Physical AI란 무엇인가

지난 몇 년의 AI는 대부분 디지털 세계에 살았습니다 — 텍스트를 쓰고, 이미지를 그리고, 코드를 짰죠. 그런데 다음 물결은 물리 세계로 나옵니다. 로봇이 물건을 집고, 차가 길을 달리고, 드론이 지형을 납니다. 이렇게 물리 세계를 인지하고 그 안에서 행동하는 지능이 Physical AI입니다.

디지털 AI vs Physical AI

도식 렌더링 중…

결정적 차이는 닫힌 고리(closed loop) 입니다. 디지털 AI는 입력→출력으로 끝나지만, Physical AI는 행동이 세상을 바꾸고, 바뀐 세상을 다시 인지하는 순환 안에 있습니다. 그리고 그 세상은 — 중력이 있고, 마찰이 있고, 시간이 흐르고, 실수가 물건을 부숩니다.

왜 어려운가 — Moravec의 역설

"AI가 박사 시험은 풀어도 컵은 못 집는다"는 말이 있습니다(Moravec의 역설). 인간에게 쉬운 감각운동(걷기·집기)이 AI에겐 가장 어렵습니다. 물리 세계는 무한히 다양하고, 연속적이고, 예측 불가능하기 때문입니다.

💡 그래서 시뮬레이션이 핵심 인프라다 — 실제 로봇으로 이 무한한 다양성을 다 겪게 하려면 너무 느리고, 비싸고, 위험합니다(넘어지면 부서지니까). 시뮬레이션에서 수천 번 안전하게 시행착오하고, 합성 데이터로 다양성을 채우고, Sim-to-Real로 현실에 옮기는 것 — 이게 Physical AI를 키우는 유일하게 현실적인 길입니다.

Physical AI의 스택

물리 지능은 여러 층이 쌓여 만들어집니다.

도식 렌더링 중…

센서가 세상을 읽고, 월드 모델이 다음을 예측하고, 정책이 행동을 정하고, 액추에이터가 움직입니다. 이 스택의 각 층을 안전하게 학습·검증하는 무대가 시뮬레이션입니다.

⚠️ 물리를 진짜로 풀어야 한다 — Physical AI의 검증은 물리를 진짜로 계산할 때만 의미가 있습니다. 위치를 텔레포트하는 가짜 물리로 학습한 정책은 현실에서 무너집니다. "물리 기반"이 Physical AI의 전제 조건입니다.

한 줄 정리

📌 Physical AI는 물리 세계를 인지하고 그 안에서 행동하는 닫힌 고리 지능이다(디지털 AI의 입력→출력과 달리). Moravec의 역설처럼 감각운동은 가장 어렵고, 그래서 시뮬레이션(안전한 시행착오 + 합성 데이터 + Sim-to-Real)이 Physical AI를 키우는 핵심 인프라다.