🇰🇷 340억 규모, 한국이 ‘피지컬 AI 월드 모델’을 만드는 이유[비즈니스.AI]

이달의 뉴스레터에는

크라우드웍스 NEWS

한국, ‘피지컬 AI 월드 모델’ 직접 만든다 🇰🇷

생성형 AI가 언어와 이미지를 중심으로 빠르게 발전해왔다면, 다음 과제는 AI가 현실 세계를 이해하고 예측하는 것입니다. 특히 로봇, 자율주행, 스마트팩토리처럼 실제 공간에서 작동해야 하는 AI는 물체가 어떻게 움직일지, 주변 환경이 어떻게 변할지, 어떤 행동을 했을 때 다음 상황은 어떻게 달라질지까지 예측해야 합니다. 

이처럼 현실 세계의 구조와 변화를 학습하도록 돕는 핵심 기술 중 하나가 월드 파운데이션 모델 (World Foundation Model, WFM)입니다. 쉽게 말해 AI가 공간, 움직임, 물체 간 상호작용을 학습해 다음 상황을 예측할 수 있도록 만드는 모델이죠. WFM이 피지컬 AI 분야에서 주목받는 이유도 여기에 있습니다.  

해외에서는 이미 WFM에 대한 경쟁이 시작되었습니다. NVIDIA는 Cosmos 플랫폼을 통해 피지컬 AI용 WFM을 공개했는데요. 텍스트·이미지·영상·음성·행동 데이터를 통합 학습해 로봇과 자율주행 시스템이 현실을 예측하고 행동할 수 있도록 돕습니다. 이 외에도 주요 빅테크 기업들이 각자의 방식으로 WFM 연구를 이어가고 있죠.

  ⓒ NVIDIA  Developer Blog, Cosmos  

크라우드웍스, 340억 원 규모 피지컬 AI WFM 국책과제 참여 

국내에서도 피지컬 AI를 위한 WFM 개발이 본격화되고 있습니다. 과기정통부와 정보통신기획평가원(IITP)이 총 340억 원 규모의 국책과제를 통해 국산 피지컬 AI 월드 모델 개발을 추진하는데요. 크라우드웍스는 LG전자 컨소시엄으로 이번 과제를 수주하고, 피지컬 AI 모델 학습을 위한 고품질 데이터 구축을 맡게 되었습니다. 

이번 사업의 목표는 한국이 피지컬 AI의 핵심 기술을 조기에 확보하고, 로봇·제조·자율주행 등 다양한 산업 현장에 AI를 적용할 수 있는 기반을 마련하는 것입니다. 해외 모델에 의존하지 않고 국내 환경에 맞는 AI를 직접 개발하고 운영할 수 있는 역량을 갖추는 게 핵심이죠. 

크라우드웍스는 이번 과제에서 자체 개발한 피지컬 AI 데이터 플랫폼을 활용해, 시각 정보와 로봇 행동 데이터가 결합된 고정밀 멀티모달 데이터를 구축할 예정입니다. 또한 데이터 수집부터 정제, 검수 과정을 체계화하고, 모델 학습에 바로 활용 가능한 데이터 파이프라인을 만들어갈 계획입니다.

  크라우드웍스 피지컬 AI 데이터 플랫폼  

WFM의 성능은 모델 구조만으로 완성되지 않습니다. 현실을 얼마나 잘 반영한 데이터를 학습하는지도 중요합니다. 아무리 정교한 모델이어도 데이터가 뒷받침되지 않으면, 실제 산업 현장에서 제대로 작동하기 어렵기 때문입니다. 

피지컬 AI 월드 모델에 대해 더 자세히 알고 싶다면?

인공지능 트렌드   

챗GPT는 똑똑한데, 로봇은 왜 아직 서툴까? 💫

앞서 살펴본 것처럼, 피지컬 AI가 현실 세계에서 스스로 움직이려면 주변 상황을 이해하고 예측할 수 있어야 합니다. 문제는 이를 학습시킬 데이터가 충분하지 않다는 것입니다.

챗GPT와 같은 LLM이 학습하는 인터넷 텍스트 데이터는 약 300조 토큰, 영상 데이터는 약 10억 시간에 달합니다. 반면, 전 세계 로봇 조작 데이터는 약 30만 시간에 불과하다고 하죠. 로봇 행동 데이터는 인터넷에서 가져올 수 없고, 실제 환경에서 새롭게 구축해야 합니다. 심지어 같은 행동이라도 조명, 위치, 주변 사람의 움직임 등 변수에 따라 결과가 달라지기 때문에, 다양한 상황과 목적을 고려한 체계적인 데이터 수집 설계가 필요하죠.

로봇을 똑똑하게 만들기 위해서는 어떤 데이터를 수집해야 할까요?

현장스케치

피지컬 AI 데이터, 수집부터 관리까지 🤖

사진=한국로봇산업진흥원

크라우드웍스 양수열 CAIO가 최근 SI 기업 역량 강화 세미나에서 ‘피지컬 AI를 위한 학습 데이터 관리’를 주제로 발표했습니다. 

현재 제조 현장의 로봇은 대부분 정해진 작업을 반복 수행하는 방식으로 운영됩니다. 하지만 앞으로의 피지컬 AI는 낯선 환경에서도 작업을 수행할 수 있어야 하죠. 이를 위해서는 로봇이 무엇을 보고, 어떻게 움직이고, 어떤 결과가 나오는지를 담은 학습 데이터가 필요합니다. 에고센트릭(Ego-Centric, 1인칭 시점), 엑소센트릭(Exo-Centric, 3인칭 시점) 데이터처럼 다양한 관점에서 수집된 데이터가 중요한 이유입니다. 

데이터 수집 이후도 마찬가지입니다. 동기화, 품질 검수, 버전 관리 등 학습 데이터를 체계적으로 관리하는 과정이 함께 갖춰져야 피지컬 AI가 실제로 작동할 수 있습니다.

프로젝트 사례

데이터 설계의 중요성: 자동차 기업A, 번호판 이미지 25,000장 수집

자동차 기업 A사는 비전 AI 모델 고도화를 위해 차량 번호판과 차대 스티커 이미지를 대량으로 수집해야 했습니다. 하지만 해당 이미지는 개인정보 이슈로 수집이 까다로웠고, 대규모 프로젝트 특성상 작업자별 데이터 품질 편차가 발생할 우려도 컸습니다.

크라우드웍스는 본격적인 이미지 수집 전, 데이터 활용 목적에 맞는 작업 기준과 정교한 가이드를 먼저 설계했는데요. 그 결과 엄격한 보안 가이드라인을 준수하면서도, 정해진 기한 내에 일관된 품질의 데이터를 안정적으로 확보할 수 있었습니다.

대규모 이미지 데이터 수집을 성공으로 이끈 설계 노하우,
아래 블로그에서 확인해 보세요!

AI 뉴스클리핑

내가 쓰던 AI가 하루아침에 사라진다면? ⚠️   

최근 앤트로픽의 최신 AI 모델 ‘페이블5(Fable 5)’를 둘러싸고, AI 업계 내 기술 주권과 디지털 주권 논의가 다시 커지고 있습니다. 미국의 수출 통제 조치에 따라 일부 모델의 해외 접근이 제한되면서, 외부 AI 모델에 대한 의존이 기업의 서비스 안정성에도 영향을 줄 수 있다는건데요. 

많은 기업이 글로벌 빅테크의 AI 모델이나 API를 기반으로 서비스를 개발하고 있습니다. 최신 모델을 빠르게 도입하면 성능을 높일 수 있다는 장점이 있지만, 제공사의 정책이나 국가 간 규제 변화에 따라 서비스 운영 환경이 갑자기 달라질 수도 있습니다. 특정 모델에 대한 의존도가 높을수록, 접근 제한이나 정책 변경이 곧 서비스 리스크로 이어지는 거죠.

이와 관련해 크라우드웍스 양수열 CAIO는 ‘독자 모델은 외산 모델 대체가 아니라, 기술 주권과 협상력을 확보하기 위한 안전장치’라고 강조했습니다. 이는 기업과 국가가 예기치 못한 리스크에 직면했을 때, 자체적으로 대응할 수 있는 역량을 갖추어야 한다는 뜻입니다. 

이번 달 뉴스레터는 어떠셨나요?

비즈니스.AI는 AI 시장의 흐름과 비즈니스 인사이트를 전합니다.

다음 달에도 꼭 필요한 AI 소식으로 찾아오겠습니다😊 

🌐 홈페이지 ㅣ🔗 링크드인ㅣ📝 블로그 

(주)크라우드웍스
marketing@crowdworks.ai
서울특별시 강남구 테헤란로 309 5F 0269542960