피지컬 AI 세이프티 부각…에임인텔리전스, Video2Robot 공개

로봇이 넘어지고 부딪히는 과정을 직접 겪지 않고도 학습하는 피지컬 AI 세이프티 기술이 등장하면서 로봇 산업의 안전 패러다임 전환이 거론되고 있다. 인공지능 안전 스타트업 에임인텔리전스가 LG전자, 미국 로봇 운영체제 기업 오픈마인드와 함께 영상 속 인간 동작을 로봇 학습 데이터로 변환하는 Video2Robot 파이프라인을 공개했다. 고가 장비 파손과 인명 사고 우려 때문에 실제 실험이 어려웠던 낙상, 충돌, 균형 붕괴 같은 고위험 시나리오를 가상 환경에서 사전에 학습시키는 구조로, 로봇 상용화 과정의 안전 검증 방식을 재편할 계기가 될 수 있다는 평가가 나온다. 업계에서는 이 기술이 로봇 안전성을 사후 보완이 아니라 설계 단계에서부터 끌어올리는 분기점이 될 수 있을지 주목하고 있다.  

에임인텔리전스는 26일 영상 속 인간의 다양한 동작을 로봇이 활용 가능한 모션 데이터로 변환하는 엔진 Video2Robot을 공개했다고 밝혔다. 이 기술은 에임인텔리전스가 LG전자, 오픈마인드와 추진 중인 피지컬 AI 세이프티 협력의 첫 결과물로, 로봇이 실제 환경에서 마주칠 수 있는 위험 상황을 시뮬레이션 단계에서 미리 검증해 구조적으로 안전성을 높이도록 설계됐다.  

Video2Robot은 사람과의 근접 상호작용, 급경사 구간에서의 미끄러짐, 고하중 물체를 들거나 옮길 때 발생할 수 있는 균형 붕괴 등 현실에서 재연하기 위험한 상황을 중심으로 동작 데이터를 구축한다. 에임인텔리전스는 비오, 소라 등 생성형 AI를 활용해 인간 동작이 담긴 영상을 분석한 뒤, 이를 로봇이 이해하고 실행 가능한 모션 데이터로 변환하는 파이프라인을 구현했다. 로봇이 실제로 넘어지고 충돌하는 과정을 반복 실험하지 않고도 결과 데이터를 확보해, 고위험 시나리오 학습을 지속적으로 확장할 수 있다는 설명이다.  

기존 로봇 개발 과정에서는 학습 데이터 확보 단계가 안전성 측면의 병목으로 지적돼 왔다. 장비 가격이 높고 사람과 로봇 모두에게 위험 부담이 큰 상황은 실험이 제한적일 수밖에 없었고, 테스트베드 역시 제한된 시나리오 위주로 운영되는 경우가 많았다. Video2Robot을 활용하면 사람이 수행한 실제 행동이나 가상으로 생성한 동작을 기반으로, 로봇이 넘어질 수 있는 상황과 회복 동작, 충돌 시 반응 패턴 등을 대량으로 만들어낼 수 있어 기존 한계를 상당 부분 보완할 수 있어 보인다.  

기술 공개 직후 시장 반응도 가시화됐다. 23일 기준 X와 링크드인에서 공개 영상과 설명 자료의 합산 조회수는 20만 회를 넘겼고, 개발자 커뮤니티인 깃허브에서도 관련 코드와 아키텍처에 대한 문의가 이어지고 있다. 단순 시연을 넘어 로봇에게 실패 경험을 가상의 형태로 주입해 피지컬 AI 안전성을 체계적으로 높인다는 개념이 글로벌 테크 커뮤니티에서 공감대를 얻고 있는 분위기다.  

Video2Robot의 기반에는 에임인텔리전스가 그동안 축적해 온 멀티모달 AI 안전 연구가 자리한다. 이 회사는 텍스트, 오디오, 비디오 등 다양한 데이터 형식을 결합해 위험 요소를 탐지하고 제어하는 알고리즘을 연구해 왔다. 이번 프로젝트는 그 연구 축을 물리 세계의 로봇 동작으로 확장한 사례로, 가상 공간에서 콘텐츠 안전을 다루던 멀티모달 기술이 실세계 안전으로 이어지는 교차점이라는 의미를 지닌다. 에임인텔리전스는 로봇이 현실 환경에서 예측 불가능한 상황에 놓이더라도 위험을 최소화하도록, 학습 구조 단계부터 안전성을 설계하는 것을 장기 목표로 제시했다.  

글로벌 로봇 시장에서는 이미 자율 이동 로봇, 서비스 로봇, 휴머노이드 등 다양한 형태의 피지컬 AI 경쟁이 진행 중이다. 미국과 유럽의 로봇 기업들은 실제 공장과 물류창고, 가정 환경에서 수집한 센서 데이터와 시뮬레이션 데이터를 결합해 성능을 고도화하고 있지만, 안전 규정과 장비 보호 문제로 고위험 상황 데이터는 여전히 부족하다는 평가가 많다. Video2Robot처럼 인간 동작 영상을 매개로 위험 시나리오를 확장하는 접근이 상용화되면, 로봇이 대량의 가상 실패 데이터를 학습해 실제 환경에서의 사고 확률을 줄이는 방향으로 경쟁 구도가 이동할 여지도 있다.  

향후 규제·인증 측면에서도 피지컬 AI 세이프티는 핵심 쟁점으로 부상할 수 있다. 로봇이 사람과 같은 공간을 공유하고 육체 노동을 대체하는 수준으로 활용 영역이 넓어지면서, 각국은 안전 요건과 책임 주체를 둘러싼 가이드라인을 강화하는 흐름을 보이고 있다. 위험 시나리오를 사전에 충분히 시뮬레이션하고 학습했다는 근거가 인증과 책임 분담의 핵심 자료로 쓰일 수 있어, Video2Robot과 같은 사전 학습 기반 안전 기술의 역할이 커질 여지도 제기된다.  

권태윤 에임인텔리전스 연구원은 Video2Robot을 피지컬 AI 세이프티를 향한 첫걸음이라고 규정하며, 앞으로도 로봇이 실제 환경에서 마주칠 다양한 돌발 상황을 선제적으로 학습할 수 있는 피지컬 AI 세이프티 프레임워크를 구축해 나가겠다고 밝혔다. 산업계는 이런 접근이 로봇 상용화의 필수 요건이 될지, 그리고 로봇 안전성을 사후 보완에서 사전 설계 중심으로 전환시킬 동력이 될 수 있을지 지켜보고 있다.