피지컬 AI 로봇 현장 운영 플랫폼 분석: LG CNS PhysicalWorks 바톤과 이기종 로봇 관제

핵심 메시지

• 로봇을 학습·검증하는 것과 그 로봇을 실제 제조·물류 현장의 운영 시스템 안에서 생산성으로 연결하는 것은 전혀 다른 문제다.
• PhysicalWorks는 로봇을 현장에 투입하기 전 준비시키는 '포지(Forge)'와, 투입된 로봇을 배치·관제·운영하는 '바톤(Baton)'이라는 두 축으로 나뉜다.
• 바톤은 제조사와 형태(AMR·AGV·사족보행·휴머노이드 등)가 제각각인 이기종 로봇의 상태·제어 정보를 표준화해 하나의 체계로 묶는 것을 지향한다.
• 수학적 최적화로 작업을 자동 배분하고 동선을 조율하는 방향은 기존 FMS(플릿 매니지먼트 시스템)의 문제의식을 피지컬 AI 로봇 운영으로 확장한 것이다.
• 가장 어려운 부분은 예외 상황 처리이며, 룰베이스의 한계를 넘어 에이전틱 AI가 실행 계획을 생성하고 상황 변화에 맞춰 재조정하도록 설계됐다고 소개된다.

쉽게 이해하기

제조·물류 현장은 이미 WMS(창고관리시스템)나 MES(제조실행시스템) 같은 상위 시스템, 그리고 컨베이어·설비·작업자·안전 구역·재고 흐름·출고 일정이 복잡하게 얽혀 돌아간다. 로봇이 사람의 언어를 이해하고 카메라로 상황을 인식해 스스로 판단하는 장면은 더 이상 먼 미래가 아니지만, 똑똑한 AI 모델 하나만으로 현장 도입이 끝나지 않는다는 것이 이 영상의 출발점이다.

영상은 LG CNS가 공개한 PhysicalWorks를 두 축으로 정리한다. 로봇에게 일을 가르치는 단계가 '포지'라면, 그렇게 준비된 로봇들을 현장의 근무표 안에 배치하고 관리하는 단계가 '바톤'이다. 지휘봉을 뜻하는 이름처럼, 바톤은 여러 로봇이 하나의 작업 흐름 안에서 역할을 나누고 동선과 임무가 충돌하지 않도록 조율하는 운영 계층을 맡는 것으로 설명된다.

바톤이 다루는 기술은 크게 다섯 축으로 정리된다. 첫째, 제조사·형태가 다른 이기종 로봇의 상태와 제어 정보를 표준화해 하나의 화면과 작업 흐름에서 다룬다. 둘째, 수학적 최적화로 로봇별 작업을 자동 배분하고 이동 동선을 최적화해 충돌과 정체를 줄인다. 이는 여러 AMR·AGV를 관리하던 기존 FMS의 작업 할당·경로 계획 문제를, 형태가 다양한 피지컬 AI 로봇으로 넓힌 것으로 볼 수 있다.

셋째, 실시간 상황인지 기반 최적화다. 운영 목표를 목적 함수로 두고 로봇·설비 조건을 제약으로 걸어 가장 덜 막히는 작업 배치와 이동 계획을 찾되, 컨베이어가 멈추거나 특정 로봇이 서면 계획을 빠르게 다시 세운다. 넷째, 에이전틱 AI 기반 실행이다. 작업 지시·우선순위·현장 조건을 분석해 실행 계획을 만들고, 상황이 바뀌면 작업 순서와 자원 배치를 동적으로 조정한다. 발표자는 현장 도입에서 가장 시간이 많이 드는 부분이 바로 예외 상황 처리이며, 조건문과 규칙이 계속 늘어나는 룰베이스의 한계를 운영 지능으로 흡수하려는 시도라고 짚는다.

다섯째는 대시보드·KPI 관리와 기존 시스템 연결이다. 로봇의 가동률만 높다고 현장이 좋아진 것은 아니며, 이동 거리·가동률·오류 횟수 같은 로봇 지표는 출고 지연·공정 대기·재고 흐름 같은 현장 지표와 연결될 때 비로소 의미를 갖는다. 공개 자료 기준으로 100대 규모의 로봇 운영 환경에서 생산성이 약 15% 이상 오르고 운영비가 최대 18%까지 줄 수 있다고 소개되지만, 기준 현장과 조건이 명시되지 않아 그대로 받아들이기보다 지향점으로 이해하는 편이 낫다. 또한 바톤은 MES로 정의하기 어려웠던 비정형 보조 작업을 로봇 운영 체계 안으로 끌어와 자동화 범위를 넓히는 역할도 한다.

주요 인사이트

• 로봇이 똑똑해지는 것과 그 로봇이 현장 운영 시스템 안에서 실제 생산성으로 이어지는 것은 별개의 문제이며, 후자를 담당하는 운영 계층이 앞으로의 경쟁력이 될 수 있다.
• 이기종 로봇을 하나로 묶으려면 각 로봇의 위치·상태·작업 가능 여부·배터리·오류를 공통 운영 데이터로 변환하는 표준화 계층이 반드시 필요하다.
• 가장 가까운 로봇에게 일을 주는 단순한 방식은 실제 현장에서 통하지 않는다. 우선순위·배터리·예상 이동 시간·경로 혼잡을 함께 고려한 작업 할당과 경로 계획이 처리량을 좌우한다.
• 현장 자동화에서 진짜 난제는 정상 동작이 아니라, 작업물이 제자리에 없거나 설비가 잠깐 멈추는 등 끊임없이 발생하는 예외를 안정적으로 흡수하는 일이다.
• 로봇 지표는 그 자체로는 제한적이며, 현장마다 다른 KPI를 정의하고 WMS·MES·ERP·설비 데이터와 연결해야 로봇이 실제로 기여하는지 판단할 수 있다.

자주 묻는 질문

관련 AI 소식