케이엔에스가 특허 출원을 통해 피지컬 AI 분야 기술적 진입장벽 구축에 나선다. 케이엔에스는 총 5건의 피지컬 AI 관련 미래 핵심 기술 특허를 출원했다고 8일 밝혔다.

이번 특허 출원은 정보통신기획평가원에서 주관하고 케이엔에스가 수행 중인 최고급 AI 해외인재 유치 지원사업과 연계돼 있다는 점에서 의미가 크다. 케이엔에스는 이번 특허를 바탕으로 피지컬 AI 핵심 원천기술을 선점하고, 향후 무인 자동화 시장 내 경쟁우위를 강화할 방침이다.

이번에 케이엔에스가 출원한 특허는 △피지컬 AI 기반 로봇 궤적 예측 시스템 △피지컬 AI 기반 배터리 자율 생산 시스템 △피지컬 AI 기반 산업 설비 이상 진단 시스템 △피지컬 AI 기술 적용 로봇 기구학 모델링 시스템 △피지컬 AI 모델의 커리큘럼 학습 시스템 등 총 5건이다.

‘피지컬 AI 기반 로봇 궤적 예측 시스템’은 물리 법칙이 내재된 신경망을 통해 로봇의 미래 운동 궤적을 장기간 안정적으로 예측하는 기술이다. 장기 예측 과정에서 오차가 누적돼 비물리적 궤적이 생성되는 기존 데이터 기반 AI 모델의 한계를 보완하고, 물리적 일관성을 유지한 상태에서 안정적인 롤아웃을 구현하는 데 초점을 맞췄다.

‘피지컬 AI 기반 배터리 자율 생산 시스템’은 소프트웨어 정의 제조(SDM) 기술과 연계해 제품 사양별 기하학적 형상 데이터를 기반으로 로봇 티칭 없이 조립 순서와 작업 좌표계를 자동 생성하는 기술이다. 신규 제품 생산 시 반복되던 수동 티칭과 설비 재배치 시간을 줄여 생산 효율성을 높이는 것이 핵심이다.

‘피지컬 AI 기반 산업 설비 이상 진단 시스템’은 에너지 보존 법칙에 기반한 정상 동작 수치와 실제 전력 데이터 간 물리적 잔차를 비전 트랜스포머 기반 시계열 분석과 결합해 고장 징후를 식별하는 기술이다. 고장 데이터가 부족한 환경에서도 이상 징후를 조기에 포착하고, 설비가 물리적 한계치에 도달하기 전 자가 보호를 통해 가동 중단을 예방하는 것을 목표로 한다.

‘피지컬 AI 기술 적용 로봇 기구학 모델링 시스템’은 물리적 기하학 구조를 인공지능 신경망의 계층 구조와 결합해 정밀한 기구학 연산과 학습을 가능하게 하는 기술이다. 데이터 기반 AI 모델의 블랙박스 특성에서 비롯되는 물리적 왜곡을 줄이고, 실시간으로 정기구학 및 역기구학 해를 도출하는 데 중점을 뒀다.

‘피지컬 AI 모델의 커리큘럼 학습 시스템’은 물리 법칙을 내재한 모델이 장기 롤아웃 과정에서 오차 누적을 억제할 수 있도록 학습 난이도를 단계적으로 조절하는 기술이다. 예측 구간을 점진적으로 확장해 장기 예측의 불안정성을 줄이고 모델 성능을 높이는 것이 목표다.

이번 5건의 특허는 궁극적으로 피지컬 AI의 △예측 기반 제어 정밀도 향상 △데이터 연산 부하 절감 및 로봇 적용 범용성 확보 △장기 안정성 향상 및 모델 성능 극대화 등을 겨냥하고 있다. 케이엔에스는 이를 통해 피지컬 AI 상용화 과정에서 요구되는 핵심 성능 요건을 선제적으로 확보하겠다는 전략이다.

앞서 케이엔에스는 ‘산업 제조 설비의 자율 제어 프레임워크를 위한 물리법칙(Physics-Aware) 기반 피지컬 AI’ 개발을 과제가 2년차에 돌입했다고 밝힌 바 있다. 해당 과제는 AI의 고질적 한계로 지목되는 장기 예측 오차 누적 문제를 성공적으로 억제하는 데 초점을 맞추고 있다.

시간이 지남에 따라 산업용 장비 및 로봇 등 시스템 내부에는 미세한 변형이 발생할 수 있기 때문에, AI를 통해 이러한 변화를 선제적으로 계산·예측해 다음 움직임을 최적화함으로써 운영 안정성과 안전성을 높이는 기술 개발에 주력하고 있다는 게 회사 측 설명이다.

케이엔에스 관계자는 “피지컬 AI는 향후 제조, 물류, 로보틱스 등 산업 전반의 자동화 수준을 한 단계 끌어올릴 핵심 요소로 평가받고 있다”며 “산업 전반에 피지컬 AI 도입이 확대될수록 정밀 제어와 장기 안정성을 구현할 수 있는 원천기술 수요가 커지는 만큼, 이번 특허 출원은 케이엔에스의 중장기 수혜 기반을 더욱 공고히 하는 계기가 될 것”이라고 말했다.