PatSnap Eureka에 대한 세미나 강사로서 제가 진행하는 이번 강연에서는 “누구나 쉽게 특허 조사 및 분석”이라는 주제로, 물리AI를 예시로 활용 사례를 소개하고자 합니다. 누구나 30분만으로 아래 슬라이드 자료 보고서가 작성 가능합니다. 1. 히로에게 질문만 하라 히로에게 물어봤어요. 실제 화면으로 이동하는 링크는 여기서 확인하세요. 조사의 방향성도 제안해 주므로, 선택하면 순식간에 적절한 흐름으로 보고서를 작성해 줍니다. 제작된 보고서는 다음과 같습니다. 2. 기술 사전 조사 보고서 히로가 물리적 AI(Physical AI)의 최신 기술 동향 및 특허·논문 진전에 관한 상세한 기술 연구 보고서 작성 제안을 실행해 보았다. 약 1분 정도면 다음과 같은 보고서가 작성된다. 브라우저의 번역 기능을 사용하면 일본어로도 읽을 수 있다. 제작된 보고서는 다음과 같습니다. 3. 슬라이드 형태로 시도해 보았다 ChatGPT로 슬라이드 자료를 제작했다. 4. 노트를 적어 보았습니다. 물리적 AI의 진짜 경쟁 축은 어디에 있는가 – 특허 및 논문에서 드러난 “4가지 기술”과 구현 단계 – 단순히 로봇에 LLM(대규모 언어 모델)을 탑재하는 것과는 다릅니다. 물리 AI 경쟁을 결정짓는 “4가지 기술”은 무엇일까요. 생성 AI의 다음은 물리 AI다. 최근 이 단어를 접하는 기회가 늘었습니다. 휴먼노이드 로봇이 인간의 지시를 이해하고 공장, 창고, 상점, 가정 등에서 작업하는 미래 모습에 대한 기대가 모아지고 있습니다. 하지만, 물리 AI를 “대규모 언어 모델을 로봇에 탑재한 것”으로만 해석하면 기술 경쟁의 본질을 놓칠 수 있다. 실제로는 로봇의 신체, 센서, 시뮬레이션, 제어 모델 등 여러 기술을 하나의 시스템으로 통합하지 않으면 현실 세계에서 안정적으로 움직이는 것이 불가능합니다. 본 논문에서는 2026년 8월 12일 시점의 특허 및 논문 조사 결과를 토대로, 물리적 AI를 구성하는 기술, 그 성숙도, 그리고 기업이 고려해야 할 사업상의 핵심 요소를 정리합니다. 이 기사에서 알 수 있는 점 물리적 AI를 구성하는 4가지 주요 기술 특허 및 논문에서 확인한, 각 기술의 실용화 단계 인간형 로봇에 대한 기대와 실제 기술 개발 간의 격차 기업이 물리적 AI 사업에 진출하는 시점의 주요 고려 사항 目次 1. 히로에게 질문만 하다 2. 기술 사전 조사 보고서 3. 슬라이드 형태로 시도해 보았습니다. ４．노트 작성에 성공했습니다. 1. 물리적 AI는 무엇인가? 2. 경쟁 분석 “4가지 기술 모듈” 3. 기술 성숙도는 “3중 구조”로 나타나고 있습니다. 4．특허가 보여주는 것은 ‘묵묵한 공학’이다. 5．기업은 어디에서 물리적 AI에 접근해야 하는가 6．특허 건수와 기업 순위 등을 확인하는 데 유의할 점 1. 물리적 AI란 무엇인가 물리적 AI는 대규모 언어 모델이나 월드 모델과 같은 AI 기술을 로봇, 자율 이동체, 제조 장비와 같은 물리적인 실체와 연결하여 현실 세계에서의 인지, 의사 결정, 동작 제어 등을 실현하는 기술 영역입니다. 기존의 생성형 AI는 문장이나 이미지 등 디지털 정보를 주 대상으로 했지만, 물리 AI는 현실 세계의 물리 법칙에 따라 행동한다. 로봇은 바닥의 마찰, 물체의 무게, 접촉 시의 힘, 인간과의 거리, 예상치 못한 장애물 등 다양한 요인에 대응해야 합니다. 그러므로, 물리적 AI는 다음과 같은 일련의 능력을 요구합니다. 보는 것을 통해, 만져봄으로써 → 상황을 파악하고, → 행동을 계획하며, → 몸을 움직이고, → 결과를 관찰하며 수정한다. 이 폐쇄 루프를 현실 세계에서 안전하고 빠르게 회전시키는 것이 물리 AI의 핵심 과제입니다. 2. 경쟁 분석 “4가지 기술 모듈” 이번 특허 및 논문 조사에서는 물리적 AI 기술은 크게 4가지 모듈로 분류할 수 있습니다. 로봇 본체 및 하드웨어 인지·감각 시뮬레이션 학습 / 월드 모델 작동 제어 및 VLA 이는 독립적인 기술이 아닙니다. 서로 얽혀 있는 하나의 기술 스택으로 평가해야 합니다. [그림 1 삽입: 물리AI를 구성하는 4가지 기술 모듈] 캡션: 로봇 본체, 지각, 시뮬레이션, 동작 제어가 상호 연계되어 물리AI를 구성한다. 로봇 본체 및 하드웨어 첫 번째 모듈은 인간형의 몸 자체입니다. 주요 기술 주제는 전신 제어, 이족 보행, 액추에이터, 숙련된 손, 관절 구조 등입니다. 특허 조사에서는 FIGURE AI가 전신 역동학 제어, 액추에이터의 공통 부품화, 이족 보행 모델 등을 지속적으로 출원하고 있습니다. UBTECH는 운동학 제어와 동적 제어의 분리, APPTRONIK는 인간과 동일한 작업 공간에서 움직이는 상체 설계에 주력하고 있습니다. 여기서 경쟁의 핵심은 단순히 “인간과 같은 형태를 만드는 것”만이 아닙니다. 중요한 것은 대량 생산 용이성, 수리 및 교환 용이성, 출력 밀도, 소비 전력, 안전성, 제어 안정성입니다. 화려한 데모 영상의 뒷면에서는, 관절과 동력계를 어떻게 표준화하고, 고장 발생 가능성을 줄이는 시스템을 구축할 것인가라는, 끈끈한 공학 경쟁이 진행되고 있다. 휴머노이드의 실용화에서는 외관보다 액추에이터, 관절, 유지보수성이 중요하다. AI 생성 이미지. 이제 감각과 인지 능력에 대해 이야기해 볼까. 우리가 세상을 어떻게 받아들이고 느끼는지가, 우리가 살아가는 방식의 근본적인 문제라는 거지. 마치 어떤 그림을 보느냐에 따라 그 그림에 대한 해석이 달라지는 것처럼 말이야. 물론 그림 자체는 변하지 않지만, 우리의 시각, 경험, 감정이 그림에 영향을 미치는 거지. 그리고 그 영향은 우리의 생각과 행동으로 이어져. 특히 ‘夏帆’의 시점에서 세상을 바라보는 것이 흥미로웠어. 그녀는 주변 사람들의 말에 귀 기울이면서도 자신의 직감과 감정에 따라 행동하지. 때로는 엉뚱한 행동을 하기도 하지만, 그 엉뚱함 속에서 그녀만의 진실을 발견하는 것 같았어. 그녀의 시각은 우리가 당연하게 생각하는 것들을 새롭게 바라보게 만들었지. 마치 오래된 물건을 처음 보는 것처럼, 그녀는 세상을 신선하고 생생하게 느끼는 것 같았어. 그녀의 시각을 통해 우리가 세상을 어떻게 인식하고 있는지, 그리고 그 인식은 우리를 어떻게 변화시키는지에 대해 다시 한번 생각해 보게 되었어. 이런 감각과 인지 능력은 우리가 세상을 이해하고 살아가는 데 있어서 매우 중요한 요소라는 것을 잊지 말아야 해. 로봇이 현실 세계에서 작업하려면 카메라만으로는 충분하지 않습니다. 물체에 닿았을 때 압력, 미끄러짐, 단단함, 접촉 위치 등을 파악하기 위해서는 시각과 촉각을 결합해야 합니다. 조사 결과, 싱가포르 국립대학교 NeuTouch와 이벤트 기반 스파이킹 뉴럴 네트워크를 결합한 기술이 다년간 특허화되어 왔습니다. 저지연·저전력으로 시각과 촉각을 처리하는 것을 목표로 합니다. 또한, 삼성의 반투명 촉각 센서, 이벤트 기반 카메라를 결합한 로봇 손가락, 시각·촉각 융합을 통한 그립 예측 기능도 확인되었습니다. 이 영역은 4개의 모듈 중에서는 비교적 실증이 진전된 상태입니다. 이제부터 센서 단체의 성능뿐만 아니라 “센서로부터 얻은 정보를 제어에 어떻게 활용할 것인가”가 차별화의 중심이 될 것입니다. 시뮬레이션 학습 / 월드 모델 로봇을 현실 환경에서만 학습시키려면 많은 시간과 비용이 듭니다. 넘어지거나 충돌이 발생하면 기체가 파손될 가능성도 있습니다. 따라서 가상 공간에서 다수次的 시도와 오류를 통해 학습 결과를 실제 기체로 이식하는 방법을 중시하고 있습니다. 하지만 시뮬레이션과 현실은 완전히 일치하지 않습니다. 조명, 마찰, 소재, 무게, 센서 노이즈 등 미세한 차이들이 누적되어 시뮬레이션에서 성공적인 동작이 실제 기계에서는 실패하는 경우가 있습니다. 이를 ‘심-투-리얼 간극’이라고 합니다. 멘티 로보틱스는 시뮬레이션과 실제 환경 간의 격차를 보완하는 “정정 정책” 기반 학습 기법을 출원하고 있습니다. 구글 또한 시뮬레이션 이미지 변환 및 시각 기반 작업 인식 기술을 결합한 기술을 출원하고 있습니다. 이 영역에서는 시뮬레이터, 디지털 트윈, 강화 학습, 실기 데이터와 연결된 학습 기반이 중요한 경쟁 자산이 됩니다. ④ 동작 제어 및 VLA VLA는 비전-언어-행동의 약자입니다. 로봇은 이미지를 보고 언어적 지시를 이해하고 이를 구체적인 동작으로 변환하는 것을 목표로 합니다. 예를 들어, 빨간 컵을 들어 테이블의 오른쪽 옆에 놓아 둡니다. 이러한 지시 사항에 따라 로봇은 대상 물체를 찾고, 그 물체를 잡을 방법을 판단하며, 안전한 경로를 생성하고 실제로 팔이나 손을 움직여야 합니다. 이 분야에서는 CALVIN과 같은 언어 조건에 따른 로봇 조작 벤치마크, 모방 학습, 소규모 시연으로부터 동작을 학습하는 연구가 축적되어 있습니다. 자연어 처리 기반 Python 함수를 활용한 로봇 제어 연구와 다중 모달 정보로부터 동작 궤적을 생성하는 연구도 확인되었습니다. 반면에, VLA는 특허보다 논문이 먼저 등장한 분야입니다. 연구실 수준의 데모에서는 높은 성능을 보이고 있더라도, 공장이나 상점과 같이 환경이 변화하는 곳에서 장시간 안정적으로 작동하기에는 여전히 많은 과제가 있습니다. 3. 기술 성숙도는 “3단계 구조”로 나타나고 있습니다. 물리적 AI 전체를 하나의 성숙 단계로 평가할 수 없습니다. 조사 결과에서는 다음 세 가지 계층 구조가 나타납니다. 실증 단계 시각·촉각 융합이나 힘 센서 기반 기술 등 감각 계열의 핵심 기술은 비교적 실증 단계에 접어들었습니다. 조립, 지배, 검사 등 특정 용도에 맞는 환경에서는 실용화 가능성이 높아지고 있습니다. 개발 경쟁이 격화되는 단계 실제 기기 투입을 목표로 한 개발 경쟁 단계입니다. 기업의 집중 출원 증가는 나타나고 있지만, 환경 변화에 대한 대응 및 장기적인 안정성 확보에는 여전히 과제가 남아 있습니다. 연구가 진행 중인 단계 언어 조건에 따른 제어 및 범용 VLA는 관련 논문 및 벤치마크가 선행하고 있습니다. 특허화는 시작되었지만, 엔드투엔드로 다양한 작업을 수행하는 범용 로봇은 아직 연구 단계에서 실용 단계로의 전환기에 있습니다. 지각계는 실증 단계, 전신 제어 및 심리얼(sim-to-real)은 개발 경쟁 단계, VLA는 연구 선행이라는 3단계 구조. 4．특허가 보여주는 것은 ‘묵묵한 공학’이다. 인간형 로봇 뉴스에서는 “인간의 언어를 이해하고 무엇이든 할 수 있는 로봇”이라는 미래상이 강조되는 경향이 있습니다. 하지만, 특허를 자세히 살펴보면 현재의 경쟁 중심은 보다 구체적이고 기술적인 주제에 집중되어 있습니다. 전신 역동학 제어 이족 보행 시의 균형 조절 액추에이터의 통일화 소형 고출력 구동 장치 시각·촉각 정보의 통합 시뮬레이션-실제 간극 보정 제어는 조립 및 취성에 특화되어 있습니다. 한편, “언어 모델이 직접 로봇을 자유롭게 조작한다”는 VLA의 통합 부분은 논문상의 개념 실증이 먼저 이루어졌으며, 특허를 통한 권리 확보는 아직 제한적입니다. 현재 시점에서는 감각 및 제어 요소 기술이 꾸준히 축적되고 있는 것은 사실이지만, 기업이 제시하는 범용 로봇의 미래상은 기술적 뒷받침보다는 선행하는 경향이 있다고 보는 것이 타당합니다. 이는 물리적 AI가 기대에 미치지 못한다는 의미가 아닙니다. 더욱이, 산업화에 필요한 기반 기술들이 하나씩 정립되는 단계라고 보아야 할 것입니다. 5. 기업은 어디에서 물리 AI에 착수해야 하는가 이제부터는 조사 결과에 기반한 사업적 시사점을 말씀드리겠습니다. 인간형 로봇 도입부터 시작하지 마세요. 가장 먼저 결정해야 할 것은 해결해야 할 업무입니다. 예를 들어, 다음과 같은 조건을 정리합니다. 인력 부족으로 심각한 작업이 진행되었습니다. 작업 절차가 일정인지 실패 시 발생하는 손실이 감당 가능한 수준인가? 작업 환경을 표준화할 수 있는가 필요한 정확도와 속도는 어느 정도인가요? 용도에 따라 인간형 로봇보다 고정형 로봇 팔이나 자율 이동 로봇이 비용 대비 효과가 더 좋을 수 있습니다. 실제 데이터를 축적할 수 있는 시스템을 구축하는 것 물리적 AI의 성능은 모델만으로는 결정되지 않습니다. 실패 시 영상, 힘 감지, 관절 각도, 환경 조건, 작업 결과 등을 수집하여 재학습으로 복귀하는 시스템이 중요합니다. 장기적으로는 특정 현장에서 지속적으로 얻어지는 실기 데이터가 큰 경쟁 우위가 될 것입니다. 기술의 경계에 지적재산권 기회가 존재한다. 하드웨어 단체, 센서 단체, AI 모델 단체로는 기존 플레이어들과의 경쟁이 더욱 치열해질 것입니다. 반면에, 다음과 같은 모듈 간 연결 부분에는 독자적인 지적 재산권 구축의 가능성이 있습니다. 촉각 정보를 억제 조절에 반영하는 방법 시뮬레이션 결과를 실제 기계로 보정하는 방법 언어 지시를 안전한 행동으로 전환하는 방법 작업 실패를 감지하여 중단하고 재계획하는 방법 1차 번역문: 작업 실패를 감지하여 중단하고 재계획하는 방법 이 작업은 시스템의 안정성을 유지하고 불필요한 오류 발생을 방지하는 데 매우 중요합니다. 작업 실패 감지 및 재계획 메커니즘은 다음과 같은 단계를 포함합니다. 1. **실패 조건 정의:** 작업이 실패로 간주될 수 있는 특정 조건을 명확하게 정의합니다. 예를 들어, 파일이 손상된 경우, 네트워크 연결이 끊어진 경우, 예상치 못한 오류 코드가 발생하는 경우 등이 될 수 있습니다. 2. **실패 감지 메커니즘 구현:** 정의된 실패 조건을 지속적으로 모니터링하고 감지하는 메커니즘을 구현합니다. 이 메커니즘은 시스템 로그, 네트워크 상태, 파일 시스템 상태 등 다양한 소스에서 데이터를 수집하고 분석할 수 있습니다. 3. **중단 절차 정의:** 실패 조건이 감지되면 작업을 즉시 중단하는 절차를 정의합니다. 이 절차는 작업에 사용된 모든 자원을 해제하고, 작업 상태를 기록하고, 필요한 경우 알림을 전송하는 것을 포함할 수 있습니다. 4. **재계획 절차 정의:** 작업을 중단한 후, 재계획 절차를 실행하여 작업을 다시 시작합니다. 이 절차는 실패 원인을 분석하고, 필요한 경우 설정을 수정하고, 작업을 다시 시작하는 것을 포함할 수 있습니다. 5. **재계획 결과 모니터링:** 재계획된 작업이 성공적으로 완료되었는지 모니터링합니다. 작업이 다시 실패하면 중단 절차를 다시 실행하고, 실패 원인을 분석하여 재계획 절차를 개선합니다. 6. **로깅 및 감사:** 모든 실패 및 재계획 활동을 기록하고 감사합니다. 이 정보는 문제 해결, 시스템 성능 개선, 규정 준수 확인에 사용될 수 있습니다. 이러한 단계를 통해 시스템은 작업 실패를 효과적으로 감지하고 중단하며 재계획하여 안정적이고 효율적인 운영을 보장할 수 있습니다. 특히, ‘夏帆’와 관련된 작업의 경우, 데이터 손실이나 오류 발생 가능성을 최소화하기 위한 추가적인 조치가 필요할 수 있습니다. 또한, ‘무라카미 하루키’의 작품을 활용하는 작업의 경우, 저작권 및 라이선스 관련 사항을 준수해야 합니다. 실시간 데이터를 지속적으로 학습으로 전환하는 방법 물리적 AI에서는 개별 부품보다 “통합 방식”이 경쟁력에 도움이 될 수 있습니다. 안전을 후시되지 않도록 하십시오. 물리적 AI는 디지털 공간에만 머무는 AI와 달리 사람이나 설비에 물리적인 영향을 미칩니다. 따라서, 비상 정지, 속도 제한, 충돌 회피, 동작 범위 제한, 인적 개입, 로그 저장 등을 초기 설계부터 적용해야 합니다. 성능이 높다는 것과 안전하게 운영할 수 있다는 것은 별개의 문제입니다. 6．특허 건수 및 기업 순위 등을 확인하는 시 유의사항 조사 자료에서는 시각, 촉각, LiDAR 융합 등을 포함한 광범위한 키워드 검색에서 2023년 이후 총 일치 건수가 약 514만 건으로 집계되었습니다. 다만, 이 숫자는 스마트폰, 자율 주행, 통신, 일반적인 센싱 기술 등을 포함합니다. 그러므로 약 514만 건이라는 수치를 그대로 “신체 AI 특허의 시장 규모”나 “기업별 경쟁력”으로 해석할 수 없습니다. 또한, 특허는 출원부터 공개까지 시간차가 존재합니다. 최근 기술 동향이 공개 정보에 반영되기 어려우므로, 특허 건수만으로 현재의 경쟁 상황을 판단하는 것은 위험합니다. 논문, 제품 발표, 채용 정보, 제휴, 실증 실험, 양산 계획 등을 종합적으로 검토해야 합니다. 이번 조사에서도 지각·센싱과 VLA는 로봇 본체나 시뮬레이션에 비해 검색이 상대적으로 얕고, 실제 기술 동향을 과소하게 파악하고 있을 가능성이 제기되고 있습니다. 7. 물리적 AI의 승자는 “가장 인간다운 로봇”을 만드는 기업이 유한하지는 않다. 물리적 AI 경쟁은 단일한 거대 모델을 만드는 경쟁이 아닙니다. 로봇의 신체, 센서, 시뮬레이션, 학습 데이터, 제어, 안전 장치를 현장 작동 하나의 시스템으로 통합하는 경쟁이다. 가장 사람과 가까운 외모를 가진 로봇이 반드시 승리하는 것은 아닙니다. 실제 현장 내구성이 좋은 안전하게 멈출 수 있습니다 작업을 반복할 수 있습니다. 환경 변화에 효과적으로 대응할 수 있는 데이터를 축적하여 개선할 수 있습니다. 투자 비용 회수 가능 그 조건에 부합하는 시스템이 최종적으로 선택됩니다. 현재는 감각, 제어, 하드웨어 요소 기술이 축적되어 VLA와 월드 모델과의 통합이 시작된 단계입니다. 물리적 AI의 본격적인 보급을 결정하는 것은 모델의 현명함만은 아닙니다. AI는 현실 세계에서 안전하고 경제적으로 작동하기 위한 종합적인 엔지니어링 역량입니다. 본 기사는 2026년 8월 12일 시점의 특허 및 논문 조사 자료를 바탕으로 일반 독자를 위해 재구성한 것입니다. 특허 건수, 법적 상태, 기업별 점유율 등은 개별적인 외부 검증을 거친 것이 아닙니다. # 물리적 AI #PhysicalAI #로보틱스 #인간형 로봇 #생성 AI #VLA #특허 #기술 동향 #사업 개발 출처: note 원문 번역: Gemma 3(.44) 초벌 + 교정 116청크 원문 보기 | 출처: note.com