공장이 움직인다. 단순한 자동화를 넘어, 공장 전체가 하나의 거대한 로봇처럼 작동하는 ‘피지컬 AI(Physical AI)’ 시대가 도래했다. 이 가운데, 공장의 하드웨어 중심 운영은 소프트웨어 기반 플랫폼으로 전환되고 있으며, 이 과정에서 맥락을 이해하는 인공지능(AI), 디지털 트윈(Digital Twin), 시뮬레이션 등 기술이 핵심 역할을 한다. 현시점 제조업은 제품 생산을 이상의 가치를 추구하고 있으며, 시스템 자체를 수출하는 산업으로 진화하는 중이다. 이번 특집은 한국과학기술원(KAIST)의 ‘소프트웨어 정의 공장(SDF)’부터 네이버 ‘인공지능(AI) 에이전트’, 다임리서치 시뮬레이션 기술, 유니티 실시간 3차원(3D) 솔루션까지 제조업 혁신의 최전선 기술 방법론을 짚는다. [특집] 로봇이 된 공장, 소프트웨어가 된 산업 [Real-time 3D] 게임 넘어 산업 현장으로…실감나는 상호작용 경험이 ‘산업 DX’ 핵심 [AI Simulation] 제조·물류 현장 ‘물리적 AI’ 시대 도래…AI 시뮬레이션으로 미래를 현실로 [Physical AI] 공장이 하나의 거대한 로봇 된다…KAIST, 피지컬 AI로 제조 혁신 선언 [AI Agent] AI 에

물류 산업이 인공지능(AI), 자동화(Automation), 소프트웨어 중심 운영(SDx) 등으로 급속히 재편되고 있다. 이번 특집은 이러한 변화의 최전선을 다룬다. 첫 번째는 수직 적재 자동화 설비로 공간 효율과 작업 안전을 높인 사례를 소개한다. 두 번째는 AI 기반 배차 최적화 엔진 ‘루티’를 통해 공차율을 줄이고 운송비를 절감한 성과를 조명한다. 세 번째는 스피드플로우의 컨베이어 기술로 상하차 시간을 획기적으로 줄이고 배송 회전율을 높인 실증 사례를 담았다. 마지막은 창고 운영을 실시간으로 제어하는 창고실행시스템(WES) 시스템으로, 물류의 중심축이 하드웨어에서 소프트웨어로 이동하고 있음을 보여준다. 네 가지 사례는 물류의 병목을 기술로 해결하며, 물류가 기업 경쟁력을 좌우하는 핵심 인프라임을 입증한다. [특집] 기술이 바꾸는 물류의 법칙, 지금이 전환점 [수직 적재 자동화] 비정형 대상물도 스마트하게…낡은 창고에 ‘수직 적재’ 효율 DNA 심다 [물류 배차 최적화] AI로 물류 배차 비효율 잡는 법…‘AI 최적화 엔진’이 해답 [상하차 혁신 사례] “화물차 상하차, 이제는 5분이면 충분”…스피드플로우의 도전 [WES 도입 사례] ‘테슬라식 물류’의

자율제조(Autonomous Manufacturing)’를 실현하기 위한 핵심 기술 중 하나는 ‘제조 AI’다. 최근 제조 AI는 품질 예측, 설비 이상 감지, 공정 최적화 등 다양한 영역에서 고도화되고 있다. 그러나 도입에는 여전히 높은 장벽이 존재한다. AI 학습을 위한 데이터 수집과 정제의 어려움이 있으며, 현장 중심의 도메인 지식과 AI 모델 간 융합 노하우 부족도 허들이다. 이를 해결하기 위해선 운영기술(OT) 데이터와 정보기술(IT) 인프라를 통합하는 데이터 플랫폼 구축, 소규모부터 단계적으로 적용 가능한 AI 모델 개발, 현장 전문가와 AI 엔지니어 간 협업 체계 마련 등이 필요하다. [특집] 자율제조 핵심 기술 2편 – 제조 AI [제조 AI와 ROI] 제조업 AI 도입…ROI 난제 해결 방안으로 급부상 [K-자율제조] AI, 멈춰선 제조 현장을 깨우다…자율제조 시대 혁신 ‘ON’ [제조 AI와 보안 관제 AI] DX·AX 가속화로 다가오는 산업 지능화 시대…데이터 중심 가치 창출 기대↑ [AI 예지보전] “멈추기 전에 예측한다”…제조업 게임체인저 ‘AI 예지보전’ [제조 AI 사례] AI로 재편되는 제조업…생기원, 제조 AI 기술 상용화 앞장

공급 과잉·성장 정체의 늪에서 바코드 산업을 구할 해법은 “고객 중심 시스템 전환’과 ‘산업 간 콜라보’” 창립 30주년을 맞은 티비에스(TBS)는 한국 자동인식 산업의 성장과 함께한 기업이다. 바코드 시장이 태동하던 시절, 윤영수 대표는 대한통운과 함께 국내 최초 홈쇼핑 익일배송 시스템을 실현하며 물류 혁신의 기틀을 마련했고, 오직 바코드 한 분야에 집중해 ‘원스톱 바코드 솔루션’ 기업으로 자리매김했다. 스캐너 시장 확장 기회를 의리로 포기했던 아쉬움도 있었지만, 그는 협업과 융합을 통해 새로운 도약을 준비 중이다. “앞으로는 시스템 중심의 서비스로 고객 니즈를 해석하고, 산업 간 콜라보를 통해 새로운 패러다임을 열어야 한다”는 윤영수 대표의 말처럼, TBS는 역시 차세대 자동인식 생태계의 주역이 되기 위한 다음 30년을 시작하고 있다. Q. 티비에스(TBS) 30주년을 축하합니다. 창립 초기부터 지금까지 수많은 도전과 성취가 있었을 텐데, 대표님 개인적으로 가장 뿌듯하거나 전환점이 된 순간은 언제였습니까? A. TBS의 30년을 되돌아보면 수많은 도전이 있었지만, 가장 뿌듯했던 순간은 2007년 대한통운과 함께 홈쇼핑 익일배송 시스템을 성공적으로 구축했을

로봇은 인간을 대체하는 기계가 아니라, 인간의 한계를 보완하는 ‘동반자’여야 한다. 데니스 홍 미국 UCLA 기계항공공학과 교수는 ‘Unable·Unwilling·Unsafe’라는 세 가지 철학으로 로봇의 존재 이유를 재정의했다. 그는 인간이 할 수 없거나, 하기 싫거나, 해서는 안 되는 일을 수행함으로써 로봇이 진정한 가치를 갖는다고 강조했다. 그의 연구팀 로멜라(ROMeLA)는 화재 진압 로봇 ‘사피르(SAFFiR)’, 자율보행 로봇 ‘아르테미스(ARTEMIS)’, 시각장애인 운전 로봇 ‘데이비드(DAVID)’ 등 56종 이상의 프로젝트를 통해 이를 실증하고 있다. 홍 교수는 기술의 진보가 ‘폐쇄성’이 아니라 ‘개방성’에서 나온다고 말하며, 로봇 르네상스는 창의적 상상력과 국제 협력이 융합될 때 실현된다고 제언했다. 멈춰선 로봇 혁명...글로벌 인재 대란과 기술적 과제를 극복하라 현재 글로벌 로봇 공학은 휴머노이드 로봇 시대를 열며 폭발적인 기술 발전을 이루고 있다. 이 와중에 성장의 지속가능성을 위협하는 근본적인 문제가 심화되고 있다. 전문가들은 기술적 일반화 능력의 결핍을 첫 번째 문제로 보고 있다. 로봇의 하드웨어가 아무리 정교하더라도, 예측 불가능

한국의 AI 로봇 산업이 기술적 도약을 이루기 위해선 ‘선택과 집중’이 절실하다는 목소리가 커지고 있다. 로봇 개발은 수년의 시간이 걸리는 고난도 기술이며, 사소한 변수에도 전체 시스템을 다시 프로그래밍해야 하는 복잡한 구조를 가진다. 몬트리올 대학교 글렌 버세스 교수는 “현재 로봇은 통제된 환경에서만 작동하며, 사소한 변화조차 처리하지 못한다”고 지적했다. 그는 강화학습과 딥러닝을 결합한 새로운 패러다임을 제시하며, 로봇이 이미지·소리·촉각·라이다 등 복합 센서 데이터를 스스로 학습하도록 하는 방향을 제안했다. 하지만 이러한 고도화의 전제는 ‘데이터 다양성’ 확보다. 버세스 교수는 “국가 단위의 대규모 로봇 데이터 팩토리 구축 없이는 지능형 로봇의 경쟁력이 불가능하다”고 강조했다. 실제로 중국은 약 60개의 로봇 플랫폼으로 데이터 생태계를 구축했지만, 한국은 아직 통합된 플랫폼을 마련하지 못한 상황이다. 전문가들은 연구비 분산을 지양하고, 사전훈련 모델을 통한 효율적 학습과 데이터 공유를 기반으로 한 글로벌 협력 로드맵이 필요하다고 입을 모은다. 소규모 파편화된 투자는 성장 걸림돌 로봇은 개발에만 수년이 걸리고, 사소한 변수 앞에서도 전체 시스템을 통째로