Sim-to-Real Gap 문제를 실시간 제어 관점에서 접근해
모벤시스(의장 양부호)는 자사의 Physical AI 실시간 실행 스택 연구가 엔비디아 ‘GTC 2026’의 포스터 세션에 선정되었다고 밝혔다.
모벤시스의 이번 연구는 Physical AI 시스템의 핵심 과제인 Sim-to-Real Gap 문제를 실시간 제어 관점에서 접근한 것으로, 엔비디아가 "역대 가장 경쟁이 치열한 선정 과정"이었다고 밝힌 이번 포스터 세션의 최종 발표 과제로 선정되었다고 업체 측은 전했다.
최근 로보틱스 분야에서는 엔비디아 Jetson과 같은 엣지 AI 플랫폼과 로봇 파운데이션 모델을 중심으로 한 로보틱스 AI 기술이 빠르게 확산되고 있다. 그러나 현재 대부분의 Physical AI 시스템은 AI 추론을 수행하는 GPU 기반 컴퓨팅 모듈과 실제 로봇 모션 제어를 담당하는 로봇 컨트롤러가 서로 분리된 구조를 가지고 있다.
두 시스템은 Ethernet 등의 네트워크를 통해 연결되기 때문에 통신 지연과 작업 스케줄링 지연이 발생하며, 전체 제어 루프에서 상당한 Latency가 발생하는 구조적 한계가 존재한다. 이러한 구조에서는 AI의 의사결정과 실제 로봇 동작 사이에 시간적 불일치가 발생하고, 실시간 동기화가 어려워지며, 실제 환경에서 동작 안정성과 추종 정밀도가 저하될 수 있다. 이러한 문제는 로봇 파운데이션 모델 기반 Physical AI 시스템을 실제 환경에 안정적으로 적용하는 데 있어 중요한 기술적 과제로 지적되고 있다.
모벤시스는 이러한 구조적 문제를 해결하기 위해 소프트웨어 모션 컨트롤러 WMX를 기반으로 한 실시간 모션 제어 스택(Real-Time Motion Control Stack)을 개발했다고 밝혔다. 이 스택은 EtherCAT 기반 실시간 통신과 ROS2 인터페이스를 통해 엔비디아 Isaac 기반 애플리케이션 계층과 실제 로봇 제어 계층을 저지연으로 연결하는 실시간 실행 계층(Real-Time Execution Layer) 역할을 수행한다.
이를 통해 기존 Physical AI 시스템에서 분리되어 있던 AI 추론 계층과 로봇 제어 계층 사이의 실행 지연을 최소화하고, 지능과 제어를 밀접하게 결합하는 제어 구조를 구현하는 것을 목표로 한다. 이는 로봇 파운데이션 모델 기반 Physical AI 시스템에서 지능의 결정이 실제 물리 세계의 로봇 동작으로 안정적으로 실행되도록 하는 핵심 실행 인프라로 평가된다는 설명이다.
특히 Jetson Orin 환경에서 Isaac Manipulator를 활용한 비교 실험에서는 기존 외부 로봇 컨트롤러 기반 구조 대비 모벤시스의 실시간 제어 스택이 추종 오차(MAE)를 약 85% 감소시키는 결과를 확인했다. 이는 로봇 파운데이션 모델 기반 Physical AI 시스템에서 지능과 실행 사이의 간극을 줄이는 실시간 제어 계층의 중요성을 보여주는 사례라고 업체 측은 전했다.
모벤시스의 핵심 기술인 Soft Motion은 MIT 연구에서 출발한 소프트웨어 기반 모션 제어 기술로, 현재 반도체 제조 장비 등 산업 자동화 분야에서 글로벌 장비 기업들에 적용되고 있다. 이번 연구는 이러한 산업용 실시간 제어 기술을 로봇 파운데이션 모델 기반 소프트웨어 스택과 결합해 Physical AI 실행 인프라를 구축하는 접근을 제시한다는 것이다.
또한 실시간 실행 스택을 기반으로 실세계 센서 데이터를 활용한 파운데이션 모델의 실시간 적응형 파인튜닝 구조 등 향후 확장 방향도 발표에서 함께 소개할 예정이다.
모벤시스는 “Physical AI 시대에는 AI 모델 자체뿐 아니라 현실 세계에서 이를 안정적으로 실행할 수 있는 실시간 실행 인프라가 핵심 요소가 될 것”이라며, “산업용 제어 기술을 기반으로 차세대 로봇 시스템에서 활용 가능한 Physical AI 실행 플랫폼 개발을 지속해 나갈 것”이라고 밝혔다.
<저작권자(c)스마트앤컴퍼니. 무단전재-재배포금지>
