[2026 GGGF] 데니스 홍 교수 "피지컬 AI 성패는 현장 데이터…韓 제조업 강점 살려야"

데니스 홍 교수, 2026 GGGF 기조연설…한국 피지컬 AI 생존전략 제시

"자동차·반도체·조선 등 한국 제조업 현장 데이터로 독자적 생태계 구축해야"

데니스 홍 미국 UCLA(캘리포니아대학교 로스앤젤레스 캠퍼스) 기계항공공학과 교수 겸 로봇 및 메커니즘 연구소(RoMeLa) 소장이 'AI 문명 현실화, 피지컬 AI 경쟁력에 달렸다'라는 주제로 기조강연을 하고 있다.[사진=한준구 기자]

"생성형 AI 데이터는 인터넷에 있었지만 피지컬 인공지능(AI)에 중요한 데이터는 현장에 있다. 실제 산업 현장에 로봇을 투입해 양질의 물리 데이터를 생성하고, 이를 다시 AI 학습과 재배치로 연결하는 '제조 밀착형 선순환 생태계'가 한국만의 차별화된 피지컬 AI 방향성이다."

데니스 홍 미국 캘리포니아대 로스앤젤레스(UCLA) 기계항공공학과 교수이자 로멜라(RoMeLa) 로봇연구소장은 2일 오후 서울 중구 더플라자 호텔에서 열린 '제18회 착한 성장, 좋은 일자리 글로벌포럼(2026 GGGF)' 기조연설에서 한국 피지컬 AI 산업의 독자적인 생존 전략을 이같이 제시했다. 

홍 교수는 "빅테크 중심의 미국식 AI 개발 모델이나 막강한 하드웨어 공급망을 무기로 삼는 중국의 방식을 한국이 그대로 따라갈 필요는 없다"면서 "한국은 자동차, 반도체, 조선 등 세계 최고 수준의 제조업 현장을 보유하고 있고 현장 데이터 강점을 바탕으로 산업 경쟁력을 키워야 한다"고 밝혔다. 

홍 교수는 최근 로봇공학계의 가장 큰 변화로 로봇 제어 메커니즘의 패러다임 전환을 꼽았다. 과거에는 센서로 외부 정보를 받아들이고, 컴퓨터로 판단한 뒤 모터나 유압장치로 움직이는 고전적 방식에 맞춰 사람이 일일이 알고리즘을 코딩했다. 하지만 최근 1~2년 사이 센서 입력부터 최종 동작 제어까지 하나의 AI 모델로 처리하는 방식이 대세로 자리 잡기 시작했다.

문제는 이 같은 AI 기반 제어 방식을 구현하기 위해 데이터가 필수적이다. 홍 교수는 거대언어모델(LLM)이나 생성형 AI와 달리 피지컬 AI 분야는 심각한 '데이터 가뭄'에 직면해 있다고 지적했다. 텍스트나 이미지·동영상은 인터넷상에서 방대한 양을 긁어모아 학습시킬 수 있지만 로봇을 학습시키기 위한 관절 위치, 속도, 가속도, 마찰력 등 정교한 물리 데이터는 인터넷에 존재하지 않기 때문이다.

현재 글로벌 기술 기업들이 시도하는 데이터 수집 방식도 한계를 드러내고 있다. 일례로 가상 세계 시뮬레이션 학습은 현실과 격차로 인해 실제 로봇에 적용할 때 여러 오류가 발생한다. 인간이 가상현실(VR) 장비를 착용하고 원격 제어로 데이터를 수집하는 방식은 막대한 시간과 경제적 비용이 소요되고, 유튜브 등 동영상 학습은 힘의 크기나 접촉 감각 같은 '촉각 데이터'를 제공하지 못한다.  

홍 교수는 이러한 물리 데이터를 확보하기 어려운 가운데 한국이 가진 독보적인 '제조업 현장'이 피지컬 AI 시대에 결정적인 반전 카드가 될 수 있다고 강조했다. 자동차·반도체·조선 등 세계 최고 수준의 K-제조업 공장이야말로 가장 정교하고 방대한 실제 물리 데이터를 실시간으로 추출할 수 있는 최적의 '데이터 생산 기지'라는 설명이다.

아울러 최근 로봇업계의 과도한 환상과 과장(Hype)을 경계해야 한다고 당부했다. AI 기반 제어 방식은 뛰어난 유연성을 보이지만 내부 동작 원리를 파악할 수 없는 '블랙박스' 문제를 지니고 있어 고장이나 오류 발생 시 원인을 규명하기 어렵다. 지난 100년간 발전해 온 모델링 기반의 전통 제어(Model-based) 방식과 AI 방식을 결합하는 고도화된 연구가 병행돼야 한다고 강조했다. 

홍 교수는 "휴머노이드와 피지컬 AI의 성패는 결국 현실 세계의 정교한 데이터를 누가 가장 효율적으로 수집하고 적용하느냐에 달려 있다"며 "한국 산업계가 가진 제조 현장의 강력한 실체적 강점을 극대화해 실용적인 피지컬 AI 생태계를 구축해야 한다"고 말했다.