Physical AI International Forum 2025

HOME > >

기조강연 및 특별토론

박태완

과학기술정보통신부 정보통신산업정책관

Jay, Lee

Maryland Clark Distinguished Chair Professor 클라크 석좌교수

Dennis Hong

UCLA (University of California, Los Angeles) 교수

Philippe Gerard

Nokia Network Infrastructure Head of Emerging Segments in APAC

Philippe Gerard
Nokia Network Infrastructure Head of Emerging Segments in APAC

노키아 네트워크 인프라 아시아-태평양 신성장 분야를 총괄하고 있으며, 정부 및 대기업이 인공지능 기반의 첨단 자동화, 클라우드, 보안 기술을 도입하여 디지털 전환과 미래 혁신을 실현할 수 있도록 지원합니다

디지털화와 인공지능 연계가 빠르게 확산됨에 따라, 견고하고 자주적이며 확장 가능한 네트워크 구조에 대한 수요가 그 어느 때보다 높아지고 있습니다. 연결형 AI, 디지털 트윈, 그리고 물리적 AI가 부상하며, 인프라의 설계·구축·운영 방식이 혁신적으로 변화하고 있습니다.

그의 주요 책임에는 HPC/AI 데이터센터 네트워킹, 테라비트급 네트워킹, 패브릭 및 인터커넥트 등 첨단 네트워크 솔루션이 포함되며 네트워크의 미래 진화와 관련하여 벨 연구소와 협업하였습니다. 그는 글로벌 제조 산업 총괄, 아시아태평양 대기업 및 웹스케일러 부문 부사장, 싱가포르 고객 CTO 등 다양한 핵심 리더십을 역임한 바 있습니다.

-

Philippe leads Nokia’s Emerging Segments across Asia-Pacific for Nokia Network Infrastructure. He specializes in guiding governments and large enterprises through the adoption of Intelligent Automation, Cloud, and Security advancements to future-proof their AI-driven modernization efforts.

As digitalization and AI integration accelerate, the demand for robust, sovereign, and scalable network architectures has never been greater. The rise of connected AI, digital twins, and physical AI is reshaping how infrastructure is designed,deployed, and operated.

Philippe focuses on advanced network solutions, including HPC/AI data center networking and terabit-scale architecture. He engages with Nokia Bell Labs and customers to bring advanced use cases closer to deployment accelerating innovation across industry and scientific domains. He has held key leadership roles such as Global Head of Manufacturing Segment, APAC Vice President for Large Enterprise and Webscalers, and Customer CTO for Singapore.

발표요약

Realizing Physical AI: Network Evolution with Nokia Bell Labs Vision 2030

대한민국은 국가 인프라와 산업 자동화 전반에 걸쳐 현실 세계의 AI 시스템을 구현하기 위한 전략적 여정을 시작하고 있습니다. 이러한 변화는 초저지연, 자국 주권형 AI 컴퓨팅, 환경 센싱, 그리고 안전하고 미션 크리티컬한 운영을 지원하는 첨단 네트워크 인프라와 클라우드 플랫폼에 기반하고 있습니다.

글로벌 기업들의 AI 팩토리 확장 추세 중에서 대한민국은 물리적 환경과 깊숙히 통합된 지능형 시스템을 선제적으로 구축함으로써 선도적인 위치를 차지할 수 있습니다. 제조에서 출발하여 헬스케어, 교육, 모빌리티 등을 포함한 다른 산업 분야까지 자율적이고 예측 가능하며 확장 가능한 검증된 플랫폼을 통해 전산업 분야에서 큰 혜택을 얻게 될 것입니다.

노키아 및 노키아 벨 연구소는 신뢰할 수 있는 핵심 파트너로서 중요한 역할을 수행하고 있습니다. AI 모델 팩토리, 광섬유 센싱 네트워크, 엣지-투-코어 오케스트레이션(Edge-to-Core Orchestration)을 위한 플랫폼을 제공하여, 대한민국의 물리적 AI(Physical AI) 미래를 실현하는 데 있어 신뢰성, 보안성, 그리고 장기적 파트너십을 기반으로 한 지원을 제공합니다.

-

Korea is embarking on a strategic journey to enable real-world AI systems across national infrastructure and industrial automation. This transformation depends on advanced network infrastructure and cloud platforms that support ultra-low latency, sovereign AI compute, environmental sensing, and secure, mission-critical operations.

While global players scale AI factories, Korea can lead by building intelligent systems deeply integrated into its physical environment. Key sectors like manufacturing, healthcare, education, and mobility stand to benefit from autonomous, predictive, and scalable capabilities.

Nokia and Nokia Bell Labs play a pivotal role as a trusted partner, offering platforms for AI model factories, fiber-sensing networks, and edge-to-core orchestration bringing reliability, security, and long-term partnership to Korea’s Physical AI future

강연 및 토론

기획세션 1-1

Physical-Digital Intelligence

피지컬-디지털 인텔리전스

A VLM and physics-informed human-in-the-loop approach for robot learning and manipulation in manufacturing scenarios

Pai Zheng

The Hong Kong Polytechnic University Associate Professor

연사

피지컬 AI를 위한 디지털 트윈의 역할과 연구 방향

손지연

한국전자통신연구원 책임연구원

기획세션 1-2

Intelligent Robotics and Physical AI

지능형 로봇과 피지컬 AI

Digital Twins, AI, and Industrial Robotics

Xi Vincent Wang

IPU Department of Production Engineering, KTH Royal Institute of Technology, Sweden Assoc Professor

연사

피지컬AI를 통한 LG 스마트팩토리

김대환

LG전자(주) 생산기술원 제조DX솔루션담당 연구위원

연사

첨단제조로봇활용 피지컬AI 공정모델 개발 및 실증

남경태

한국생산기술연구원 지역산업혁신부문장 (제조로봇)

기획세션 1-3

Convergence of Robotics and Physical AI

로보틱스와 피지컬 AI의 융합

Measuring and Improving Generalization of Robot Policies

Dhruv Shah

Princeton University & Google DeepMind Assistant Professor & Research Scientist

연사

Towards Reasoning in Robot Foundation Models

최성준

고려대학교 교수

연사

Physical AI의 산업현장으로의 적용: 자석발을 활용한 현장 진입 가속화

김준하

(주)디든로보틱스 대표

기획세션 2-1

Mobility Innovation through Physical AI

모빌리티 혁신과 피지컬 AI

AI in the physical world - 현실 세계와 융합하는 AI의 미래

기획세션 2-2

Autonomous Manufacturing and Logistics Powered by Physical AI

피지컬 AI로 여는 자율제조 물류

Physical AI – Future of Global Manufacturing Innovation

Debashish Banerjee

딜로이트컨설팅 AI/빅데이터 시니어 파트너

AI와 디지털트윈으로 진화하는 스마트팩토리

주경희

(주)LG CNS

기획세션 2-3

Physical AI Food Tech

피지컬 AI 푸드테크

좌장

이기원

서울대학교 교수 (월드푸드테크협의회장)

연사

Achieving Robust Motion Planning for Robotic Manipulation Tasks

Kensuke Harada

Osaka University Professor

기획세션 3-1

Computer Vision for Physical AI

피지컬 AI를 위한 컴퓨터 비전

Towards Perceptive Visual Representations for Real-World Multimodal Learning

한동윤

네이버 AI Lab 리더

한동윤
네이버 AI Lab 리더

한동윤 박사는 NAVER AI Lab의 연구원이며 KAIST 인공지능대학원(GSAI)의 겸임교수이다. 그는 KAIST에서 2018년에 박사학위, 2011년에 학사학위를 받았다. 그의 연구는 기계 학습의 관점에서 대규모 언어모델 (large language model)과 멀티 모달 모델 (multi-model model)의 발전에 초점을 두고 있다. 그는ICLR 2026과 NeurIPS 2025 (2023년 부터)의 분야별Area Chair으로 활동하고 있다.

-
Dongyoon Han is a Research Scientist at NAVER AI Lab and an Adjunct Professor at KAIST GSAI. He received his Ph.D. in 2018 and his B.S. in 2011, both from KAIST. His research focuses on advancing large language models and multimodal models through the lens of machine learning. He has served as an Area Chair for ICLR 2026 and NeurIPS 2025 (since 2023).

발표요약

Towards Perceptive Visual Representations for Real-World Multimodal Learning

국문: 이 발표에서는 real-world multimodal learning을 위한 두 가지 perceptive visual representation 접근법을 간략히 소개한다. 첫 번째 연구에서는 robot learning, video label propagation, pose tracking 등의 task에 적용 가능한 새로운 self-supervised 기반의 sequential scene understanding 방법을 소개한다. 주어진 연속 장면을 bottleneck token으로 압축하고 최소한의 visual cues만으로 이후 프레임을 효과적으로 예측하도록 visual representation을 학습하면 견고하고 효율적인 장면 예측을 가능하게 함을 보인다. 두 번째 연구에서는 multimodal language models (MLLMs)의 reinforcement learning (RL) 및 supervised fine-tuning (SFT) 학습 전략을 분석하며, 이들이 visual representations에 어떤 영향을 미치는지를 심도 있게 탐구한다. RL은 SFT보다 더 강력하고 공간적으로 정밀한 visual representations을 배움을 보이면서 이것이 vision encoder의 성능을 크게 향상시킴을 또한 보여준다.

-

This talk will briefly introduce two perceptive visual representation approaches for real-world multimodal learning. The first presents a novel self-supervised method for sequential scene understanding, applicable to tasks such as robot learning and video label propagation or pose tracking. It demonstrates that training visual representations by compressing scenes into a bottleneck token enables robust and efficient scene prediction, effectively predicting subsequent frames from minimal visual cues. The second performs an in-depth study of training strategies for multimodal language models (MLLMs), including reinforcement learning (RL) and supervised fine-tuning (SFT), from the perspective of how they shape visual representations. It shows that RL produces stronger and more spatially precise visual representations than SFT, ultimately enhancing the capability of vision encoders.

연사

Feed-forward 3d reconstruction and novel-view synthesis

박은병

연세대학교 교수