LG CNS가 개최한 '2026 로보틱스 & 피지컬 AI 포럼' 현장에서 토론토대학교, 서강대학교, 중앙대학교 교수진들이 기념사진을 촬영하고 있는 모습 (사진=LG CNS 제공)

[더게이트]

LG CNS가 국내외 로봇·AI 연구진과 함께 피지컬 인공지능(AI) 기술의 산업 현장 적용 가능성과 향후 발전 방향을 논의했다.

LG CNS는 최근 서울 마곡 본사 ‘퓨처로보틱스 랩(Future Robotics Lab)’에서 ‘2026 로보틱스 & 피지컬 AI 포럼’을 개최했다고 12일 밝혔다.

행사에는 토론토대학교와 서강대학교, 중앙대학교, 고려대학교 교수진 및 석·박사 과정 학생, LG CNS 임직원 등 100여 명이 참석했다.

참석자들은 강화학습과 로봇 보행·지능형 메커니즘, 동적·확률적 최적화, 머신러닝, 딥러닝 모델 최적화 등 로보틱스와 AI 분야의 연구 성과와 산업 적용 사례를 공유했다.

이번 포럼에서는 로봇 파운데이션 모델(RFM)을 비롯해 데이터, 지능형 로봇 하드웨어, 시뮬레이션 등 피지컬 AI 핵심 기술의 연구·실증 현황과 실제 산업 현장 적용을 위한 기술적 과제가 논의됐다.

LG CNS는 20년 이상 수행한 1000건 이상의 로봇공학 기반 스마트팩토리·스마트물류 프로젝트 경험을 바탕으로 피지컬 AI의 산업 적용 방향을 제시했다.

올해 출시한 로봇 학습 플랫폼 ‘피지컬웍스 포지(PhysicalWorks Forge)’와 에이전틱AI 기반 로봇 운영·관제 플랫폼 ‘피지컬웍스 바통(PhysicalWorks Baton)’도 소개했다.

“로봇마다 다른 움직임·지연시간이 과제”…RFM 기술 방향 공유LG CNS가 본사 '퓨처로보틱스 랩'에서 ‘2026 로보틱스 & 피지컬 AI 포럼’을 개최함. 글로벌 로봇 석학, LG CNS 로봇 전문가들이 피지컬AI 기술 동향과 산업현장 적용방안을 나누는 모습 (사진=LG CNS 제공)

글로벌 연구진은 로봇 지능과 제어 기술을 중심으로 최신 연구 성과를 발표했다.

이치근 토론토대학교 교수는 로봇 파운데이션 모델의 발전 과정과 실제 로봇에 적용하기 위한 주요 기술을 소개했다.

서로 다른 로봇의 데이터를 함께 활용하는 방법과 로봇이 부드럽고 연속적으로 움직이도록 하는 플로우 매칭(Flow Matching), 액션 청킹(Action Chunking) 기술 등을 설명했다.

이 교수는 로봇마다 다른 움직임과 지연시간, 데이터 확보 문제 등을 향후 해결해야 할 과제로 제시했다.

참석자들은 물류·제조 등 산업 현장에서의 피지컬 AI 적용 사례와 로봇 도입 과정에서의 기술적·운영적 과제, 기업과 대학이 확보해야 할 역량, 로봇 시대에서 사람의 역할 등을 놓고 의견을 나눴다.

이준호 LG CNS 스마트물류&시티사업부장 전무는 “이번 포럼은 로보틱스, 피지컬 AI 분야의 국내외 연구자들과 LG CNS의 기술 및 사업 경험을 공유하고, 앞으로의 산업 적용 방향을 함께 모색하는 자리였다”며 “앞으로도 학계와의 지속적인 교류를 통해 기술 경쟁력을 강화하고, 연구 성과가 실제 산업 현장의 혁신으로 이어질 수 있도록 사업 역량을 강화해 나가겠다”고 말했다.