피지컬 AI와 로봇 시뮬레이션 기술이 빠르게 발전하는 가운데, 로봇이 가상 환경에서 학습한 결과를 실제 산업 현장에서도 동일하게 구현하려면 무엇이 필요할까? 최근 업계에서는 단순한 3D 그래픽을 넘어 물리적 특성과 구조 정보를 포함한 ‘Sim-Ready 데이터’가 핵심 인프라로 주목받고 있다. 로봇이 현실 세계를 정확하게 이해하고 동작하기 위해서는 정교한 가상 환경과 고품질 학습 데이터가 필수적이기 때문이다. 그렇다면 기존 생성형 AI 기반 3D 모델링 기술만으로 충분할까? 엔닷라이트 김선태 CTO는 “기존 메시(Mesh) 기반 생성형 AI는 형상 생성에는 강점이 있지만, 부품 간 구조와 관절, 가동축 등 엔지니어링 정보를 표현하는 데 한계가 있다”며 “로봇과 제조 산업에서는 실제 설계 데이터 수준의 정밀성과 활용성이 중요하다”고 설명했다. 이어 “3D CAD AI 기술은 텍스트와 이미지만으로도 설계 도면 수준의 모델을 생성하고 편집할 수 있으며, 다양한 표준 포맷 변환과 시뮬레이션 연계를 통해 로봇 학습에 필요한 가상 자산을 보다 효율적으로 구축할 수 있다”고 강조했다.
물리 법칙이 지배하는 현실과 수학적 계산을 기반으로 한 디지털 환경 사이에는 데이터 격차가 있다. 이는 모니터 화면에서 벗어나 실제 하드웨어를 구동하는 ‘피지컬 AI(Physical AI)’의 상용화를 가로막는 가장 거대한 장벽이다. 인공지능(AI)이 실물 세상의 환경을 자율적으로 인지하고 움직이기 위해서는 반드시 가상 세계 속에서 수만 번의 학습 과정을 거쳐야 한다.
이러한 단절을 극복하고 가상 시험대 안에서 즉시 구동 가능한 물리 자산을 확보하기 위한 새로운 방법론이 요구된다. 고도화된 3차원(3D) 디자인 기술과 가상 데이터 인프라의 융합이 새로운 대안으로 급부상하는 배경이다.
형태 모방의 한계…로봇이 가상 세계에서 ‘바보’가 되는 이유
그동안 컴퓨터 그래픽스 발전사는 주로 인간의 시각적 만족을 극대화하는 방향으로 전개됐다. 정밀한 표면을 매끄럽게 다듬는 렌더링(Rendering) 기술은 비약적으로 성장했으나, 이는 피지컬 AI와 로봇을 학습시키기 위한 가상 환경 안에서 가치를 갖지 못하는 한계를 드러냈다.
로봇이 가상 환경에서 사물을 집어 조작하거나 기계를 열기 위해서는 형태뿐만 아니라 여러 요소가 고려돼야 한다. 무게, 마찰계수, 관성, 내부 관절 구동 제한 범위 등 실제 물리 법칙이 데이터 안에 이식돼 있어야 한다는 뜻이다. 이러한 정보가 누락된 기존 3D 자산은 로봇이 물체를 잡으려 할 때 표면을 그대로 관통해버리거나, 시스템 오류를 일으키는 결함을 유발했다.
기존 메시(Mesh) 기반 생성형 AI 솔루션은 기술적 한계로 인해 사물의 세부 부품을 분리하지 못하고 하나의 단일 객체(Whole Mesh)로 출력한다. 이로 인해 결합 관절이나 가동축 정보가 누락돼, 로봇의 정밀한 미세 조작(Fine Manipulation) 학습용 데이터로 활용하기 어려웠다.
여기에 추출된 표면이 울퉁불퉁하게 튀는 현상 때문에 실제 사물과의 기술적 격차가 크고, 형태를 단순화해 정밀도가 떨어지는 기존 방식으로는 제조 현장의 요구 사항을 충족하기 쉽지 않다.
이처럼 로봇 훈련용 가상 자산을 구축하기 어려운 이유는 사용 목적에 따라 요구되는 물리적 속성의 범위가 지나치게 방대하기 때문이다. 기존 제조 산업에서 표준으로 사용하는 설계 데이터 역시 도면 단계에서 동역학적 속성을 일일이 지정해 가상 환경으로 뽑아내기가 기술적으로 까다롭다.
결과적으로 많은 로봇 제조사는 정밀 도면 데이터를 구하지 못해 작업자를 고용해 왔다. 수작업으로 모델을 깎아 내거나, 개발자가 직접 모델링과 물리 값 수동 입력을 밤새워 반복하는 비효율적인 가공 방식에 갇혀 있었던 것이 현실이다.
현실·가상의 오차를 줄이는 법은? 자동 순환 검증망
이에 글로벌 산업은 가상 자산의 개념을 단순 그래픽에서 물리적 실체로 전환하는 표준화 작업을 가속화하고 있다. 글로벌 컴퓨팅 기술 업체 엔비디아가 가상 로봇 검증 환경에서 자산 생성, 파일 변환, 물리 속성 주입 및 검증을 단일화하는 ‘심레디(SimReady)’ 표준 규격을 제시한 배경이다.
이 표준 엔진은 가상 프로그램 안에서 사물의 형태 도면을 구현하고, 그 사물이 실제 물리 법칙대로 움직이도록 제어하는 기술을 단일 데이터 파일 안에 통합한다. 쉽게 말해, 가상 시험대 시스템과 연동하는 구동부 성능, 실제 현장에서 작용하는 질량·마찰력·동역학적 회전축 등의 가동 법칙을 하나의 표준화된 자산으로 결합해 출력하는 방식이다.
이 파이프라인의 핵심은 현실·가상 간 오차를 좁혀나가는 순환 검증망을 가동하는 데 있다. 가상 환경에서 학습된 로봇 모델의 성능을 실제 현장 데이터와 대조해 정밀도를 평가한 뒤, 오차가 발견되면 즉시 최초 자산 생성·편집 단계로 돌아가 물리적 파라미터 수치를 보정하는 루프가 자동 순환된다.
이때 콘텐츠의 세부 규격이나 동역학 시뮬레이션의 정답지 역할을 하는 행동 측정 규칙이 중요하다. 사물의 고유 데이터를 쥐고 있는 현장 제조 공장 시스템으로부터 실시간으로 업로드돼 연동된다.
즉, 연구실 안의 이상적인 조건에 고립돼 있던 가상훈련 환경에 실제 거동 정보와 현장 평가 룰을 주입하는 메커니즘이다. 이를 통해 로봇이 가상 환경에서 겪은 수만 번의 시뮬레이션 리허설 결과가 현실 세계로 넘어왔을 때 기능이 구현된다.
핵심은 도면에서 즉시 구동되는 ‘물리 인프라’로
가상 데이터 생성 기술을 지향하는 엔닷라이트는 텍스트·이미지 기반 3D 컴퓨터지원설계(CAD) 솔루션 ‘트리닉스(Trinix)’를 내세운다. 데이터가 전혀 없는 초기 단계부터 규모가 큰 기업이 보유한 기존 도면 활용 단계까지 전방위적인 자동화 전환을 지원하는 기술 방법론이다.
데이터가 없는 상황에서는 글자·이미지를 입력하는 명령어(Prompt) 방식을 통해 밀리미터 단위의 정밀 설계 캐드 데이터를 자동 모델링한다. 사측은 대화창 소통을 통해 맥락(Context)을 유지한 채 복잡한 입체 구조를 가변적으로 생성해낸다고 강조한다.
특히 이 기술은 사물의 외형을 수학적 곡선과 수치로 제어하는 너프스(NURBS) 기반의 벡터 데이터로 구축된다. 덕분에 엔지니어·작업자가 편집 창 인터페이스를 통해 모서리의 곡률 값이나 세부 부품의 길이를 직관적으로 수정할 수 있다. 이렇게 생성·보정된 데이터는 로봇을 검증하는 가상 환경 간의 백그라운드 실시간 동기화 기술을 통해 파일 저장 과정 없이 실시간 전송된다.
이 과정에서 회전 경첩 가동 각도, 슬라이딩 조인트, 물리 제어 속성 등 데이터를 오픈USD(OpenUSD)·URDF 등 개방형 3D 데이터 표준 규격으로 변환해 가상 세계에 동기화한다.
나아가 트리닉스는 선의 직경과 강성을 제어해 실제 전선처럼 구부러지는 유연체(Deformable Body) 시뮬레이션 기술도 도입했다. 이로써 고난도 케이블 체결 공정 훈련 과정을 겨냥하고 있다.
이러한 가상 데이터 생성 기법은 다양한 업체와의 개념증명(POC) 과정에서 가치를 입증하고 있다. 대표적으로 물류 로봇의 적재 훈련을 방해하던 비정형 팔레트 데이터를 수만 가지 변량으로 생성해 현장 데이터 고갈 문제를 개선한 사례가 있다.
사측은 이 밖에 최근 피지컬 AI 시장의 핵심 화두로 부상한 시각·언어·행동(VLA) 모델을 위한 데이터 공급 인프라로서의 역할도 수행하고 있다. 가상에 3차원 환경을 구축한 뒤, 사물과의 거리를 나타내는 깊이(Depth) 정보와 사물의 종류를 식별하는 영역 분할 값을 결합한다.
여기에 로봇이 물체를 잡고 움직이는 물리적 행동 과정을 데이터화해 식별표(Labeling)를 붙이는 방식이다. 이러한 단계를 거쳐 VLA 통합 학습을 위한 합성 데이터를 추출해내게 된다.
사측은 이 같은 정밀 설계 도면 및 물리 법칙 융합 기술에 대해 “다양한 폼팩터의 로봇을 단일 인프라에서 지휘·통제하는 자율제조 시스템의 핵심 기반으로 전파할 것”이라고 비전을 전했다.
헬로티 최재규 기자 |
