도가 본격적으로 이뤄지고 있다"며 "아직은 초기 단계지만 변화의 방향은 분명하다"고 말했다.

현 사장은 "로봇은 단순한 자동화 설비를 넘어 생산과 운영을 실제로 수행하는 주체로 거듭나고 있다고 생각한다"며 "이 변화 속에서 기업의 경쟁력은 로봇을 얼마나 빠르게 현장에 적용하고 안정적으로 운영해 성과로 연결하느냐에 달려 있다"고 강조했다.

LG CNS는 산업용 로봇을 단순히 들여오는 데 그치지 않고, 현장 업무에 맞게 학습시키고 검증한 뒤 실제 운영까지 이어지는 전 과정을 플랫폼으로 관리하겠다는 구상이다.

피지컬웍스는 로봇 도입 과정에서 필요한 데이터를 모으고, 학습에 적합한 형태로 다듬은 뒤, 가상 환경과 실제 현장에서 성능을 검증하는 역할을 한다.

이후 투입된 로봇의 작업 배분과 상태 관리, 관제까지 이어진다.

기업 입장에서는 로봇을 들여오기 전 어떤 업무에 투입할지 정하고, 학습 데이터를 확보하고, 현장 적용 가능성을 검증하는 과정을 LG CNS 플랫폼 안에서 처리할 수 있다.

현 사장은 "로봇 도입을 넘어 현장에서 실제 업무를 수행할 수 있도록 학습하고 검증하고, 투입 이후에는 안정적으로 운영하며 지속 고도화하는 전 과정을 하나의 체계로 보고 있다"며 "이것이 산업 현장의 생산성과 운영 방식을 혁신하는 로봇 전환, RX의 본질이라고 생각한다"고 말했다.

그는 이어 "로봇 전환의 핵심은 개별 로봇의 성능이 아니라 현장에 맞는 학습과 검증, 그리고 통합 운영의 체계를 갖추는 데 있다는 점"이라고 설명했다.

LG CNS는 국내 기업이 로봇 학습과 운영을 아우르는 엔드투엔드 플랫폼을 자체 브랜드로 공개한 것은 이번이 처음이라고 설명했다.

이날 공개된 피지컬웍스의 핵심 축은 '피지컬웍스 포지'(PhysicalWorks Forge)와 '피지컬웍스 바통'(PhysicalWorks Baton)이다.

피지컬웍스 포지는 로봇을 산업 현장에 투입할 수 있는 상태로 학습시키는 플랫폼이다.

이름에 쓰인 포지는 '단련하다'는 의미로, 로봇이 실제 업무를 수행하기 전 필요한 학습과 검증 과정을 효율화하는 것에 초점을 맞췄다.

박상엽 LG CNS 최고기술책임자(CTO)는 음악에 맞춰 춤추는 로봇을 시연하며 "춤추는 로봇이 현장에서 일하기 위해서는 필요한 것들이 많이 있다"며 "우선 일하는 방법을 가르치면 로봇이 스스로 일할 수 있어야 한다"고 말했다.

박 CTO는 "원격 조정으로 로봇을 동작시키는 경우 로봇 한 대당 사람 한 명이 필요하지 않겠느냐"며 "로봇이 스스로 일할 수 있어야 현장에서 효과적으로 일할 수 있다"고 설명했다.

그는 "공장에 로봇을 도입하는 경우 단 한 대의 로봇만 도입하지는 않을 것"이라며 "사람들이 일하는 것처럼 수십 대, 수천 대의 다른 종류의 로봇들이 잘 협업해서 일을 해야 된다"고 말했다.

그동안 로봇 학습은 사람이 같은 행동을 반복하고 로봇이 이를 따라 하며 데이터를 쌓는 방식에 많이 의존했다.

이 방식은 현장별 작업 조건이 다를 경우 많은 시간과 반복 작업이 필요하다는 한계가 있었다.

그동안 로봇 학습은 사람이 같은 행동을 반복하고 로봇이 이를 따라 하며 데이터를 쌓는 방식에 많이 의존했다.

이 방식은 현장별 작업 조건이 다를 경우 많은 시간과 반복 작업이 필요하다는 한계가 있었다.

LG CNS는 피지컬웍스 포지에 실제 공정과 유사한 삼차원(3D) 가상 환경을 구현하고, 이 안에서 만든 시뮬레이션 데이터를 로봇 학습에 활용하는 방식을 적용했다.

물류센터, 공장 등 실제 업무 공간을 디지털 환경으로 옮겨 로봇이 먼저 가상으로 작업을 익히도록 하는 구조다.

앞으로는 사람이 일하는 장면을 촬영한 영상이나 모션캡처 데이터도 로봇 학습에 활용할 계획이다.

로봇이 현장 작업자의 동작을 더 다양한 방식으로 학습할 수 있도록 데이터 확보 경로를 넓히겠다는 것이다.

로봇이 현장 작업자의 동작을 더 다양한 방식으로 학습할 수 있도록 데이터 확보 경로를 넓히겠다는 것이다.

박 CTO는 "로봇 학습 데이터가 많다고 무조건 도움이 되진 않는다"며 "AI가 자동으로 학습에 도움이 되는 데이터는 더 잘 되도록 정제하고, 도움이 되지 않는 데이터는 자동으로 제거해주고 있다"고 말했다.

학습 데이터의 품질을 높이는 과정에는 AI가 쓰인다. 로봇이 물체를 집거나 옮기는 과정에서 성공한 동작만 추려내고, 학습에 필요하지 않은 구간은 제외하는 방식이다.

이렇게 정리된 데이터는 로봇이 더 짧은 시간 안에 필요한 동작을 익히는 데 활용된다.

학습을 마친 로봇은 곧바로 현장에 투입되는 것이 아니라 3D 가상 환경에서 한 차례 더 검증을 거친다.

작업을 제대로 수행할 수 있는지, 현장 구조와 충돌하지 않는지, 안전상 문제가 없는지 등을 확인한 뒤 실제 현장 조건에 맞게 조정된다.

박 CTO는 "피지컬웍스 포지를 사용하면 로봇 브레인을 학습시키는 방법을 전혀 몰라도 간단히 원 클릭만으로 학습시킬 수 있다"며 "시중에서 많이 활용되는 대부분의 로봇 파운데이션 모델(RFM)을 지원하며 많은 경험을 통해 찾은 RFM별 최적의 하이퍼파라미터 조합을 시스템에 내장했다"고 말했다.

LG CNS는 이 과정을 통해 산업용 로봇을 업무에 맞게 학습시켜 현장에 배치하는 데 걸리는 시간을 기존 수개월에서 1~2개월 수준으로 줄일 수 있다고 설명했다.

피지컬웍스 바통은 여러 종류의 로봇을 하나의 운영 체계에서 관리하는 플랫폼이다.

로봇 제조사와 형태가 달라도 같은 기준으로 작업을 지시하고 상태를 확인할 수 있도록 만든 것이 특징이다.

산업 현장에서는 자율주행로봇(AMR), 무인운반로봇(AGV), 사족보행 로봇, 휠 타입 로봇 등 다양한 로봇이 함께 쓰이고 있다.

제조사별 제어 방식과 운영 화면이 달라 로봇 수가 늘어날수록 관리 부담도 커진다.

피지컬웍스 바통은 이 문제를 해결하기 위해 로봇별 상태 정보와 제어 방식을 표준화한다.

작업 배분과 이동 경로 조정도 자동화했다.

플랫폼은 로봇의 위치와 작업 상황을 반영해 어느 로봇에 어떤 일을 맡길지 정하고, 이동 동선을 계산해 충돌이나 정체가 생기지 않도록 조정한다.

박 CTO는 "로봇이 현장에서 일하기 위해서는 작업을 관리하는 작업 반장이 필요하다"며 "어떤 일을 해야 될지, 이 일을 어떤 로봇에게 시킬지, 무엇이 일을 잘했는지, 끝나면 다음 작업으로 무슨 일을 시킬지 이런 것들을 치밀하게 계산해서 작업을 지시하고 그 작업의 성과를 확인하는 것이 꼭 필요하다"고 말했다.

돌발 상황이 발생했을 때도 운영 흐름을 바꿀 수 있다. 컨베이어벨트가 멈추면 기존 물류 이동 경로를 다시 짜고, 특정 로봇이 멈추면 그 작업을 다른 로봇에 넘기는 방식이다.

이 과정에는 에이전틱 AI가 적용된다. 에이전틱 AI는 현장의 설비 상태와 작업 진행 상황을 바탕으로 다음 조치를 스스로 판단하고, 로봇 운영 계획을 조정하는 역할을 한다.

LG CNS는 기존 제조실행시스템(MES)만으로는 대응하기 어려웠던 비정형 업무도 로봇이 공정 중간에서 수행할 수 있도록 자동화 범위를 넓혔다고 설명했다.

LG CNS는 AMR과 AGV 등 100대 규모 로봇 운영 환경에 피지컬웍스 바통을 적용할 경우 생산성은 약 15% 이상 높아지고, 운영비는 최대 18% 줄어들 것으로 보고 있다.

특히 제조사가 다른 로봇이 함께 쓰이는 현장에서 중복 이동, 대기 시간, 수동 개입이 줄어드는 효과가 더 크게 나타날 수 있다는 설명이다.

LG CNS는 피지컬웍스 포지와 피지컬웍스 바통을 따로 운영하는 데 그치지 않고, 학습과 운영이 서로 이어지는 구조로 고도화할 계획이다.

포지에서 학습한 RFM이 바통을 통해 실제 현장의 로봇으로 전달되고, 현장에서 쌓인 운영 데이터가 다시 학습에 활용되는 구조다.

박 CTO는 "현재는 로봇 한 대에 탑재되는 지능을 고민하지만 앞으로는 수백, 수천 대의 로봇이 하나의 지능으로 움직이는 로봇 군집 지능화 시대가 오게 될 것"이라며 "로봇뿐만 아니라 생산 설비, 물류 설비, ERP(전사적자원관리시스템)나 MES(제조실행시스템) 같은 레거시 시스템들이 하나로 묶어져서 치밀하게 움직이는 체계로 발전하게 될 것"이라고 말했다.

이날 행사장에서는 이기종 로봇의 자율 협업 시연도 진행됐다.

LG CNS는 사람의 원격 조종 없이 △이족보행 로봇 △사족보행 로봇 △휠 타입 로봇 △자율주행로봇 등 4종 로봇이 물류 현장에서 함께 작업하는 모습을 선보였다.

각 로봇은 피지컬웍스 포지를 통해 사전 학습을 거친 뒤, 피지컬웍스 바통의 작업 지시에 따라 물류 업무를 나눠 수행했다.

특정 로봇이 단독으로 움직이는 시연이 아니라, 서로 다른 형태의 로봇이 같은 현장 안에서 역할을 나눠 움직인 점이 특징이다.

LG CNS는 사람의 원격 조종 없이 여러 종류의 로봇이 자율적으로 협업하는 물류 현장 시연은 국내 최초라고 설명했다.

실제 적용 사례도 늘리고 있다. 피지컬웍스 포지는 현재 20곳 이상의 고객사와 로봇 개념검증(PoC) 프로젝트를 진행하고 있다.

이준호 LG CNS 스마트물류&시티사업부장 전무는 "현재 전자, 화학, 전지, 물류, 조선 등 다양한 산업 고객과 20건 이상의 휴머노이드 로봇 PoC를 진행 또는 논의하고 있다"며 "이를 통해 고객 현장 맞춤형 산업 특화 RFM을 제공하는 것이 목표"라고 말했다.

피지컬웍스 바통은 부산 스마트시티 국가시범도시 사업에 활용되고 있다.

이 사업에서는 △순찰 △바리스타 △짐캐리 △청소 등 4종 로봇을 하나의 체계에서 관제하는 데 피지컬웍스 바통이 적용됐다.

이 전무는 "로봇은 이제 단순한 장비가 아니다"라며 "디지털 인력으로 관리돼야 한다"고 말했다.

그는 "이런 다양한 디지털 인력을 AI 에이전트 기반으로 전체적인 작업을 계획하고, 할당하고, 배분하고, 실시간으로 운영 관리해 최적화와 성과 관리, 재교육까지 하는 통합적인 운영이 필요해지고 있다"고 설명했다.

이 전무는 "로봇, 즉 디지털 인력을 가장 빠르게 현장에 적용하고 가장 잘 운영하는 기업이 되는 것이 LG CNS 전략"이라며 "물류 현장, 제조 현장에서의 1000건 이상의 자동화 경험을 기반으로 현장에 대한 이해도가 상당히 높다"고 말했다.

현 사장은 "로봇이 실제 현장에서 생산과 운영의 한 축을 담당하는 시대가 빠르게 다가오고 있다"며 "LG CNS는 산업 현장에 대한 깊은 이해와 로봇 자동화, AI, 시스템 통합 역량을 바탕으로 고객의 RX 전 과정을 함께하는 핵심 파트너가 되고자 한다"고 말했다.

이어 "로봇이 산업 경쟁력이 되는 시대, LG CNS가 그 길을 앞서 열겠다"고 강조했다.

산업계에서는 로봇 경쟁이 기계 성능 중심에서 AI 학습과 운영 소프트웨어 중심으로 옮겨가고 있다.

제조와 물류 현장에 투입되는 로봇의 종류가 다양해지면서 개별 로봇의 성능뿐 아니라 여러 로봇을 동시에 관리하는 관제 역량이 중요해지고 있다.

이에 로봇이 실제 업무에 투입되기 전까지 필요한 학습·검증 기간을 줄이고, 현장 운영 데이터를 다시 성능 개선에 활용하는 체계가 로봇 상용화의 핵심 경쟁력으로 부상하고 있다.

LG CNS의 피지컬웍스 공개도 이런 흐름과 맞닿아 있다.

로봇을 공급받아 배치하는 수준을 넘어, 기업별 현장에 맞춰 로봇을 학습시키고 운영 데이터를 축적하는 플랫폼을 제공함으로써 피지컬 AI 상용화 시장에서 주도권을 확보하려는 전략으로 풀이된다.

아래는 현 사장, 박 CTO, 이 전무 등과의 일문일답.

스마트 물류·스마트팩토리 자동화 사업과 이번 피지컬 AI 사업의 가장 큰 차이는.

▶ 가장 큰 차이점은 자동화에서 지능화와 자율화로 넘어가고 있다는 점이다. 그동안 자동화되지 못했던 영역들이 지능화와 자율화를 통해 스마트 물류와 스마트팩토리에 적용되면 자동화율도 많이 높아질 것이다. 실제 현장에서 유연하게 대응하고 지속적으로 성과를 내는 자율형 물류·제조 운영을 구현하고자 하는 것이 가장 큰 특징이다.

제조 현장에서 피지컬 AI 도입이 PoC 단계에 머무르는 가장 큰 장벽은 무엇인가. 피지컬웍스를 어떻게 확산시킬 계획인가.

▶ PoC가 굉장히 많이 진행되고 있지만 현장 적용은 굉장히 늦어지고 있고 기간도 길어지고 있다. 가장 중요한 것은 양질의 현장 데이터다. 양질의 데이터를 빠르게 수집해야 로봇을 교육하고 훈련하고 학습시킬 수 있다. 그 장벽만 해결된다면 현장 집행 속도는 상당히 빨라질 것이라고 생각한다.

LG CNS가 RX 영역에서 경쟁사 대비 가진 가장 큰 경쟁력은 무엇인가.

▶ 먼저 저희가 하지 않을 영역이 있다. 저희는 로봇 하드웨어를 만들지 않는다. 잘 만들어진 로봇 하드웨어, 그것이 이종 로봇이든 휴머노이드 로봇이든 현장에 가장 적합한 로봇을 소싱해 현장의 데이터와 업무 매뉴얼을 그 로봇에 학습시키고, 일할 준비가 된 로봇에게 상단에서 떨어지는 여러 가지 워크 오더를 던져주고, 로봇이 워크 오더를 잘 처리했는지 모니터링한다. 만약 잘 처리하지 못했다면 그에 대해 관리하고 다시 대응하는 역할을 하고자 한다.

로봇 데이터를 학습시키기 위해 가장 필요한 것은 두 가지가 있다고 생각한다. 하나는 현장에 대한 이해, 즉 생산에 대한 이해이고, 다른 하나는 현장에서 만들어지는 데이터를 만들어내고 이해하고 학습하는 것이다. LG CNS가 지난 40년 동안 가장 잘할 수 있고 잘하고 있는 영역이 생산 IT(정보통신기술) 시스템이다. 생산 IT 시스템을 잘한다는 것은 생산에 대한 이해가 굉장히 높다는 의미라고 생각한다. 국내 기준뿐 아니라 전 세계에서 생산 IT 시스템에 대해 누가 No.1이냐고 했을 때 저는 감히 LG CNS라고 말씀드린다.

또 로봇에게 일을 시키고, 일을 하는 것을 관리하는 데는 상위단 IT 시스템과의 연계가 굉장히 중요하다. 예를 들어 ERP, MES, WMS(창고관리시스템), WCS(창고제어시스템)와 같은 상위단 레거시 시스템들과의 인터페이스가 중요한데, 그런 레거시 시스템을 누가 만들었느냐 하면 저희가 만들었다.

정리하면 로봇 데이터에 대한 부분을 만들어내고 이해하고 학습시키는 것은 피지컬웍스 포즈 플랫폼에 담았다. 상위단의 여러 생산관리 시스템과의 연계는 피지컬웍스 바통에 담았다. 생산에 대한 이해, 생산 데이터에 대한 이해, 생산 시스템과의 연계라는 세 가지 영역에서 굉장히 큰 장점이 있다고 생각한다.

피지컬 AI 사업의 타깃 고객과 성과 가시화 시점은.

▶ 저희가 타깃으로 하고 있는 산업은 가장 크게 물류 현장과 제조 현장이다. 저희가 강한 부분은 물류 현장에 대한 경험이 굉장히 많고 제조업에 대한 경험도 많다는 점이다. 또 물류 데이터와 제조 현장 데이터를 많이 확보할 수 있다. 그래서 물류와 제조 현장에 먼저 적용하고, 이를 기반으로 산업 특화 아이템을 만든 다음 추가적으로 확산해 나갈 예정이다. 성과가 가시화되는 데는 한 2년 정도 걸릴 것 같다.

해외 LG 계열사 공장이나 글로벌 파트너사 도입 현황은.

▶ 현재 국내 기업에 대한 PoC를 한 20개 정도 진행하고 있다고 말씀드렸는데, 국내와 해외의 구분이 약간 모호하다. 미국 기업 덱스메이트나 스킬드AI에 대한 투자를 진행한 것도 있고, 아직 발표하지 않았지만 또 다른 미국 기업과 투자 논의를 진행하고 있는 것도 있다. 파트너십 측면에서는 중국 기업 에지보나 오늘 언급된 중국 기업들과도 협력을 계속하고 있다. 현재 PoC 자체는 국내 기업들과 하고 있지만, 해외 기업 진출도 도모하고 있다. 그런 부분들은 향후 진행되는 대로 말씀드리겠다.

해외 공장 적용과 관련해서는 한국에서 PoC를 성공적으로 이루면 한국에 있는 그룹사 공장에 적용될 것이기 때문에 국내를 중심으로 전체 검증을 하고, 검증 이후 해외 공장으로 점차 넓혀갈 예정이다.

피지컬웍스 포즈와 바통을 도입한 고객사의 구체적인 사례가 있나. 올해 목표치도 궁금하다.

▶ 사례는 화면에서 보여드린 네 가지 사례가 있지만 아직 진행 중인 사례이고, 고객사 보안 문제 때문에 정확하게 말씀드리기 어려운 부분이 있다. 진행 중인 것은 한 10개 정도이고, 정확하게 말씀드리면 10개 정도는 협의 중이다. 어느 정도 완성되면 공식적으로 사례를 더 말씀드리겠다.

피지컬웍스는 3월 16일 공식 출시했다. 그전에도 PoC를 할 때 피지컬웍스 포즈와 바통을 베타 버전으로 계속 사용하고 있었다. 현재 PoC를 하고 있는 대상들은 전부 피지컬웍스 포즈와 바통 기반으로 진행하고 있다. 다만 아직 현장 PoC 수준을 넘어 실질적인 생산 현장에 로봇이 투입돼 실질적으로 일을 하고 있는 케이스는 없기 때문에 그런 사례를 말씀드리기에는 시간이 필요하다.

피지컬 AI 관련 투자나 M&A 계획은.

▶ 2025년에 RFM 전문 회사인 스킬드AI에 투자했고, 2026년에 미국 하드웨어 기업 덱스메이트에 투자했다. 현재 투자 논의 중인 건이 하나 있다. 아마 한 달 이내에 그 투자 결과에 대해 발표할 수 있을 것 같다. M&A는 투자와 별개로 말씀드려야 할 것 같다. 제조업에 대한 피지컬 AI를 비롯해 LG CNS가 보유한 제조 역량 강화를 위해 계속 물색하고 있다. 어느 정도 가시화되면 다시 말씀드리겠다.

엔비디아 아이작 등 기존 로봇 플랫폼과 비교해 LG CNS 피지컬웍스의 차별점은 무엇인가.

▶ LG CNS가 만들고 있는 피지컬웍스 플랫폼은 엔드 투 엔드 플랫폼이다. 로봇 데이터를 획득하고, 로봇을 학습시키고, 로봇을 현장에서 운영하는 기능까지 제공한다. 엔비디아도 소프트웨어 스택을 많이 제공하고 있지만, 주로 로봇을 학습하는 데 집중돼 있는 부분이 있다. 피지컬웍스에서도 엔비디아 기술을 대단히 많이 사용하고 있다. LG CNS는 엔비디아 기술뿐 아니라 다양한 기업들의 훌륭한 기술이 있다면 제휴를 통해 피지컬웍스에 포함시켜 가장 좋은 플랫폼이 될 수 있도록 준비하고 있고 실제로 그렇게 진행하고 있다.

엔비디아 아이작 심은 시뮬레이션을 통해 로봇이 학습할 수 있는 학습 데이터를 생성하는 플랫폼이다. 로봇을 학습하기 위해서는 시뮬레이션 데이터, 텔레오퍼레이션 데이터, 비디오 기반 학습 데이터를 만드는 다양한 플랫폼이 필요하다. 피지컬웍스는 그런 플랫폼들과 경쟁하는 것이 아니라 협업한다. 다양한 플랫폼에서 생성되는 데이터를 저희 학습 환경으로 가져오고, 그 데이터를 가지고 RFM이 학습될 수 있는 환경을 제공한다. 또 만들어진 RFM이 각각의 로봇에 배포될 수 있도록 하고, 로봇이 일을 할 때 전체적인 관제와 관리, 일을 시키는 영역까지 엔드 투 엔드로 구성돼 있다.

시중의 여러 플랫폼과는 경쟁이라기보다 협업 관계라고 말씀드릴 수 있다.

글로벌 오픈소스 모델이나 상용 모델 사용에 따른 데이터 유출, 보안, 비용 인상 등 공급사 리스크는 어떻게 보고 있나. 자체 RFM 개발 계획도 있나.

▶ RFM은 두 가지로 나눠서 이야기하고 있다. 하나는 VLM(시각언어모델) ER, 즉 비전 랭귀지 모델에 임베디드 리즈닝이 결합된 영역이고, 다른 하나는 VLA, 비전 랭귀지 액션 모델이다. 이는 저희뿐 아니라 이 산업의 표준이다. VLM ER을 함께 연구하는 파트너사가 있고, VLA(비전-언어-행동)에 포커스하고 있는 영역도 있다.

데이터 유출 우려에 대해서는 현재 VLM ER이나 VLA 같은 경우 온프레미스로 되는 경우가 굉장히 많다. 또 저희가 포스트 트레이닝을 할 때, 예를 들어 구글 로보틱스의 VLM과 같이 일하는 경우에도 그 부분을 별도로 분리해 우리만의 공간에서 우리만의 데이터를 가지고 학습하는 환경으로 구성한다. 여러 국가보호 데이터에 대한 부분은 충분히 지켜지고 있다고 생각한다.

LG CNS 또는 LG그룹 차원에서 RFM을 확보하는 부분은 굉장히 조심스럽게 접근하고 있다. 본격적으로 상용 RFM을 만들어낼지는 아직 의사결정이 이뤄지지 않았다. 다만 VLM이나 VLA를 깊이 있게 적용하기 위해 저희 리서치센터에서 자체 RFM을 만들어내는 일을 하고 있다. 목적은 그 RFM을 가지고 치고 나가겠다는 것보다는, 다른 쪽에서 만들어놓은 RFM에 대한 포스트 트레이닝을 잘하기 위한 역량 확보 차원이다.

향후 전략 방향을 바꿔 자체 RFM으로 상업적으로 시장에 진출할지는 할 수도 있고 안 할 수도 있다. 현재로서는 조심스럽게 보고 있다.

2026년 5월 7일 서울 마곡 LG사이언스파크에서 열린 'RX 미디어데이'에서 박상엽 LG CNS CTO(최고기술책임자)가 발표를 진행하고 있다. /사진=송신용 기자

2026년 5월 7일 서울 마곡 LG사이언스파크에서 열린 'RX 미디어데이'에서 이준호 스마트물류&시티사업부장 전무가 발표를 진행하고 있다. /사진=송신용 기자