피지컬 AI 시장의 기준을 만들어가는 Physical AI TF
Cultures
Physical AI TF는 제논 R&D그룹 선행개발파트에 속한 조직으로, 실제 공간을 인식하고 판단해 움직이는 AI를 만듭니다.
제논은 로봇 하드웨어를 직접 만들지 않고, Navigation과 VLA(Vision-Language-Action), 강화학습을 엮어 휴머노이드 젠피(GenP)에 들어가는 지능(Physical AI Agent)과 그 지능이 현장에서 매일 안정적으로 동작하게 하는 운영 체계(Physical AI Ops)를 개발합니다.
현재 요양병원 시니어케어와 전시 공간 도슨트, 두 현장에 젠피를 투입하는 프로젝트를 진행하고 있습니다. 신설 조직인 만큼 파트가 하는 일과 함께 일할 동료에 대해 최창윤 파트장에게 물었습니다.
Physical AI TF는 제논 R&D그룹 선행개발파트에 속한 조직으로, 실제 공간을 인식하고 판단해 움직이는 AI를 만듭니다. 제논은 로봇 하드웨어를 직접 만들지 않고, Navigation과 VLA(Vision-Language-Action), 강화학습을 엮어 휴머노이드 젠피(GenP)에 들어가는 지능(Physical AI Agent)과 그 지능이 현장에서 매일 안정적으로 동작하게 하는 운영 체계(Physical AI Ops)를 개발하는데요. 현재 요양병원 시니어케어와 전시 공간 도슨트, 두 현장에 젠피를 투입하는 프로젝트를 진행하고 있습니다. 화면 밖으로 나온 AI를 만드는 일이 어떤 일인지, 최창윤 파트장을 만나 직접 들어봤습니다!
피지컬 AI는 화면 속에 있던 AI에게 몸을 주는 기술입니다. 실제 공간을 인식하고, 스스로 판단하고, 움직이는 AI죠. 제논은 하드웨어가 아니라 그 '두뇌'를 만듭니다. Navigation, VLA, 강화학습 같은 기술을 엮어 Physical AI Agent라는 지능을 만들고, 그것이 현장에서 매일 안정적으로 동작하도록 운영 체계(Physical AI Ops)까지 책임집니다. 한마디로 데모용 AI가 아니라 현장에서 일하는 AI를 만드는 것이 저희가 정의하는 피지컬 AI입니다.
신설 팀의 파트장이다 보니 역할이 꽤 다양한 편입니다. 크게는 두 축인데요, 하나는 팀이 나아갈 방향을 만드는 일이고 다른 하나는 직접 기술을 개발하는 일입니다.
방향을 만드는 쪽에서는 과제 협의와 제안서 작성을 주로 하고 있습니다. 피지컬 AI가 새로운 분야인 만큼, 어떤 문제에 우리 기술을 적용할 수 있을지 발굴하고 구체적인 과제로 만들어가는 과정이 중요하거든요.
기술 개발 쪽에서는 로봇 내부에 들어가는 전체 시스템의 설계와 개발을 진행하고 있고, 동시에 Physical AI Ops의 기능 및 화면 기획도 맡고 있습니다. 모델을 만드는 것에서 끝나는 게 아니라, 실제 현장에서 안정적으로 운영되는 체계까지 고민해야 진짜 쓸모 있는 기술이 된다고 생각하기 때문입니다.
학부에서 기계공학을 전공했고, 석사 과정에서는 기계공학 기반의 AI를 전공했습니다. 하드웨어와 AI 양쪽을 모두 다뤄본 셈인데, 돌이켜보면 그 조합이 자연스럽게 지금의 피지컬 AI로 이어진 것 같습니다.
입사할 때부터 '로봇을 하고 싶다'고 대표님께 얘기했었습니다. 당시에는 회사에 관련 조직이 없어서 바로 기회가 생기진 않았지만, 그 목표를 놓지 않고 있었는데요. 입사 4년 차에 피지컬 AI 분야가 본격적으로 주목받기 시작하면서 회사에서도 팀을 신설하게 되었고, 자연스럽게 합류하게 되었습니다.
저희가 우선적으로 바라보는 도메인은 사람과 가까운 곳에서 소통하며 일하는 서비스 영역입니다. 구체적으로는 시니어케어, 가사로봇, 도슨트, 공공장소나 시설의 안내로봇, 그리고 상담사 역할까지를 유스케이스로 보고 있습니다.
공통점이 있는데요, 모두 사람을 이해하고 반응해야 하는 일이라는 점입니다. 정해진 동선을 반복하는 산업용 로봇과 달리 상대방의 말과 상황을 이해하고 그에 맞게 행동해야 하죠. 특히 가정처럼 매번 환경이 다르고 예측이 어려운 공간은 범용 지능이 아니면 접근하기 어려운 영역이라, 보고 이해하고 행동하는 VLA 같은 기술이 진가를 발휘하는 무대이기도 합니다.
중요한 건 도메인마다 로봇을 따로 만드는 게 아니라는 점입니다. 저희 목표는 범용 휴머노이드이기 때문에, 하나의 지능이 시니어케어 현장에서는 돌봄 파트너가 되고, 가정에서는 집안일을 돕고, 미술관에서는 도슨트가 되고, 로비에서는 안내와 상담을 맡는 그림을 그리고 있습니다. 첫 적용 영역에서 검증된 지능을 점점 더 넓은 도메인으로 확장해가는 것이 저희의 로드맵입니다.
큰 흐름은 태스크 정의 -> 구현 -> 시뮬레이션 검증 -> 실기 검증 -> 개선 루프인데, 기술 영역마다 구현과 시뮬레이션의 역할이 조금씩 다릅니다.
먼저 태스크를 정의합니다. 성공의 기준이 무엇인지, 어떤 환경 조건까지 커버해야 하는지를 명확히 하는 단계인데, 물리 세계의 태스크는 기준이 모호하면 검증 자체가 불가능해지기 때문에 이 단계를 중요하게 생각합니다.
구현은 태스크 성격에 따라 접근이 갈립니다. 강화학습이 필요한 태스크는 시뮬레이션 안에서 수많은 시행착오를 거치며 정책을 학습시킵니다. 시뮬레이션이 곧 훈련장이 되는 셈이죠. 반면 모방학습(IL)은 사람의 시연 데이터를 수집해서 실데이터로 학습하기 때문에 시뮬레이션 학습을 거치지는 않지만, 학습한 모델이 정상적으로 작동하는지 시뮬레이션에서 검증합니다. 그리고 Navigation은 학습 기반이 아니라서, 시뮬레이션을 훈련장이 아니라 알고리즘을 검증하기 위한 목적으로 씁니다. 다양한 공간과 상황을 시뮬레이션에 만들어놓고 로직이 의도대로 동작하는지 테스트하는 거죠.
이렇게 각자의 방식으로 시뮬레이션 단계를 통과하면 실제 로봇으로 넘어가는데, 여기서는 공통입니다. 안전 제약을 걸어둔 상태에서 단순한 동작부터 확인하고, 성공률이 검증되면 난이도를 단계적으로 올립니다. 실기에서 나온 실패 케이스는 저희에게 가장 귀한 데이터라서, 원인을 분석해 로직을 수정하거나 데이터를 보강해서 다시 개선 루프에 넣습니다.
이 전 과정이 기록으로 남는 것도 중요합니다. 어떤 조건에서 성공하고 실패했는지가 팀의 자산으로 쌓여야, 다음 태스크에서 같은 시행착오를 건너뛸 수 있으니까요.
주 단위로 리듬이 있는 편입니다. 월요일 오전에는 팀원들과 모여 이번 주에 할 일을 논의하면서 한 주를 시작합니다. 각자 맡은 업무의 우선순위를 정리하고, 서로 도움이 필요한 부분을 미리 맞춰두는 시간인데요, 이 시간이 잘 정리되면 한 주가 훨씬 수월하게 흘러갑니다.
주중에는 각자 업무에 몰입하고 중간중간 진행 상황을 공유합니다. 목요일 주간 회의에서 과제 일정을 점검하고, 금요일에는 그동안 진행한 업무를 문서화하면서 한 주를 마무리합니다. 개발하면서 얻은 결과나 시행착오를 기록으로 남겨두는 것이 나중에 팀의 자산이 된다고 생각해서, 문서화는 꼭 지키려고 하는 편입니다.
두 가지를 가장 중요하게 생각합니다.
첫 번째는 목적과 계획을 먼저 세우는 것입니다. 일을 시작하기 전에 이걸 왜 하는지, 어디까지 도달해야 하는지, 이를 위해 무엇을 해야 하는지를 먼저 명확히 하려고 합니다. 특히 피지컬 AI처럼 새로운 분야는 정답이 없는 문제가 많아서, 목적이 흐려지면 열심히 하고도 방향이 어긋나기 쉽거든요. 목적이 분명하면 중간에 시행착오가 있어도 다시 돌아올 기준이 생깁니다.
두 번째는 소통과 공유, 그리고 자산화입니다. 각자가 알게 된 것을 개인의 경험으로 끝내지 않고 팀의 자산으로 남기는 것을 중요하게 생각하는데요. 금요일마다 업무를 문서화하는 것도 그 연장선입니다. 팀원 간에 정보가 잘 흐르고 기록이 쌓이면, 팀 전체가 개인의 합보다 더 빠르게 성장할 수 있다고 믿습니다.
제논의 세 가치 중에서는 Innovation을 가장 체감하고 있습니다. 피지컬 AI라는 분야 자체가 회사에서 처음 시도하는 영역이고, 저희 팀도 그 도전을 위해 신설된 팀이니까요. 정해진 답이 없는 문제를 다루다 보니 매 과제가 기존에 없던 방식을 만들어가는 과정입니다.
실천 방식은 거창하지 않습니다. 새로운 시도를 할 때 목적과 계획을 먼저 명확히 세우고, 시행착오까지 포함해 결과를 문서로 남겨 팀의 자산으로 만드는 것입니다. 혁신은 한 번의 아이디어가 아니라 도전하고 기록하고 다시 도전하는 반복에서 나온다고 생각합니다. 물론 과제 협의나 제안서 작업에서는 Partnership을, 결과물을 만들 때는 Excellence를 늘 함께 의식하게 됩니다. 세 가치가 따로 있는 게 아니라 일하는 과정에서 자연스럽게 맞물려 있는 것 같습니다.
10. 로보틱스 경험이 없어도 도전할 수 있을까요? 어떤 분이 이 팀에 잘 맞을까요?
네, 충분히 도전할 수 있습니다. 애초에 피지컬 AI 자체가 새로운 분야라서, 이 분야의 경력자라고 할 만한 사람이 세상에 많지 않습니다. 저희 팀원들도 각자 다른 배경에서 출발해 여기서 피지컬 AI를 만들어가고 있고요. 저희는 하드웨어를 직접 만들지 않기 때문에 로봇 하드웨어 경험은 필수가 아닙니다.
그보다 중요한 건 AI에 대한 탄탄한 기본기입니다. 딥러닝의 기초가 단단하면 Navigation이든 VLA든 강화학습이든 새로운 영역으로 확장할 수 있거든요. 그리고 한 분야의 깊이만큼이나, 여러 기술을 연결해서 전체 그림을 보는 시야를 중요하게 봅니다. 피지컬 AI는 하나의 기술이 아니라 여러 기술의 조합으로 완성되는 분야니까요.
마지막으로 꼽고 싶은 건 학습 속도입니다. 정답이 없는 분야라 어제 없던 기술이 오늘 나오는데, 모르는 것을 만났을 때 빠르게 배우고 그걸 팀에 공유할 수 있는 분이라면 로보틱스 경험이 없어도 금방 따라잡을 수 있습니다. 실제로 경험보다 태도가 성장 속도를 결정하는 걸 많이 봤습니다.
피지컬 AI는 아직 정답이 없는 분야입니다. 그래서 완성된 매뉴얼을 따라가는 것보다, 스스로 문제를 정의하고 방법을 찾아가는 과정을 즐기는 분이 잘 맞습니다. 모르는 것을 만나는 게 스트레스가 아니라 재미인 분이요.
기술적으로는 한 분야만 깊게 파는 것보다 Navigation, VLA, 강화학습처럼 다양한 분야를 폭넓게 이해하고 연결할 수 있는 분이면 좋겠습니다. 피지컬 AI는 어느 하나의 기술로 완성되는 게 아니라 여러 기술이 맞물려 돌아가는 분야라서, 각 기술의 역할과 한계를 알고 전체 그림을 그릴 줄 아는 게 큰 힘이 됩니다.
그리고 저희 팀은 각자 알게 된 것을 기록하고 공유하며 팀의 자산으로 만드는 문화를 중요하게 생각합니다. 혼자 잘하는 것에서 그치지 않고, 자신의 경험을 나누면서 팀과 함께 성장하고 싶은 분이라면 정말 잘 맞을 거라고 생각합니다.
11. 마지막으로, 이 기술이 어디까지 가면 좋겠다고 생각하시나요?
단기적으로는 지금 개발하고 있는 Physical AI Agent를 실제 현장에서 제대로 동작하는 수준까지 끌어올리는 것입니다. 데모로 보여주는 기술과 현장에서 매일 쓰이는 기술 사이에는 큰 간극이 있는데요, Physical AI Ops까지 포함해서 만들고 끝이 아니라 지속적으로 운영되는 기술을 완성하고 싶습니다.
장기적으로는 저희 팀을 피지컬 AI 하면 떠오르는 팀으로 만드는 것이 목표입니다. 신설 팀이라 아직 쌓아가야 할 것이 많지만, 그만큼 저희가 만드는 하나하나가 팀의 기준과 자산이 됩니다. 매주 기록하고 공유하는 문화도 그 기반을 다지는 과정이라고 생각합니다.
그리고 개인적으로는, 입사 때부터 말해온 로봇에 대한 꿈을 여기서 완성하고 싶습니다. 피지컬 AI가 로봇의 두뇌라면, 언젠가 저희 기술이 탑재된 로봇이 실제 산업 현장과 가정에서 일하는 모습을 보는 것. 그게 제논에서 이루고 싶은 가장 큰 그림입니다.
