[※ 편집자 주 = 한국국제교류재단(KF)의 지난해 발표에 따르면 세계 한류 팬은 약 2억2천500만명에 육박한다고 합니다. 또한 시간과 공간의 제약을 초월해 지구 반대편과 동시에 소통하는 '디지털 실크로드' 시대도 열리고 있습니다. 바야흐로 '한류 4.0'의 시대입니다. 연합뉴스 동포·다문화부 K컬처팀은 독자 여러분께 새로운 시선으로 한국 문화를 바라보는 데 도움이 되고자 전문가 칼럼 시리즈를 준비했습니다. 시리즈는 주간으로 게재하며 K컬처팀 영문 한류 뉴스 사이트 K바이브에서도 영문으로 보실 수 있습니다.]



정광복 자율주행기술개발혁신사업단장 [자율주행기술개발혁신사업단 제공]


대유에이텍 주식
1920년대 체코 작가 카렐 차페크의 희곡 'R.U.R.'(Rossum's Universal Robots)에서 처음으로 '로봇'이라는 단어가 사용됐다. 이는 원래 체코어로 '강제 노동'을 의미하는 '로보타'(robota)에서 유래했다.
당시 로봇은 기계적인 존재라기보다는 인간을 위해 일하는 인공 생명체에 가까웠지만, 이후 온라인 손오공 릴게임
기계적 존재를 지칭하는 표준 용어가 됐다.
1940년대 미국 수학자 노버트 위너는 제2차 세계대전 중 대공포의 사격을 정확히 제어하는 방법을 연구하다가 인간이 움직이는 방식과 기계가 움직이는 방식 사이에 공통적인 원리가 있는 것을 발견했다.
이 원리의 핵심은 피드백이었다. 예를 들어, 우리가 손으로 물건을 잡을 때, 와이지- 주식
목표물까지의 거리를 눈으로 계속 확인하면서 손의 움직임을 자동으로 수정한다. 사이버네틱스(Cybernetics)는 이러한 '정보를 바탕으로 스스로 조절하는 시스템'을 연구하는 학문이며, 현대 로봇과 자율주행차가 환경을 인식하고 행동을 수정하는 '지능의 설계도' 역할을 하는 데 원리가 되고 있다.
1961년, 조지 데볼과 조지프 엥겔버거가 릴게임환수율
개발한 최초의 산업용 로봇인 유니메이트(Unimate)가 자동차 회사 제너럴 모터스(GM) 공장에 도입됐다. 이는 정해진 순서대로 동작을 반복 수행하는 '규칙 기반'(Rule-based) 시스템의 시초였으며, 자동차 산업에서 위험하고 반복적인 작업을 자동화하며 로봇 시대를 열었다.
2010년대 들어 딥러닝(Deep Learning) 기술천만원투자
과 결합된 강화학습(Reinforcement Learning)이 발전하면서 로봇과 인공지능(AI)의 융합이 가속화됐다. 강화학습은 에이전트(Agent)가 환경과 상호작용하며 시행착오를 통해 보상(Reward)을 최대화하는 방향으로 최적의 행동 정책을 학습하는 인공지능 방법론이다.
딥 강화학습(Deep Reinforcement Learning, DRL)이 등장하면서 이 기술은 실제 물리적 세계에 적용할 수 있는 수준으로 발전했다.
로봇은 시뮬레이션과 실제 경험을 통해 스스로 최적의 행동을 학습하고 환경 변화에 적응하는 '트레이닝 기반'(Training-based) 시스템으로 진화했다. AI라는 말을 많이 들어봤을 것이다. 보통 AI는 스마트폰이나 컴퓨터 안에서 작동하면서 검색하거나, 그림을 그리거나, 어려운 수학 문제를 푸는 '똑똑한 뇌' 역할을 했다.
하지만 최근에는 AI가 컴퓨터 화면 밖으로 나와 우리 눈에 보이는 현실 세계에서 직접 움직이고 행동하는 기술로 주목받고 있다. 이것을 바로 '피지컬 AI'(Physical AI)라고 부른다. 말 그대로 물리적(Physical) 세계에서 작동하는 AI라는 뜻이다.
가장 대표적인 피지컬 AI가 바로 자율주행차다. 피지컬 AI는 마치 살아있는 생물처럼 현실 세계와 상호작용하기 위해 세 가지 중요한 능력을 갖추고 있다.
먼저, 인지(Sense) 능력을 들 수 있다. 주변 환경을 인식하는 능력이다. 자율주행차의 카메라, 로봇 청소기의 센서처럼, 눈(카메라), 귀(마이크), 피부(센서) 역할을 하는 장치들을 이용해 사물이 어디 있는지, 어떤 일이 일어나고 있는지 실시간으로 파악한다.
두 번째로 판단(Reason) 기능이다. 인식한 정보를 바탕으로 가장 합리적인 다음 행동을 결정하는 능력이다. '앞에 사람이 있으니 속도를 줄여야겠다' 혹은 '여기 장애물이 있으니 오른쪽으로 돌아가야겠다'처럼 순식간에 판단을 내린다.
마지막으로 행동(Act) 기능을 들 수 있다. 판단을 실행에 옮기는 능력이다. 자동차의 핸들을 돌리거나 브레이크를 밟는 것처럼, 로봇 팔을 움직이거나 바퀴를 굴려 실제 물리적인 행동을 하는 것이다.
자율주행차는 운전자 없이 스스로 움직이는 '바퀴 달린 로봇'과 같다. 수많은 센서로 앞차와의 거리, 신호등 색깔, 주변 보행자를 파악한다. 순간적으로 이 정보를 분석해 '지금은 직진하고 5초 뒤에 속도를 줄이자'고 결정하고, 운전 장치를 조작해 실제로 속도를 높이거나 줄이는 행동을 한다.
주변 환경을 인지(Perceive)하고, 주행 전략을 결정(Decide)하며, 차량을 제어(Act)하는 모든 과정에 강화학습이 핵심적으로 사용된다. 자율주행기술에서 강화학습은 예측 불가능한 교통 상황, 다른 운전자의 행동 성향 예측, 최적의 경로 계획, 긴급 상황 회피와 같은 복잡한 의사결정 문제에 적용된다.
현재 자율주행 기술은 특정 조건에서 운전자 개입이 필요한 레벨 3단계를 넘어 특정 구역 내 완전 자율주행 레벨 4단계 상용화를 목표로 치열하게 경쟁하고 있다. 이는 AI가 주행 환경을 실시간으로 인식하고, 다음 상황을 예측하며, 차량을 제어하는 피지컬 AI의 핵심 역량이 필요하다.
자율주행 AI의 성능은 데이터의 질과 양에 달렸다. 실제 물리적 환경에서 모든 주행 상황을 학습하는 것은 비용과 시간이 많이 들고 위험하다. 따라서 'Sim-to-Real'(가상에서 현실로) 접근 방식이 표준으로 자리 잡고 있다. 이는 디지털 트윈과 같은 물리적으로 정확한 가상 환경에서 AI 모델을 충분히 훈련 시킨 후, 그 결과를 실제 차량에 적용하여 개발의 효율성과 안전성을 극대화하는 방식이다.
이를 통해 수백만 마일의 가상 주행 데이터를 단기간에 확보하고, 현실에서 발생하기 힘든 '코너 케이스'(Corner Case)에 대한 대응 능력을 학습시킬 수 있다.



웨이모의 6세대 로보택시 현대차 아이오닉5 (라스베이거스=연합뉴스) 김태종 특파원 = 7일 미국 라스베이거스에서 열리는 세계 최대 가전·IT(정보기술) 전시회 'CES 2025'에 구글 자회사 웨이모의 6세대 로보택시 현대차 아이오닉5가 전시돼 있다. 2025.1.9 taejong75@yna.co.kr


실제 도로에서 수없이 많은 충돌과 시행착오를 겪는 것은 불가능하기 때문에, 웨이모나 테슬라와 같은 기업들은 고정밀 시뮬레이션 환경을 구축하고 수십억 마일의 가상 주행 데이터를 통해 강화학습 모델을 훈련하고 있다. 이 시뮬레이터는 현실 세계의 물리학, 센서 노이즈, 날씨 등을 정교하게 모사하여 안전하고 효율적인 학습을 가능하게 했다.
최근에는 사전 수집된 대규모 주행 데이터로 학습하는 오프라인 강화학습(Offline RL) 방식도 도입되어 안전성을 높이고 있다.
대중화된 생성형 AI를 자율주행에 곧바로 적용하기에는 몇 가지 한계도 있다. 신뢰성 문제와 지연 시간(Latency) 문제가 대표적이다. 생성형 AI에서 나타나는 '환각 현상'(Hallucination)과 같은 오류는 자율주행 환경에서 '정지 표지판 미인식' 등 치명적인 안전 문제로 직결되며, 수초 이상이 걸리는 응답 속도는 수십 밀리초 단위로 판단해야 하는 차량 제어 환경에는 부적합하다.
이러한 문제 해결을 위해 자율주행 분야는 라이더, 카메라, 레이더 등 고성능 센서 융합, 정밀 지도(HD Map), 그리고 엣지 컴퓨팅(Edge Computing)을 통한 온보드(On-Board) AI 프로세싱을 강화해 차량 자체의 실시간 판단 능력과 안전성을 높이는 데 주력하고 있다.



로보택시 웨이모의 지붕 라이더 (샌프란시스코=연합뉴스) 김태종 특파원 = 지난 8일(현지시간) 미국 샌프란시스코에서 직접 타본 로보택시 웨이모 차량의 지붕 위 라이더. 2024.10.11 taejong75@yna.co.kr


피지컬 AI 기술이 발전하면 우리 삶은 더욱 편리하고 안전해질 것이다. 교통사고를 줄이고 운전 걱정 없이 편안하게 이동할 수 있고, 힘들고 위험한 일은 로봇이 대신 처리해 줄 것이다. 또 우리 주변의 모든 기계와 로봇들이 더 똑똑하고 사람을 잘 돕게 될 것이다. 피지컬 AI는 컴퓨터 화면을 넘어 현실 세계를 혁신적으로 바꿀 미래 과학 기술의 핵심이다.
정광복 자율주행기술개발혁신사업단(KADIF) 단장
▲ 도시공학박사(연세대). ▲ 교통공학 전문가·스마트시티사업단 사무국장 역임. ▲ 연세대 강사·인천대 겸임교수 역임. ▲ 서울시 자율주행차시범운행지구 운영위원. ▲ 한국도로공사 고속도로자율주행 자문위원. ▲ ITS 아시아 태평양총회 조직위 위원.
<정리 : 이세영 기자>
seva@yna.co.kr
▶제보는 카톡 okjebo