Physical AI의 핵심 개념과 범위

Physical AI는 무엇을 다루는가

Physical AI는 인공지능이 물리 세계에서 행동하는 문제를 다룬다. 여기서 중요한 단어는 '행동'이다. 화면 속에서 문장을 만들거나 이미지를 생성하는 AI는 결과가 마음에 들지 않으면 지우고 다시 만들 수 있다. 하지만 로봇이 컵을 밀어 떨어뜨리거나, 자율주행차가 급정거하거나, 드론이 사람 근처에서 방향을 잘못 잡으면 결과는 실제 공간에 남는다.

그래서 Physical AI는 단순한 로봇 제어 기술이 아니다. 로봇 팔을 몇 도 움직일지 계산하는 일만으로는 부족하다. 먼저 주변을 보고, 물체와 사람의 위치를 파악하고, 목표를 이해하고, 가능한 행동을 고르고, 실행 중에 결과를 다시 관찰하며 수정해야 한다. 즉 지각, 추론, 행동, 피드백이 하나의 흐름으로 연결되어야 한다.

앞 장에서 살펴본 VLA, 즉 비전-언어-행동 모델은 이 흐름의 중요한 형태다. 로봇이 장면을 보고, 사람의 지시를 이해하고, 실제 행동을 출력하도록 돕기 때문이다. 그러나 Physical AI의 범위는 VLA보다 넓다. VLA가 로봇의 지능을 구현하는 한 방식이라면, Physical AI는 인공지능이 현실 세계에서 책임 있는 행위자가 되기 위해 필요한 전체 체계에 가깝다.

AI 생성 이미지

왜 로봇을 넘어 더 넓은 범위를 포함하는가

Physical AI라고 하면 가장 먼저 로봇 팔이나 휴머노이드를 떠올리기 쉽다. 하지만 실제 범위는 더 넓다. 자율주행차, 드론, 스마트 팩토리, 물류 자동화 시스템, 농업 로봇, 의료 보조 장비도 모두 Physical AI의 영역에 들어간다.

이 시스템들은 겉모습은 다르지만 공통점이 있다. 모두 센서로 현실을 관찰하고, 판단을 내리고, 모터나 기계 장치를 통해 물리적 변화를 만든다. 자율주행차는 카메라와 라이다로 도로를 보고 조향과 제동을 결정한다. 드론은 바람과 장애물을 감지하며 비행 경로를 바꾼다. 스마트 팩토리는 컨베이어, 로봇 팔, 검사 장비가 연결되어 생산 흐름을 조정한다. 휴머노이드는 사람의 공간에서 걷고, 손을 뻗고, 도구를 사용해야 한다.

따라서 Physical AI를 특정 기계의 이름으로 정의하면 좁아진다. 핵심은 '몸을 가진 AI'다. 여기서 몸은 반드시 인간형일 필요가 없다. 바퀴일 수도 있고, 팔일 수도 있고, 프로펠러일 수도 있다. 중요한 것은 AI의 판단이 물리적 움직임으로 이어지고, 그 움직임이 다시 환경을 바꾼다는 점이다.

물리 세계는 기다려주지 않는다

디지털 환경에서는 시간이 비교적 느슨하다. 챗봇이 1초 늦게 답해도 대개 큰 문제가 아니다. 이미지 생성이 몇 초 더 걸려도 결과만 좋으면 된다. 하지만 물리 세계에서는 시간 지연이 곧 행동의 품질을 바꾼다.

시간 지연, 즉 레이턴시(latency)는 센서가 정보를 받아 모델이 판단하고 모터가 움직이기까지 생기는 늦어짐을 말한다. 로봇이 움직이는 물체를 잡으려 할 때 0.2초 늦게 반응하면, 물체는 이미 다른 위치에 있을 수 있다. 자율주행차가 보행자를 인식한 뒤 제동까지 늦어지면 안전거리가 줄어든다. Physical AI는 '무엇을 해야 하는가'뿐 아니라 '언제 해야 하는가'를 함께 계산해야 한다.

또 하나의 차이는 물리 법칙이다. 마찰(friction)은 물체가 미끄러지거나 멈추는 방식을 바꾼다. 중력(gravity)은 들어 올린 물체를 계속 아래로 끌어당긴다. 충돌(collision)은 두 물체가 같은 공간을 동시에 차지할 수 없다는 사실을 강제로 드러낸다. 센서 노이즈(sensor noise)는 카메라, 거리 센서, 힘 센서가 언제나 완벽한 값을 주지 않는다는 문제다.

예를 들어 로봇이 테이블 위 컵을 잡는다고 해보자. 카메라는 컵의 위치를 약간 잘못 볼 수 있다. 손가락과 컵 사이의 마찰이 예상보다 작으면 컵이 미끄러질 수 있다. 컵 안에 물이 들어 있으면 무게중심이 달라진다. 로봇 팔이 너무 빠르게 움직이면 물이 출렁이고, 너무 느리면 작업 효율이 떨어진다. 단순히 "컵을 집어라"라는 명령을 이해하는 것만으로는 충분하지 않다. 물리적 조건을 계속 반영해야 한다.

되돌릴 수 없는 행동이라는 차이

Physical AI의 가장 큰 특징은 행동의 결과가 되돌릴 수 없는 변화를 만들 수 있다는 점이다. 디지털 AI가 잘못된 문장을 출력하면 수정하거나 삭제할 수 있다. 추천 시스템이 부정확한 결과를 보여주면 다시 정렬할 수 있다. 물론 디지털 AI도 사회적 피해를 만들 수 있지만, 물리적 행동은 더 직접적이고 즉각적인 위험을 가진다.

로봇이 부품을 잘못 조립하면 제품이 망가질 수 있다. 드론이 비행 중 균형을 잃으면 추락할 수 있다. 자율주행 시스템이 도로 상황을 잘못 판단하면 사람의 안전을 위협할 수 있다. 공장 로봇이 사람의 접근을 제대로 감지하지 못하면 사고로 이어질 수 있다.

이 때문에 Physical AI에서는 성능만큼 안전과 신뢰성이 중요하다. 모델이 평균적으로 잘하는 것보다, 위험한 상황에서 어떻게 실패하는지가 더 중요할 때가 많다. 불확실할 때는 속도를 줄이고, 사람에게 확인을 요청하고, 정해진 안전 자세로 멈추는 능력이 필요하다. 좋은 Physical AI는 대담하게 움직이는 AI가 아니라, 상황에 맞게 행동 범위를 조절할 줄 아는 AI다.

폐루프 제어가 중요한 이유

Physical AI에서 핵심이 되는 개념 중 하나는 폐루프 제어(closed-loop control)다. 폐루프 제어란 행동한 뒤 결과를 다시 관찰하고, 그 관찰을 바탕으로 다음 행동을 수정하는 방식이다. 반대로 개루프 제어(open-loop control)는 처음 계획한 동작을 피드백 없이 그대로 실행하는 방식이다.

간단한 예로, 눈을 감고 컵을 잡는 상황을 생각해보자. 컵의 위치를 알고 있다고 믿고 손을 뻗을 수는 있다. 이것은 개루프에 가깝다. 하지만 실제로는 컵이 조금 움직였거나, 손의 방향이 어긋났을 수 있다. 눈을 뜨고 손과 컵의 거리를 계속 확인하며 방향을 조금씩 고치면 성공 가능성이 높아진다. 이것이 폐루프 제어다.

로봇도 마찬가지다. 처음 예측한 물체 위치가 완벽하지 않아도, 카메라와 힘 센서로 상태를 다시 확인하면 수정할 수 있다. 그리퍼가 물체를 충분히 잡지 못했다면 힘을 조절할 수 있다. 장애물이 나타나면 경로를 바꿀 수 있다. 폐루프 제어는 Physical AI가 현실의 불확실성을 견디게 해주는 기본 구조다.

VLA 모델도 실제 로봇에 적용될 때는 이 폐루프 구조 안에 들어가야 한다. 모델이 한 번에 완벽한 행동 전체를 출력한다고 기대하기 어렵기 때문이다. 장면은 변하고, 사람은 움직이고, 물체는 예상과 다르게 반응한다. 따라서 로봇은 짧은 행동을 실행하고, 다시 보고, 다시 판단하는 과정을 반복해야 한다.

지능은 모델 안에만 있지 않다

Physical AI를 이해할 때 주의할 점은 지능을 모델 하나에만 넣어 생각하지 않는 것이다. 대규모 모델은 장면 이해와 지시 해석에 강력한 도구가 될 수 있다. 하지만 실제 시스템은 모델, 센서, 제어기, 안전 장치, 하드웨어 설계, 운영 환경이 함께 작동할 때 비로소 의미가 있다.

예를 들어 같은 AI 모델이라도 로봇 손의 구조가 다르면 잡을 수 있는 물체가 달라진다. 카메라 위치가 바뀌면 보이는 정보가 달라진다. 모터의 힘이 부족하면 계획한 행동을 수행하지 못한다. 바닥 재질이 달라지면 이동 로봇의 안정성도 달라진다. Physical AI에서 지능은 소프트웨어와 몸, 환경 사이의 관계 속에서 나온다.

그래서 이 분야의 발전은 모델 크기만 키운다고 해결되지 않는다. 더 좋은 데이터, 더 안정적인 센서, 빠른 추론, 안전한 제어, 현실적인 평가 기준이 함께 필요하다. 특히 실제 세계에서는 실패 데이터를 얻는 것 자체가 위험하거나 비쌀 수 있다. 이 점이 Physical AI를 어렵게 만들지만, 동시에 로봇 지능의 다음 단계를 정의한다.

책임 있는 행위자로서의 AI

Physical AI는 AI가 현실 세계에서 책임 있는 행위자가 되는 순간을 다룬다. 여기서 책임이란 법적·윤리적 의미만이 아니다. 시스템 설계 관점에서도 책임은 중요하다. AI가 어떤 정보를 보고 판단했는지, 왜 그 행동을 선택했는지, 실패했을 때 어떻게 멈추는지 설명할 수 있어야 한다.

앞으로의 로봇은 단순히 명령을 수행하는 기계에서 벗어나 더 복잡한 환경에서 사람과 함께 일하게 될 것이다. 이때 필요한 것은 더 빠른 팔이나 더 강한 모터만이 아니다. 보고, 이해하고, 조심스럽게 행동하고, 결과를 확인하며 수정하는 전체 능력이다.

Physical AI의 범위는 넓지만 중심은 분명하다. AI가 물리 세계에 영향을 주는 순간, 지능은 언어 능력이나 인식 정확도만으로 평가될 수 없다. 실제 환경에서 안전하게 움직이고, 불확실성을 다루며, 행동의 결과를 책임질 수 있어야 한다. 이 관점이 앞으로 살펴볼 로봇 데이터, 멀티모달 표현 학습, 행동 디코더, 시뮬레이션과 현실 전이 문제를 하나로 묶어주는 기준이 된다.