LG CNS가 로봇을 학습·검증·운영하는 피지컬 AI 플랫폼 ‘피지컬 웍스(Physical Works)’를 공개하고, 제조·물류 현장을 중심으로 한 로보틱스 전환(RX·Robotics Transformation) 사업을 본격 확대한다. 휴머노이드와 피지컬 AI에 대한 기대감은 커지고 있지만 실제 산업 현장 적용은 더디다는 이른바 ‘PoC(개념검증) 늪’ 우려가 커지고 있다. 이런 가운데 LG CNS는 현장 데이터와 통합 운영 역량을 기반으로 한 ‘현장형 RX’를 해법으로 제시한 것이다. 

◆ “춤추는 로봇보다 중요한 건 현장 투입”

7일 열린 RX 미디어데이에서 LG CNS는 로봇 학습·운영 플랫폼 ‘피지컬 웍스’를 공개하고, 제조·물류·조선·화학 등 산업 현장을 중심으로 한 피지컬 AI 전략을 발표했다. 현신균 LG CNS CEO는 “기업 경쟁력은 로봇을 얼마나 빠르게 현장에 적용하고 안정적으로 운영해 성과로 연결하느냐에 달려 있다”고 밝혔다.

이어 “로봇은 단순 자동화 설비를 넘어 생산과 운영을 실제 수행하는 주체로 변화하고 있다”며 “중요한 것은 로봇이 실제 업무를 안정적으로 수행할 수 있도록 만드는 것”이라고 강조했다. LG CNS는 로봇 도입 이후에도 학습·검증·운영·고도화까지 이어지는 전 과정을 하나의 체계로 관리하는 것이 RX의 핵심이라고 설명했다.

박상엽 CTO 역시 “춤추는 로봇은 이제 어렵지 않게 볼 수 있지만, 중요한 건 현장에서 실제 일을 할 수 있느냐”라고 말했다. 그는 로봇 상용화를 위해서는 ▲학습 데이터 확보 ▲RFM(Robotics Foundation Model) 학습 ▲멀티 로봇 협업 ▲작업 관리 체계 등이 필요하다고 설명했다.

LG CNS는 이를 위해 로봇 학습 플랫폼 ‘피지컬 웍스 포지(Forge)’와 통합 운영 플랫폼 ‘피지컬 웍스 바통(Baton)’을 공개했다. 포지는 로봇 학습 데이터를 수집·정제·학습·검증·배포하는 플랫폼이다. VR 컨트롤러, 모션캡처, 시뮬레이션, AI 기반 데이터 자동 생성 기능 등을 지원한다.

로봇 학습 데이터 수집부터 현장 적용까지 전 주기를 지원하며, 수개월 걸리던 현장 투입 기간을 1~2개월 수준으로 단축할 수 있도록 설계됐다. 바통은 멀티 벤더·멀티 타입 로봇을 통합 관제하는 플랫폼이다. AI 에이전트를 통해 작업을 생성·배분하고, 이동 경로·작업 흐름·성과를 실시간 최적화하는 기능을 제공한다.

제조사가 다른 이기종 로봇에 작업을 지시하고 표준화된 방식으로 통합 관제할 수 있다는 설명이다. 현장에서는 여러 대의 로봇이 동시에 협업하는 환경이기 때문에 이런 통합 운영 체계가 중요해지고 있다는 분석이다. 즉 피지컬 웍스는 로봇 데이터 수집부터 학습, 검증, 현장 적용, 운영 관제까지 전 주기를 하나로 통합한 엔드투엔드 플랫폼인 셈이다.

◆ “PoC 넘치는데 현장 적용은 느려, 해법은 현장 데이터"

LG CNS는 현재 RX 시장이 단순 기술 경쟁을 넘어 실제 산업 적용 단계로 이동하고 있다고 진단했다. 또 업계 안팎에서는 휴머노이드와 피지컬 AI 관련 PoC는 빠르게 늘고 있지만, 실제 생산 현장 적용 속도는 기대보다 더디다는 지적도 나온다. LG CNS는 가장 큰 장벽으로 ‘양질의 현장 데이터 확보’를 꼽았다.

이준호 스마트물류&시티사업부장 전무는 “빠르게 양질의 데이터를 수집해야만 로봇을 교육·훈련·학습시킬 수 있다”며 “그 문제가 해결된다면 현장 적용 속도도 상당히 빨라질 것”이라고 설명했다. 현재 LG CNS는 전자·화학·배터리·물류·조선 분야에서 20건 이상의 휴머노이드 PoC를 진행 또는 논의 중이다.

구체적으로는 ▲전자 공정 내 매거진 투입 작업 ▲화학 원재료 투입 ▲물류 적재 ▲조선 용접 등 반복·고위험 작업 중심으로 로봇 적용을 확대하고 있다. LG CNS는 로봇 AI 구조 역시 변화하고 있다고 설명했다. 기존에는 하나의 비전·언어·액션(VLA) 모델이 모든 기능을 수행하려 했었다.

하지만 최근에는 인지·판단·실행·오케스트레이션 등이 계층적으로 분리되는 방향으로 진화하고 있다는 설명이다. 이는 보다 안정적이고 확장 가능한 AI 시스템으로 발전하는 흐름이라는 분석이다. 또 단일 기술만으로는 경쟁력이 부족해지면서 로봇 업계의 ‘풀스택 경쟁’도 심화되고 있다고 진단했다.

실제로 일부 하드웨어 중심 기업들은 데이터 팩토리를 구축해 대규모 학습 데이터를 확보하고 있으며, 반대로 AI 중심 기업들은 하드웨어 기업 인수에 나서는 등 통합 역량 확보 경쟁이 본격화되고 있다는 분석이다.

◆ “로봇 만드는 기업 아닌, 운영하는 기업”…LG CNS식 RX 전략

LG CNS는 직접 로봇 하드웨어를 제조하기보다 다양한 로봇을 현장에 맞게 통합 운영하는 플랫폼 사업자 역할에 집중한다는 전략이다. 회사 측은 “저희는 로봇 하드웨어를 만들지 않는다”며 “현장에 가장 적합한 로봇을 소싱해 데이터를 학습시키고 상위 시스템과 연동해 운영·관제하는 역할을 한다”고 설명했다.

LG CNS는 차별화 포인트로 생산 공정과 제조 데이터에 대한 이해, 그리고 MES·ERP·WMS 등 생산 IT 시스템 연계 역량을 제시했다. 현신균 CEO는 “전 세계 생산 IT 시스템 분야에서 넘버원은 LG CNS라고 감히 말씀드릴 수 있다”고 강조했다.

LG CNS는 로봇을 단순 설비가 아닌 ‘디지털 인력’으로 규정했다. AI 에이전트 기반으로 작업을 기획·배분·운영·재교육하는 체계를 구축해, 로봇을 가장 빠르게 현장에 ‘고용’하고 가장 효율적으로 운영하는 기업이 되겠다는 구상이다.

현재 부산 스마트시티에는 바통 기반의 멀티 로봇 관제 시스템이 적용된 상태다. 바리스타·청소·순찰·물류 로봇 등을 통합 운영하고 있다. LG CNS는 향후 제조업 경쟁력이 ‘팩토리 인텔리전스’ 중심으로 재편될 것으로 전망했다.

박 CTO는 “앞으로는 인건비가 저렴한 국가가 아니라 팩토리 인텔리전스를 가장 잘 실현하는 곳에 공장이 만들어질 것”이라고 말했다. 이어 “공장과 창고 전체가 하나의 인텔리전스로 운영되는 시대가 멀지 않았다”며 “수백·수천 대 로봇이 하나의 지능으로 움직이는 군집 지능화 시대가 올 것”이라고 전망했다.