어드밴텍, Spingence와 함께 로보틱스 리테일 자동화 분야의 Physical AI 확산 추진

생성형 AI가 성숙 단계에 접어들면서, 산업의 관심은 AI를 실제 환경에 적용해 사람과 협업하고 복합적인 작업을 수행하도록 하는 보다 고도화된 영역인 Physical AI로 이동하고 있습니다. 이러한 흐름에 대응하기 위해 어드밴텍은 Spingence Technology 및 NVIDIA 에코시스템 파트너와 협력해 NVIDIA Omniverse™ 기반 로보틱스 애플리케이션을 배포하고 있으며, 통합 하드웨어·소프트웨어 솔루션과 환경 시뮬레이션 기술을 활용해 지능형 전환을 가속화하고 있습니다.

리테일 환경에서는 AI가 주변 환경을 이해하는 데 그치지 않고, 끊임없이 변화하는 실제 공간에서 효과적으로 작동하며 상품 보충, 진열, 재고 관리와 같은 업무를 수행할 수 있어야 합니다. 이러한 과제에 대응하기 위해 Spingence Technology의 고객사인 Vicomm Technology는 스마트 리테일 서비스 로봇을 통해 Physical AI의 실질적인 적용 가능성을 입증했습니다. 이 로봇은 NVIDIA Omniverse™를 활용해 실제 리테일 환경을 가상으로 시뮬레이션한 뒤, 매장에서 상품 보충과 진열 등의 작업을 수행하기 전에 사전 학습을 진행합니다. 이러한 접근 방식은 리테일 업계의 오랜 인력 부족 문제를 해결하는 데 기여할 뿐만 아니라, AI가 ‘세상을 이해하는 단계’를 넘어 ‘세상에 직접 참여하는 단계’로 발전하고 있음을 보여주는 새로운 산업적 전환점이 되고 있습니다.

관제센터 대시보드에서 Physical AI로: 디지털 트윈 가치의 전환점

Vicomm Technology의 General Manager인 Ken은 “Physical AI를 실현하는 데 있어 디지털 트윈 기술은 핵심적인 역할을 하지만, 이 개념 자체는 이미 오래전부터 존재해 왔다”고 설명했습니다. 초기 디지털 트윈 애플리케이션은 관제센터 대시보드를 중심으로 발전했으며, 관리자가 장비나 시설의 상태를 실시간으로 모니터링할 수 있도록 했지만 작업 수행에 직접 참여하지는 못했습니다. 즉, 당시 디지털 트윈의 가치는 주로 시각화 수준에 머물러 있었습니다.

진정한 전환점은 AI와 물리 시뮬레이션 기술이 고도화되고, 특히 NVIDIA Omniverse 플랫폼이 출시되면서 마련됐습니다. 이에 따라 디지털 트윈 애플리케이션은 Real-to-Simulator에서 Simulator-to-Real 방식으로 발전하게 됐습니다. 이제 로봇은 실제 환경에 배포되기 전에 가상 환경에서 충분한 학습을 거쳐 작업 수행 방식과 다양한 상황 대응 방법을 익힐 수 있게 됐습니다. 이러한 방식은 엔지니어가 규칙을 일일이 코딩하고 시스템을 직접 보정해야 했던 기존 개발 방식을 대체하고 있습니다.

Ken은 기존의 규칙 기반 접근 방식이 비용과 시간이 많이 들 뿐만 아니라 확장성 확보도 어렵기 때문에 로봇이 비교적 단순한 작업에만 제한될 수 있다고 보고 있습니다. 반면 NVIDIA Omniverse를 기반으로 구축된 가상-현실 통합 환경에서는 로봇이 반복적으로 학습하며 작업 수행 역량을 지속적으로 향상시킬 수 있습니다. 이를 통해 로봇은 불확실성이 높고 복잡한 작업까지 대응할 수 있게 되며, 산업 및 리테일 현장에서 자동화의 새로운 가능성을 열어가고 있습니다.

리테일이 Physical AI의 최적 검증 무대인 이유

리테일 자동화 분야에서는 최근 몇 년간 인력 부족이 가장 큰 과제 중 하나로 부각되고 있으며, 특히 야간 근무와 같이 특정 지역이나 운영 시간대에서는 그 압박이 더욱 커지고 있습니다. 임금을 인상하더라도 인력 공백을 해소하기는 여전히 쉽지 않기 때문에, 이러한 문제를 극복할 수 있는 가장 효과적인 대안으로 자동화가 주목받고 있습니다. 

그러나 현재 리테일 자동화는 주로 셀프 체크아웃 시스템과 같이 거래 과정에서 필요한 인력을 줄이는 프런트엔드 영역에 집중되어 있습니다. 반면 상품 보충, 진열, 유통기한이 지난 제품의 회수와 같은 백엔드 운영 업무는 여전히 사람의 수작업에 크게 의존하고 있습니다. 바로 이러한 지점을 해결하기 위해 Vicomm Technology는 스마트 리테일 서비스 로봇을 개발했습니다.

Ken은 리테일 매장이 매우 다양하고 역동적인 환경이라고 설명했습니다. 상품은 수량, 크기, 재질, 포장 형태가 매우 다양할 뿐만 아니라, 프로모션이나 계절 변화에 따라 배치도 자주 바뀝니다. 기존의 규칙 기반 방식으로 로봇이 이러한 상품을 다루도록 학습시키려면, 엔지니어가 상품 유형별로 규칙과 동작 로직을 일일이 정의해야 합니다. 이로 인해 개발 기간은 길어지고 비용은 증가하며, 확장성 확보에도 한계가 생깁니다.

이러한 문제를 해결하기 위해 Vicomm Technology는 NVIDIA Omniverse를 핵심 개발 플랫폼으로 선택했습니다. USD(Universal Scene Description) 기반으로 구축된 NVIDIA Omniverse는 실제 환경과 매우 유사한 가상 환경을 구현할 수 있어, 로봇이 집기와 배치 작업에 대해 수백만 회에서 수십억 회에 이르는 반복 학습을 수행할 수 있도록 지원합니다. 또한 크기, 무게, 표면 마찰, 재질 특성과 같은 물리적 파라미터를 정밀하게 설정할 수 있습니다. 칩이나 빵과 같은 유연 포장 제품의 경우에도 NVIDIA Omniverse는 실제와 유사한 물리적 거동을 정교하게 시뮬레이션할 수 있어, 로봇이 가상 환경에서 파지 전략을 반복적으로 최적화할 수 있도록 합니다. 이를 통해 실제 리테일 현장에 배포됐을 때에도 안정적이고 신뢰할 수 있는 성능을 구현할 수 있습니다.

소프트웨어 시뮬레이션에서 하드웨어 선택까지: 실제 환경에서 안정적인 로봇 운영을 보장하는 핵심 요소

가상 시나리오에서 실제 매장 환경으로 전환하는 과정은 단순히 모델을 로봇에 다운로드하는 것만으로 완성되지 않습니다. Spingence Technology의 Innovation Team Leader인 Rong hui Lin은 진정한 과제는 가상 환경과 물리적 환경 간의 차이를 최소화해, 학습 결과가 실제 현장에서 신뢰할 수 있는 동작으로 안정적으로 이어지도록 만드는 데 있다고 설명했습니다. 

우선 가상 환경은 실제 매장 조건을 최대한 정밀하게 반영해야 합니다. 선반 높이, 상품 밀도, 조명 변화, 유동 인구와 같은 세부 요소들은 모두 로봇의 인식과 파지 판단에 영향을 미칩니다. 아무리 많은 AI 학습이 이뤄지더라도 가상 모델과 실제 매장 사이에 차이가 존재하면 오판이나 작업 오류로 이어질 수 있습니다. 이에 따라 팀은 가상 환경과 실제 매장 조건을 지속적으로 비교하며, 파라미터와 장면 구성을 조정해 두 환경 간의 정확한 대응 관계를 구축하고 있습니다.

또한 다양한 환경 테스트와 매장 운영 인력과의 긴밀한 협업도 필수적입니다. 팀은 통로가 일시적으로 막히는 상황이나 상품 위치가 변경되는 경우와 같은 실제 현장 시나리오를 사전에 식별하고, 이를 가상 환경에서 시뮬레이션해 로봇의 대응 방식과 의사결정 로직이 적절한지를 검증합니다. 이를 통해 실제 운영 과정에서도 안정적이고 신뢰할 수 있는 성능을 확보할 수 있습니다.

장면 구성과 환경 테스트뿐만 아니라 하드웨어 역시 로봇 안정성에 있어 매우 중요한 요소입니다. 리테일 운영 환경에서는 서비스의 연속성이 필수적이며, 시스템 다운타임이 잦거나 사람의 개입이 반복되면 운영 효율이 떨어질 뿐 아니라 자동화의 가치 자체도 약화될 수 있습니다. 따라서 전체 솔루션을 설계할 때에는 연산 성능은 물론 장기간 운영 안정성까지 함께 고려해야 하며, 향후 확장 가능한 배포까지 대비할 수 있어야 합니다.

어드밴텍, 폭넓은 제품 포트폴리오와 높은 신뢰성으로 Physical AI 핵심 연산 기반 강화

NVIDIA Elite Partner인 어드밴텍은 GPU 서버와 엣지 컴퓨팅 분야에서 폭넓은 제품 포트폴리오와 통합 역량을 바탕으로, Vicomm Technology의 지속적인 프로젝트 수행을 위한 안정적인 연산 기반을 제공하고 있습니다.   

예를 들어 어드밴텍의 컴팩트 타워형 GPU 서버인 SKY-602E3는 유연한 확장성과 높은 연산 성능을 제공해 중소형 리테일 매장 환경에 적합하게 배포할 수 있습니다. 또한 새롭게 출시된 NVIDIA MGX™ GPU 서버 SKY-622G4는 NVIDIA RTX PRO™ 6000 Blackwell Max-Q Workstation Edition GPU를 지원해 다양한 AI 및 고성능 컴퓨팅 수요를 충족할 수 있으며, NVIDIA Omniverse 기반의 Physical AI 시뮬레이션 애플리케이션 구현도 지원합니다.