Physical AI International Forum 2025

HOME > >

기조강연 및 특별토론

Maryland Clark Distinguished Chair Professor

Jay Lee
Maryland Clark Distinguished Chair Professor

▪ MARYLAND(메릴랜드 대학) 클라크 석좌교수*, 기계공학과 교수, 산업인공지능센터 소장
- 메릴랜드 로보틱스 센터(Maryland Robotics Center)
- 리스크 및 신뢰성 센터(Center for Risk and Reliability)
▪ Physical AI 대가
▪ 연구분야 : 산업용 인공지능(Industrial AI), 산업 빅테이터(Industrial Big Data), 스마트 제조 /Industry 4.0 연계
AI 솔루션, 디지털 트윈 전이학습
▪ 경력 : 스마트 제조 및 대형 공장 전환 프로젝트 주도
: 16년 스마트 제조 분야 선지자 30인
: 20년 스마트 제조 분야에서 가장 영향력 있는 교수 20인
: 22년 SME Eli Whitney 생산성상 및 SME/NAMRC S.M. Wu 연구 구현상 수상
: 23년 우수 논문상(Outstanding Paper Award) 수상

* Clark Distinguished Chair Professor(클라크 석좌교수): 메릴랜드대학교 클라크 공과대학(Clark School of
Engineering)에서 운영하는 최고 수준의 명예 교수직 프로그램으로, 공학분야에서 탁월한 업적과 높은 학문적 영향력,
국제적 가시성과 인지도를 지닌 정교수에게 수여됨.

-

Dr. Jay Lee is Clark Distinguished Professor and Founding Director of Industrial AI Center in the Mechanical Engineering of the Univ. of Maryland College Park. His current research is focused on developing non-traditional machine learning technologies including transfer learning, domain adaptation, similarity-based machine learning, stream-of-x machine learning, as well as industrial large knowledge model (ILKM), etc.
Previously, he was the founding director of National Science Foundation (NSF) Industry/University Cooperative Research Center (I/UCRC) on Intelligent Maintenance Systems (www.imscenter.net) in partnership with over 130 global company members and the Center was selected as the most economically impactful I/UCRC in the NSF Economic Impact Study Report in 2012. He mentored his students won 1st prize on Data Challenge Competition (PHM Society) 6 times during 2008-2023 as well as developed a number of start-up companies including Predictronics through NSF iCorps in 2013.
He is a member of Global Future Council on Advanced Manufacturing and Production of the World Economics Council (WEF), a member of Board of Governors of the Manufacturing Executive Leadership Council of National Association of Manufacturers (NAM), Board of Trustees of MTConnect, as well as a senior advisor to McKinsey.
He served as Vice Chairman and Board Member for Foxconn Technology Group (during 2019-2021 and had advised Foxconn business units to successfully receive six WEF Lighthouse Factory Awards. He also served as Director for Product Development and Manufacturing at United Technologies Research Center (now Raytheon Technologies Research Center) as well as Program Director for a number of programs at NSF.
He is fellow of ASME, SME, PHM Society, ad ISEAM and currently serves as Editor-in-Chief for IOP Journal on Machine Learning: Engineering. He was selected as 30 Visionaries in Smart Manufacturing in by SME in Jan. 2016 and 20 most influential professors in Smart Manufacturing in June 2020, and received SME Eli Whitney Productivity Award and SME/NAMRC S.M. Wu Research Implementation Award in 2022. His book on Industrial AI was published by Springer in 2020.

발표요약

Trends of AI Industry, Physical AI, and Recent Advances of Industrial AI

Dennis Hong

UCLA

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

이재민

현대자동차 E-Forest 센터장

이재민
현대자동차 E-Forest 센터장

1990년 고려대학교 기계공학과 공학사 학위를 취득한 후 현대자동차에 입사하여, 생기계획팀장, 아산생기실장, 중남미 권역공장 실장을 역임하고 현재 제조솔루션본부의 E-FOREST센터장을 담당하고 있다.
1990. 2 공학사, 고려대학교 기계공학과
1992. 1 현대자동차 입사
2016. 1 ~ 2017.12 현대자동차 생기계획 팀장
2018. 1 ~ 2019.10 현대자동차 아산생기실장
2019.11 ~ 2023.12 중남미권역공장 실장 / 상무
2024. 1 ~ 현재 현대차/기아 E-FOREST센터장 / 상무

-

After obtaning a Bachelor of Engineering degree in Mechanical Engineering from Korea University in 1990, he joined Hyundai Motor Company. He has held positions as Head of the Production Planning Team, Director of the Asan Production Technology Office, and Director of the Central and South America Regional Plant. He is currently serving as the Head of the E-FOREST Center within the Manufacturing Solutions Division.

발표요약

Journey to DF247: Our Path to Achieving Manufacturing Innovation

Journey to DF247, 제조혁신 달성을 위한 우리의 여정

현대자동차는 기술 중심의 ‘기정학적 시대’에 대응해 자율운영 공장 DF247을 제조혁신의 핵심 전략으로 추진하고 있습니다. DF247은 자동화(Automation)와 자율화(Autonomous)를 균형 있게 구현하여 24시간 무중단 운영 가능한 스마트 공장을 지향합니다. 이를 위해 자동화 수준을 높이고, 소프트웨어 중심의 제조환경(SDF)을 구축하며, 제품과 제조의 시너지를 강화하는 전략을 추진 중입니다. 특히 싱가포르 HMGICS를 테스트베드로 활용해 기술을 실증하고, 미국 HMGMA 등 글로벌 생산기지에 확대 적용할 계획입니다. DF247은 단순한 자동화가 아닌 사람의 역할을 재정의하고, 시장과 공장을 유기적으로 연결해 고객 중심의 유연한 생산을 실현하는 미래형 제조 모델입니다. 현대자동차는 이를 통해 지속가능한 경쟁력을 확보하고, 기술을 기반으로 더 나은 제품과 공장을 만들어가는 여정을 이어가고 있습니다.

-

Hyundai Motor Company is spearheading manufacturing innovation through DF247, a strategic initiative designed to address the challenges of the technology-driven geopolitical era. DF247 envisions a smart factory capable of 24/7 autonomous operation by balancing automation and autonomy. The company is enhancing automation levels, building a software-defined manufacturing (SDF) environment, and fostering synergy between product development and production. Singapore’s HMGICS serves as a testbed for validating these technologies, with plans to expand to global sites such as HMGMA in the U.S. DF247 redefines human roles in manufacturing, connecting markets and factories to enable flexible, customer-centric production. This future-oriented model aims to secure sustainable competitiveness and advance Hyundai’s journey toward better products and smarter factories through technology.

이지형

(사)한국인공지능학회장

토론 좌장

강연 및 토론

기획세션 1-1

Physical-Digital Intelligence

피지컬-디지털 인텔리전스

Towards Embodied Robotic Manufacturing Systems: A Human-in-the-Loop Vision-Language Model and Contact-Rich Learning Approach

Pai Zheng

The Hong Kong Polytechnic University Associate Professor

Pai Zheng
The Hong Kong Polytechnic University Associate Professor

Pai Zheng (SM’IEEE, M’SME/ASME, AM’CIRP) is currently an Associate Professor, Wong Tit-Shing Endowed Young Scholar in Smart Robotics, and Associate Director of PolyU-Wuxi Innovation and Technology Research Institute, in the Department of Industrial and Systems Engineering, at The Hong Kong Polytechnic University (PolyU). Before joining PolyU, he has been a Research Fellow at Nanyang Technological University, Singapore (2018-2019). He received the Dual Bachelor’s Degrees in Mechanical Engineering (Major) and Computer Science and Engineering (Minor) from Huazhong University of Science and Technology, Wuhan, China, in 2010, the Master’s Degree in Mechanical Engineering from Beihang University, Beijing, China in 2013, and the Ph.D. degree in Mechanical Engineering at The University of Auckland, Auckland, New Zealand in 2017. His research interests include human-robot collaboration, smart product-service systems, and industrial AI. Dr Zheng is a recipient of the Clarivate High Cited Researchers (2025 - ), HKIE Young Engineer of the Year Award (2025), SME Outstanding Young Manufacturing Engineers Award (2024), NSFC Excellent Young Scientist Fund (2024), PolyU Young Innovative Researcher Award (2023), and Global Top 50 AI+X Chinese Scholars by Baidu (2022). He serves as the Chair of IEEE Hong Kong Section SMC Chapter, Co-chair of IEEE TC on DMHCA, Scientific Committee Member of SME | NAMRI, Associate Editor of Journal of Manufacturing Systems, IEEE Transactions on Automation Science and Engineering, Journal of Intelligent Manufacturing, Journal of Cleaner Production, and International Journal of Interactive Design & Manufacturing.

발표요약

Towards Embodied Robotic Manufacturing Systems: A Human-in-the-Loop Vision-Language Model and Contact-Rich Learning Approach

Anchored in the ethos of Industry 5.0, Human-Robot Collaboration (HRC) enables overall system performance and human well-beings by embracing the cutting-edge Artificial Intelligence (AI) and digital technologies. In such context, Vision-Language Models (VLMs), as a typical type of foundation models, have garnered significant attention and are extensively applied in HRC tasks by achieving remarkable outcomes. This talk proposes a physics-informed and VLM-enhanced human-in-the-loop approach for cost-effective robotic learn-to-assembly in smart manufacturing, of which three main aspects yet to be explored coherently: 1) Multimodal Intelligence-based Human Demonstration (Perception/Cognition); 2) Cross-Domain Tool-use Skill Transfer (Behavior Learning), and 3) Foundation-model based NoCode Manufacturing System Execution (Physics-informed Execution). It is assumed that the success of this research endeavor could potentially pave the way for more natural HRC and effective robot learning and manipulation in production, as the next-generation Embodied Robotic Manufacturing Systems, characterized by enhanced flexible automation capabilities.

연사

피지컬 AI를 위한 디지털 트윈의 역할과 연구 방향

손지연

한국전자통신연구원 실장

손지연
한국전자통신연구원 실장

손지연 실장은 한국과학기술원 전산학 박사학위를 받았으며, 현재는 한국전자통신연구원 지능·제조융합연구실에 재직 중이다. 미래 제조 혁신을 위한 디지털 트윈, AI로봇 등 첨단 ICT 분야의 다수 연구개발 과제 기획·수행을 담당하고 있다.

-

Jiyeon Son holds a Ph.D. in Computer Science from the Korea Advanced Institute of Science and Technology (KAIST) and is currently employed at the ICT-enabled Intelligent Manufacturing Research Section of the Electronics and Telecommunications Research Institute (ETRI). She is responsible for planning and executing numerous research and development projects in advanced ICT fields such as digital twins and AI robots for future manufacturing innovation.

발표요약

피지컬 AI를 위한 디지털 트윈의 역할과 연구 방향

피지컬 AI는 로봇, 자율주행, 제조 등 물리적 시스템이 환경을 인지하고 자율적으로 행동하도록 하는 next AI기술이며, 디지털 트윈은 이러한 AI 시스템의 학습, 검증, 최적화를 위한 핵심 '가상 실험실' 역할을 합니다.
하지만, 현재 디지털 트윈 분야는 세 가지 주요 도전에 직면해 있습니다. 첫째, 데이터-모델 변환에 필요한 시간과 비용, 그리고 레거시 데이터 의존성입니다. 둘째, Virtual-Reality Gap으로, 기존 물리 엔진의 한계와 실 환경 반영 제약으로 인해 예측 오류가 발생합니다. 셋째, 확장성 문제로, 사일로식 개발로 인해 재사용성이 낮고 비용이 증가합니다.
최근 연구는 이러한 한계를 극복하는 데 집중하고 있으며, 본 발표에서는 ETRI 수행 과제를 중심으로 연구개발 현황을 소개합니다. 여기에는 디지털 트윈의 표준 모델링 도구화, 생성형AI를 이용한 자동화 기술, 복잡한 조립 작업/공정에 대한 물리적, 공간적 한계 극복을 위해 실 환경 수준의 물리적 파라미터 반영된 로봇 가상환경 플랫폼과 Sim2Real 기술, 국제표준 기반으로 대규모 트윈을 효과적으로 통합하는 워크플로우 도구 및 실행 엔진을 제공하는 제조 디지털 트윈 프레임워크 등에 대한 내용을 포함합니다.
궁극적으로, 실-가상의 물리적 정합도를 높이고, 지능적 예측의 통합을 통해서 현실에서 안전하게 자율적으로 행동하는 물리 시스템을 실현하는 것이 목표입니다.

-

Physical AI is the next-generation technology enabling physical systems (Robotics, Autonomous Vehicles, Manufacturing, etc.) to perceive the environment and act autonomously. Digital Twins serve as the core "virtual laboratory" infrastructure for training, verification, and optimization of these AI systems.

However, the digital twin field currently faces three major challenges. First, the time and cost required for data-to-model conversion, along with dependency on legacy data. Second, the Virtual-Reality Gap, where prediction errors occur due to limitations of existing physics engines and constraints in reflecting real-world environments. Third, scalability issues, where siloed development leads to low reusability and increased costs.

Recent research is focused on overcoming these limitations. This presentation introduces the current state of R&D, centered on projects conducted by ETRI. This includes standard modeling tools for digital twins, automation technologies using generative AI, a robot virtual environment platform and Sim2Real technology incorporating real-world physical parameters to overcome physical and spatial limitations in complex assembly tasks/processes, and a manufacturing digital twin framework providing workflow tools and execution engines for effectively integrating large-scale twins based on international standards.

Ultimately, the goal is to enhance the physical fidelity between the real and virtual worlds and realize physical systems that act autonomously and safely in reality through the integration of intelligent predictions.

기획세션 1-2

Intelligent Robotics and Physical AI

지능형 로봇과 피지컬 AI

Digital Twins, Human and Physical AI

Xi Vincent Wang

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

연사

제조AX 전환을 위한 Physical AI 기술 조망

김대환

LG전자(주) 생산기술원 제조DX솔루션담당 연구위원

김대환
LG전자(주) 생산기술원 제조DX솔루션담당 연구위원

김대환은 LG생산기술원 입사 후 22년간 재직 중이며, 재직 중 서울대학교에서 박사학위를 받은 후 AI기술을 접목하여 다양한 스마트팩토리 솔루션을 개발하고 있다. 최근에는 로봇과 AI를 접목한 Physical AI 기술로 제조 영역의 자동화 솔루션을 개발하고 확산해 나가고 있다.

-

Leo Kim has been with LG Production engineering Research Institute for 22 years. While there, he received a doctorate in AI-based prognostics & health monitoring from Seoul National University. He has since developed various smart factory solutions by incorporating AI technology. Recently, he has been developing and expanding automation solutions in the manufacturing sector using Physical AI technology, which combines robotics and AI.

발표요약

제조AX 전환을 위한 Physical AI 기술 조망

흔들리는 환율과 조제 정책으로 글로벌 제조기업들은 변화하는 환경에서 살아 남기 위해 몸부림을 치고 있다. 제조 경쟁력 확보를 통한 제조 원가 혁신은 모든 제조기업의 숙제가 되어 왔고 이를 위해 스마트팩토리를 통한 무인화 공장 구현을 노력하고 있으나, 오랜기간 사람이 작업하기 용이하게 된 작업환경을 로봇자동화로 전환하기 위한 많은 도전 과제들이 있다. AI기술의 발전과 더불어 제조 현장에는 AI기술을 접목한 디지털 변혁의 시도들이 있어 왔으며, 제조현장의 다양한 데이터를 분석하여 이상을 감지하고 예지하는 기술에 머무르고 있었으나, 최근 Physical AI 기술의 등장으로 스마트팩토리 솔루션의 새로운 대안으로 등장하고 있다. 제조 현장에서 최근 시도하고 있는 Physical AI 기술 현황을 짚어 보고, 한계점과 미래 기술 방향을 조망해 보고자 한다.

-

With fluctuating exchange rates and tax policies, global manufacturers are struggling to survive in a changing environment. Securing manufacturing competitiveness and reducing manufacturing costs has become a challenge for all manufacturers. To achieve this, they are striving to implement unmanned factories through smart factories. However, converting a work environment that has long been human-friendly to robotic automation presents numerous challenges. With the advancement of AI technology, attempts have been made to integrate AI into manufacturing sites for digital transformation. While previously focused on analyzing diverse manufacturing data to detect and predict anomalies, the recent emergence of Physical AI is emerging as a new alternative for smart factory solutions. This presentation examines the current state of Physical AI technology in the manufacturing industry, exploring its limitations and future directions.

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

최성준
고려대학교 교수

최성준은 고려대학교 인공지능학과 부교수이자 RLWRLD의 수석연구원(Principal Scientist)입니다. 고려대학교에 부임하기 전에는 2018년부터 2020년까지 미국 로스앤젤레스에 위치한 디즈니 리서치(Disney Research)에서 박사후연구원으로 근무했으며, 2018년에는 한국의 카카오브레인(Kakao Brain)에서 연구원으로 재직했습니다. 제 주요 연구 분야는 인간-로봇 상호작용(HRI), 조건 기반 모션 생성, 그리고 로보틱스 분야의 파운데이션 모델입니다. 서울대학교 전기·컴퓨터공학부에서 오성회 교수님의 지도 아래 박사 학위를 받았으며, 그 이전에는 같은 학교에서 전기정보공학부 학사 학위를 취득했습니다. 학부 재학 시절에는 부천에 위치한 한울로보틱스에서 소프트웨어 엔지니어로 3년간 근무하며 로봇 제어 및 소프트웨어 개발을 담당했습니다.

-

I am an Associate Professor at the Department of Artificial Intelligence at Korea University and a Principal Scientist at RLWRLD. Before joining Korea University, I was a Postdoctoral Researcher at Disney Research, Los Angeles, from 2018 to 2020, and a Research Scientist at Kakao Brain, Korea, in 2018. My research interests include, but are not limited to, the following areas: human-robot interaction (HRI), conditioned motion generation, and foundation models for robotics.
I previously received my Ph.D. degree in Electrical Computer Engineering at Seoul National University in Seoul, Korea, advised by Songhwai Oh. Before that, I received my Bachelor's degree in Electrical Engineering and Computer Sciences at Seoul National University. During my undergraduate years, I worked at Hanool Robotics in Bucheon, Korea, as a software engineer for three years.

발표요약

인간 중심의 물리적 지능을 향하여

이번 발표에서는 전통적 로봇공학의 관점을 기반으로, 로봇이 단순한 기계 장치를 넘어 인간과 상호작용하는 지능적 존재로 발전하는 과정을 다룬다. 발표는 먼저 생체적 적응성을 강조하는 Physical Intelligence와 인지적 구현을 지향하는 Physical AI의 차이를 짚으며, 산업용 자동화를 넘어 일반화된 지능의 필요성을 제시한다. 이후 고려대학교 로봇지능연구실에서 진행 중인 연구들을 소개한다. 실패 인식과 추론 능력을 결합한 VINE 모델, 대형 언어모델(LLM)을 활용해 성격 기반 행동을 생성하는 페르소나 로봇 시스템, 그리고 상호작용 모션을 이해하고 생성하는 foundation model for HRI 등이 주요 사례로 다뤄진다. 마지막으로 Brooks와 Clarke의 법칙을 인용하며, 진정한 ‘물리적 지능’은 기술적 완성도를 넘어 인간의 맥락 속에서 직관적으로 이해되고 사회적으로 적응하는 로봇의 형태로 구현될 것임을 강조한다.

-

This talk presents a robotics perspective that bridges classical robot design with the emerging paradigm of foundation models. It explores how robots can evolve from being mere mechanical systems to physically intelligent agents that perceive, reason, and interact with humans. Beginning with distinctions between Physical Intelligence (biologically inspired adaptability) and Physical AI (human-like cognitive embodiment), the talk emphasizes the need for generalization beyond rigid industrial automation. It introduces ongoing research at Korea University’s Robot Intelligence Lab, including hierarchical Vision-Language-Action (VLA) models such as VINE, which integrate reasoning and failure awareness, and persona-based humanoid interaction systems that endow robots with character-like behaviors using LLMs. The discussion extends to foundation models for HRI, proposing interactive motion language models capable of reasoning, editing, and generating human–robot motions. Finally, the talk reflects on broader philosophical insights from Brooks’ and Clarke’s laws, suggesting that true “Physical Intelligence” will emerge when robots become intuitive, socially adaptive, and seamlessly embedded in human environments.

연사

Physical AI의 산업현장으로의 적용: 자석발을 활용한 현장 진입 가속화

김준하

(주)디든로보틱스 대표

김준하
(주)디든로보틱스 대표

김준하 대표는 KAIST 기계공학과에서 박사학위를 받으며 복잡한 환경에서의 로봇 상태 추정과 동적 움직임 제어 분야의 전문성을 쌓았습니다. KAIST 휴머노이드 로봇 연구센터에서 연구원으로 활동하며 사족보행로봇 분야에서 세계 최고 수준의 연구 성과를 달성했으며, IEEE T-RO, IEEE RA-L, IJRR 등 저명 학술지에 다수의 논문을 발표했습니다. 현재는 2024년 3월 KAIST 동료들과 함께 창업한 주식회사 디든로보틱스의 대표로서, Physical AI 기반 자율 로봇 플랫폼을 개발하고 있습니다. 특히 자석발 족형 로봇 제어 기술과 강화학습 기반 보행 알고리즘을 통해 조선소, 건설 현장 등 극한 산업 환경에서 기존 로봇이 접근하기 어려웠던 3차원 밀폐 공간 작업 자동화를 실현하고 있으며, 국내 주요 조선사들과 협력하여 산업 현장의 실질적인 문제를 해결하고 있습니다.

-

Joon-Ha Kim received his Ph.D. in Mechanical Engineering from KAIST, specializing in robot state estimation and dynamic motion control in complex environments. As a researcher at KAIST's Humanoid Robot Research Center, he achieved world-class research outcomes in quadruped robotics and published numerous papers in prestigious journals including IEEE T-RO, IEEE RA-L, and IJRR. Currently serving as CEO of DIDEN Robotics, which he co-founded with KAIST colleagues in March 2024, he leads the development of Physical AI-based autonomous robot platforms. Through magnetic-foot legged robot control technology and reinforcement learning-based locomotion algorithms, he is enabling automation in 3D confined spaces previously inaccessible to conventional robots in extreme industrial environments such as shipyards and construction sites. Working closely with major Korean shipbuilders, he is addressing practical challenges in industrial automation.

발표요약

Physical AI의 산업현장으로의 적용: 자석발을 활용한 현장 진입 가속화

본 강연에서는 극한 산업환경에 Physical AI를 적용하기 위한 디든로보틱스의 접근법을 소개합니다. 조선소, 건설 현장 등 위험하고 복잡한 3차원 밀폐공간은 기존 자동화 기술로는 접근이 어려운 영역으로, 디든로보틱스는 이러한 환경에서 작동하는 자율 로봇 시스템을 하드웨어, 지능형 제어, 시각 지능의 통합적 관점에서 개발하고 있습니다.
하드웨어 측면에서는 빠른 전환이 가능한 영전자석 기술로 수직 벽면에서도 안정적인 이동을 실현했으며, 제어 기술에서는 모델 기반 제어(MPC)를 통한 정밀한 장애물 극복과 강화학습 기반의 적응형 보행을 구현했습니다. 시각 지능 분야에서는 CAD 기반 상태추정과 실시간 3D 매핑을 통해 로봇이 복잡한 공간을 자율적으로 인지할 수 있도록 했습니다. 이러한 기술들을 효과적으로 개발하고 실제 환경에 적용하기 위해 DIDEN World라는 통합 학습 프레임워크를 구축했으며, 시뮬레이션에서 학습한 모델을 현장에 즉시 배포할 수 있는 환경을 마련했습니다.
나아가 모델 기반 제어와 강화학습의 장점을 결합하여 일반화 능력과 고난도 작업 수행을 동시에 달성하기 위한 Off-Policy 강화학습 연구 방향성을 제시합니다. 마지막으로 현장 적용 과정에서 발견된 실제 환경의 다양한 표면 조건에 대응하기 위해 할박배열 자석발(H-EPM), 표면적응형 자석발(A-EPM), 이족보행 로봇 DIDEN Walker 등 신규 하드웨어 플랫폼 개발 방향성도 공유합니다.

-

This presentation introduces DIDEN Robotics' approach to applying Physical AI in extreme industrial environments. Hazardous and complex 3D confined spaces such as shipyards and construction sites remain challenging areas for conventional automation technologies. DIDEN Robotics is developing autonomous robotic systems that operate in these environments through an integrated approach combining hardware, intelligent control, and visual intelligence.
On the hardware front, the company has achieved stable locomotion on vertical surfaces using rapidly switchable electropermanent magnet technology. For control systems, precise obstacle traversal through Model Predictive Control (MPC) and adaptive locomotion based on reinforcement learning have been implemented. In visual intelligence, robots are enabled to autonomously perceive complex spaces through CAD-based state estimation and real-time 3D mapping. To effectively develop these technologies and deploy them in real environments, an integrated learning framework called DIDEN World has been built, creating an environment where models trained in simulation can be immediately deployed to field operations.
Furthermore, the presentation presents research direction on Off-Policy reinforcement learning, which combines the advantages of model-based control and reinforcement learning to simultaneously achieve generalization capabilities and high-difficulty task execution. Finally, the development direction for new hardware platforms including Halbach array magnetic feet (H-EPM), surface-adaptive magnetic feet (A-EPM), and the bipedal robot DIDEN Walker, designed to address various surface conditions discovered during field deployment, will also be shared.

기획세션 2-1

Mobility Innovation through Physical AI

모빌리티 혁신과 피지컬 AI

로봇이 무엇을 할 수 있을까에 대한 생각을 바꾸자

Jason Yoon

보스턴 다이나믹스 글로벌 비즈니스 매니저

연사

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

연사

제조물류의 혁신, from chaos to harmony

이성욱

다임리서치(주) 부사장

연사

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

순방향 신경망 기반 3차원 가우시안 스플래팅

박은병

연세대학교 교수

박은병
연세대학교 교수

박은병 교수는 연세대학교 인공지능학과의 조교수입니다. 그는 2009년에 경희대학교에서 컴퓨터공학 학사 학위를, 2011년에 서울대학교에서 컴퓨터공학 석사 학위를, 2019년에 미국 노스캐롤라이나 대학교 채플힐(University of North Carolina at Chapel Hill)에서 컴퓨터공학 박사 학위를 취득했습니다. 연세대학교에 부임하기 전에는 성균관대학교에서 조교수로 재직했으며, Nuro에서 연구원(Research Scientist)으로, Microsoft에서 응용과학자(Applied Scientist)로 근무한 바 있습니다. 현재 그의 주요 연구 분야는 3차원 비전(3D Vision) 및 생성 모델링(Generative Modeling) 입니다.

-

Eunbyung Park is an assistant professor in the Department of Artificial Intelligence at Yonsei University, South Korea. Eunbyung Park obtained his B.S. degree in computer science from KyungHee University in 2009, his M.S. degree in computer science from Seoul National University in 2011, and his Ph.D. degree in computer science from the University of North Carolina at Chapel Hill in 2019. Before joining Yonsei University, he was an assistant professor at SKKU, a research
scientist at Nuro and an applied scientist at Microsoft. His current research interests include 3D vision and generative modeling.

발표요약

순방향 신경망 기반 3차원 가우시안 스플래팅

최근 3D Gaussian Splatting (3DGS) 기술의 발전은 실시간 새로운 시점 합성(real-time novel view synthesis) 분야에 혁신을 가져왔습니다. 그러나 기존 3DGS 파이프라인은 각 장면마다 다수의 그래디언트 업데이트를 요구하는 느리고 반복적인 최적화 과정이라는 한계가 있습니다. 본 강연에서는 이러한 병목을 해소하기 위한 Feed-forward 기반 3D Gaussian Splatting 프레임워크를 소개합니다. 제안하는 접근법은 다중 시점 영상을 3D Gaussian 표현으로 직접 매핑함으로써, 장면별 최적화 과정 없이 고품질 3D 장면을 즉시 재구성할 수 있게 합니다. 또한, 본 연구실에서 최근 수행한 Feed-forward 3DGS 관련 주요 연구 성과들을 소개하고, 향후 확장 가능하고 견고하며 생성적인 3D Gaussian 표현으로 나아가기 위한 연구 방향을 논의할 예정입니다.

-

Recent advances in 3D Gaussian Splatting (3DGS) have revolutionized real-time novel view synthesis. Despite its impressive rendering quality and speed, a major limitation of standard 3DGS pipelines lies in their slow and iterative optimization process, which requires many gradient updates per scene. This talk will introduce a feed-forward framework for 3D Gaussian Splatting that aims to eliminate this bottleneck. By learning a direct mapping from multi-view images to 3D Gaussian representations, the proposed approach enables instant reconstruction of high-fidelity 3D scenes without per-scene optimization. I will present several recent advances from our lab that embody this feed-forward paradigm and discuss future directions.

연사

Vision-Language-Action 모델의 Action Noise 개선 연구 소개

주재걸

KAIST 교수

기획세션 3-2

AI Research Insight

AI 연구 인사이트

좌장

연사

조합적 행동을 고려한 컨섹츄얼 밴딧(Contextual Bandit)과 RLHF에서의 효율적 탐색

오민환

서울대학교 데이터사이언스대학원 데이터사이언스학과 교수

오민환
서울대학교 데이터사이언스대학원 데이터사이언스학과 교수

오민환 교수는 서울대학교 데이터사이언스대학원 부교수로 재직 중이다. 주 연구 분야는 의사결정 에이전트, 강화학습, 컨텍츄얼 밴딧 알고리즘, 최적화, 통계적 머신러닝이다. 컬럼비아대학교에서 Operations Research 박사학위를 받았으며, 그의 박사학위 논문은 INFORMS George B. Dantzig Dissertation Award와 Applied Probability Society Best Student Paper Award의 최종 후보로 선정되었다. 오민환 교수는 2025년 아마존 연구상(Amazon Research Award)을 수상하였다.

-

Min-hwan Oh is an Associate Professor in the Graduate School of Data Science at Seoul National University. His research focuses on decision-making agents, reinforcement learning, contextual bandit algorithms, optimization, statistical machine learning, and their various applications. He received his Ph.D. in Operations Research from Columbia University. His doctoral thesis was recognized as a finalist for the INFORMS George B. Dantzig Dissertation Award and the Applied Probability Society’s Best Student Paper Award. He is a recipient of the Amazon Research Award.

발표요약

조합적 행동을 고려한 컨섹츄얼 밴딧(Contextual Bandit)과 RLHF에서의 효율적 탐색

문맥 정보를 바탕으로 에이전트(알고리즘)가 순차적으로 단수 한동이 아닌 행동 집합을 선택하고, 사용자 선택이 MNL(multinomial logit) 모형을 따른다고 가정하는 순차적 의사결정 문제를 다루는 연구를 소개한다. 이 문제는 온라인 추천 시스템의 핵심 과제이며, 대규모 언어모델(LLM)의 사후 학습(post-training) 단계에서도 중요성이 커지고 있다. 이러한 보편적 설정에도 불구하고 이론과 실무 사이에는 간극이 존재한다. 본 발표에서는 다음과 같은 최근 성과를 제시한다: 이론적 보장(provable optimality) 달성, 비선형 효용(nonlinear utilities)에 대해 최초로 계산 가능(tractable) 한 알고리즘 제안 및 이론적 성능 보장, 프레임워크를 RLHF(또는 preference-based RL)로 확장.

-

We study a sequential decision-making problem in which an algorithmic agent sequentially selects a set of actions based on contextual information, and user choices follow an MNL (multinomial logit) model. This problem plays a central role in today’s online recommendation systems and is becoming increasingly relevant in the post-training of large language models (LLMs). Despite the ubiquity of this setting, there has been a gap between theory and practice.
We present our recent advances on this important problem: achieving provable optimality; introducing the first tractable algorithm for nonlinear utilities with provable gurantees; and extending the framework to RLHF (preference-based RL).

연사

비디오 생성형 모델로부터의 포인트 트레킹 정보 추출

김승룡

KAIST 김재철AI대학원 교수

김승룡
KAIST 김재철AI대학원 교수

김승룡은 서울특별시 KAIST 김재철AI대학원 부교수이다. KAIST 부임 이전에는 2020년부터 2024년까지 고려대학교 컴퓨터학과에서 조교수로 재직하였다. 그 이전에는 2019년부터 2020년까지 스위스 로잔연방공과대학(École Polytechnique Fédérale de Lausanne, EPFL) 컴퓨터통신과학부에서 박사후연구원으로, 2018년부터 2019년까지 연세대학교 전기전자공학과에서 박사후연구원으로 근무하였다. 또한 중국 베이징 Microsoft Research Asia(MSRA)에서 연구 인턴으로 근무한 경험이 있다. 연세대학교 전기전자공학과에서 2012년에 학사, 2018년에 박사 학위를 취득하였다. 현재 CVPR, ICCV, ECCV, ICLR, NeurIPS 등 주요 인공지능 및 컴퓨터비전 국제학회의 Area Chair로 활동 중이다. 주요 연구 분야는 컴퓨터 비전, 계산 사진학, 그리고 머신러닝이다.

-

Seungryong Kim is an Associate Professor at the Kim Jaechul Graduate School of AI, KAIST, Seoul, Korea. Prior to joining KAIST, he was an Assistant Professor at Korea University from 2020 to 2024. He also worked as a Postdoctoral Researcher at the School of Computer and Communication Sciences, École Polytechnique Fédérale de Lausanne (EPFL), Switzerland, from 2019 to 2020, and at the School of Electrical and Electronic Engineering, Yonsei University, Korea, from 2018 to 2019. He was previously a Research Intern at Microsoft Research Asia (MSRA), Beijing, China. He received his B.S. and Ph.D. degrees in Electrical and Electronic Engineering from Yonsei University, Korea, in 2012 and 2018, respectively. He is actively serving as an Area Chair for leading conferences, including CVPR, ICCV, ECCV, ICLR, and NeurIPS. His research interests include computer vision, computational photography, and machine learning.

발표요약

비디오 생성형 모델로부터의 포인트 트레킹 정보 추출

최근 Diffusion Transformer(DiT) 기반의 비디오 확산 모델(Video Diffusion Model)이 시간적으로 일관된 영상을 생성하는 데 놀라운 성과를 거두고 있습니다. 하지만 여전히 남아있는 근본적인 질문은 이러한 모델은 내부적으로 프레임 간의 시간적 대응(temporal correspondence) 을 어떻게 형성하고 표현할까 입니다. 본 논문에서는 이 질문에 답하기 위해 DiffTrack을 제안합니다. 이는 최초의 정량적 분석 프레임워크로, 비디오 DiT의 내부 시간적 메커니즘을 탐구하도록 설계되었습니다. DiffTrack은 프롬프트로 생성된 영상과 의사(pseudo) 정답 추적(annotation) 데이터를 포함한 새로운 데이터셋을 구성하고, 3D 어텐션 메커니즘의 구성 요소들(예: 표현, 레이어, 타임스텝)이 시간적 대응을 형성하는 데 어떻게 기여하는지를 체계적으로 분석하기 위한 새로운 평가 지표를 제안합니다. 분석 결과, 특정 레이어의 query-key 유사도(query-key similarity) 가 시간적 매칭에서 핵심적인 역할을 하며, 이 매칭은 디노이징(denoising) 과정이 진행될수록 점점 더 두드러지게 나타난다는 사실을 발견했습니다. 우리는 DiffTrack의 실용적 응용으로 zero-shot 포인트 트래킹(point tracking) 을 시연하였으며, 기존의 비전 기반 파운데이션 및 자기지도 비디오 모델들보다 최첨단 성능(state-of-the-art) 을 달성했습니다. 또한, 우리의 분석을 motion-enhanced 비디오 생성으로 확장하여, 추가 학습 없이도 생성 영상의 시간적 일관성을 향상시키는 새로운 guidance 방법을 제안했습니다. 우리의 연구는 비디오 DiT의 내부 작동 원리에 대한 중요한 통찰을 제공하며, 이들의 시간적 이해(temporal understanding) 를 활용한 향후 연구 및 응용의 기초를 확립한다고 믿습니다.

-

Recent advancements in video diffusion models based on Diffusion Transformers (DiTs) have achieved remarkable success in generating temporally coherent videos. Yet, a fundamental question persists: how do these models internally establish and represent temporal correspondences across frames? We introduce DiffTrack, the first quantitative analysis framework designed to answer this question. DiffTrack constructs a dataset of prompt-generated video with pseudo ground-truth tracking annotations and proposes novel evaluation metrics to systematically analyze how each component within the full 3D attention mechanism of DiTs (e.g., representations, layers, and timesteps) contributes to establishing temporal correspondences. Our analysis reveals that query-key similarities in specific, but not all, layers play a critical role in temporal matching, and that this matching becomes increasingly prominent during the denoising process. We demonstrate practical applications of DiffTrack in zero-shot point tracking, where it achieves state-of-the-art performance compared to existing vision foundation and self-supervised video models. Further, we extend our findings to motion-enhanced video generation with a novel guidance method that improves temporal consistency of generated videos without additional training. We believe our work offers crucial insights into the inner workings of video DiTs and establishes a foundation for further research and applications leveraging their temporal understanding.

연사

GraLoRA: 고효율 고성능 파인튜닝을 위한 세분화된 저랭크 학습기법

박은혁

POSTECH 컴퓨터공학과 교수

박은혁
POSTECH 컴퓨터공학과 교수

박은혁 교수는 서울대학교 컴퓨터공학부에서 박사학위를 받은 후 포항공과대학교 인공지능대학원에서 5년간 재직중이다. 딥러닝 모델 경량화 및 가속과 관련된 연구를 통해 저전력 고성능 AI 모델의 개발 및 연산 시스템 최적화에 집중하고 있다.

-

Professor Eunhyeok Park received his Ph.D. in Computer Science and Engineering from Seoul National University and has been serving at the Graduate School of Artificial Intelligence at POSTECH for five years. His research focuses on developing low-power, high-performance AI models and optimizing computing systems through studies on deep learning model compression and acceleration.

발표요약

GraLoRA: 고효율 고성능 파인튜닝을 위한 세분화된 저랭크 학습기법

LoRA는 파라미터 효율적 파인튜닝(PEFT) 기법 중에서도 잘 알려진 방법입니다. 랭크 32–64 구간에서 가장 좋은 성능을 보이지만, 그 이상에서는 정확도가 정체되거나 떨어져 아직은 전체 파인튜닝(full fine tuning)에 미치지 못합니다. 우리는 그 원인을 LoRA의 구조적 병목에서 찾습니다. 이 병목 때문에 서로 관련 없는 입력 채널까지 그래디언트가 얽히고, 그래디언트 전달이 왜곡됩니다. 이를 풀기 위해 가중치 행렬을 작은 블록으로 나누고 각 블록에 저랭크 어댑터를 두는 Granular Low Rank Adaptation(GraLoRA)를 제안합니다. GraLoRA는 연산과 저장 측면의 추가 비용이 거의 없으면서 LoRA의 한계를 줄이고 표현력을 넓혀, 전체 파인튜닝의 동작에 더 가까워지도록 돕습니다.

-

LoRA, one of the most well known parameter efficient fine tuning (PEFT) methods, performs best at ranks 32–64, yet its accuracy stagnates or declines at higher ranks, still falling short of full fine tuning performance. We identify the root cause as LoRA’s structural bottleneck, which introduces gradient entanglement across unrelated input channels and distorts gradient propagation. To address this, we introduce Granular Low Rank Adaptation (GraLoRA), a novel structure that partitions weight matrices into sub blocks, each with its own low rank adapter. With negligible computational and storage overhead, GraLoRA overcomes LoRA’s limitations, increases representational capacity, and more closely approximates full fine tuning behavior.

기획세션 3-3

Physical AI Safety & Security

피지컬 AI 안전 및 보안

피지컬 AI로 인한 국가 차원의 위협과 대응방안 및 주요국 동향

이해수

소프트웨어정책연구소 (SPRI) AI정책연구실 선임 연구원

이해수
소프트웨어정책연구소 (SPRI) AI정책연구실 선임 연구원

이해수는 한양대학교에서 미디어 기술&경영 박사학위를 받은 후 소프트웨어정책연구소의 AI정책연구실에서 선임연구원으로 근무하고 있다. 과학기술정보통신부의 AI 국가 전략 수립을 위한 AI 산업, 융합 등 다양한 정책 연구를 담당하고 있다.

-

Hae-soo Lee earned a Ph.D. in Media Technology and Management from Hanyang University and joined the Artificial Intelligence Policy Research Department at the Software Policy & Research Institute(SPRi) as a Senior Research Fellow. He is responsible for conducting policy research on AI industries and convergence to support the establishment of national AI strategies led by the Ministry of Science and ICT.

발표요약

피지컬 AI로 인한 국가 차원의 위협과 대응방안 및 주요국 동향

본 강연은 인공지능이 가상 공간을 넘어 물리적 세계에서 인식·판단·행동을 수행하는 ‘피지컬 AI(Physical AI)’의 부상과 이에 따른 국가 차원의 위협 및 대응 전략을 다룬다. 자율형 드론과 휴머노이드 등 피지컬 AI의 확산은 산업 효율성을 높이는 동시에, 물리적 공격의 위험 증가와 사이버-물리 융합 위협이라는 새로운 안보 리스크를 야기한다. 또한 엣지 컴퓨팅 기반 데이터 처리 확대로 인한 정보보안 문제, AI 결정 과정의 불투명성(‘블랙박스 위험’), 그리고 휴머노이드·로봇 확산으로 인한 노동시장 구조 변화 등 사회적 불안정 요인도 함께 제기된다.
강연에서는 미국, 중국, EU 등 주요국의 피지컬 AI 정책과 기술 전략을 비교·분석하고, 한국이 구축해야 할 정책적·기술적 대응 방향을 제시한다. 특히 국제 협력 강화, 안전성 검증 체계 마련, 법·제도 정비를 포함한 국가 차원의 종합 전략 수립 필요성을 강조한다. 본 강연은 피지컬 AI 시대의 기회와 위협을 균형 있게 조망하며, 미래 AI 정책 방향에 대한 통찰을 제공한다.

-

This lecture addresses the rise of Physical AI, referring to artificial intelligence systems that perceive, reason, and act autonomously in the physical world beyond virtual environments. The growing deployment of autonomous drones, humanoid robots, and other Physical AI technologies enhances industrial efficiency but simultaneously introduces new national security risks, including increased potential for physical attacks and the convergence of cyber and physical threats. Additional challenges involve data security risks stemming from the expansion of edge computing, opacity in AI decision-making (the “black box” problem), and labor market disruptions caused by the widespread use of humanoids and industrial robots.
The lecture compares and analyzes Physical AI policies and technological strategies across major countries such as the United States, China, and the European Union, and presents strategic directions for Korea’s policy and technological response. It highlights the need for a comprehensive national strategy encompassing international cooperation, safety verification frameworks, and legal and institutional reforms to ensure the safe management and utilization of Physical AI. By examining both the opportunities and risks of the Physical AI era, this lecture offers valuable insights into the future direction of AI policy and governance.

연사

글로벌 무인기 AI Pilot 기술 발전과 피지컬 AI 적용 과제

심병섭

한국항공우주산업(주) 미래SW기술팀장

심병섭
한국항공우주산업(주) 미래SW기술팀장

심병섭은 한국항공대학교 항공기계공학 학사를 받은 후, 삼성항공 항공우주연구소 CAE팀에 입사하여 T-50 디지털목업 개발 업무를 시작으로 이후 한국항공우주산업 정보시스템 분야에서 항공기 설계, 해석에 사용되는 IT 시스템 기획 및 관리업무를 수행, 현재는 유무인복합 및 무인기의 자율임무를 수행하는 AI Pilot 개발팀 리더를 맡고 있다.

-

Byoungserb Shim received his B.S. in Aerospace and Mechanical Engineering from Korea Aerospace University. He began his career at the Samsung Aerospace as part of the CAE team, contributing to the digital mock-up development of the T-50 advanced trainer. He later joined Korea Aerospace Industries (KAI), where he led planning and management of enterprise engineering IT systems supporting aircraft design and structural analysis workflows. He currently serves as the Team Lead for AI Development, focusing on autonomous mission execution for unmanned and manned-unmanned teaming (MUM-T) platforms.

발표요약

글로벌 무인기 AI Pilot 기술 발전과 피지컬 AI 적용 과제

인공지능의 급격한 발전은 사회 각 분야의 이전과는 다른 변화를 초래하고 있으며, 특히 국방분야는 인공지능이 가져올 미래 전장환경 변화에 대응하기 위한 국방 AI개발을 서두르고 있다.
특히 미국, 중국을 비롯한 주요 국가들은 사람의 통제를 최소화하여 임무를 자율적으로 수행할 수 있는인공지능 기반 자율 무인체계을 구축하기 위한 경쟁이 본격적으로 시작하였다.
이번 강연에서는 주요 각 국의 차세대 공중전투체계 및 무인기의 자율임무 인공지능, AI Pilot의
개발 동향을 살펴보고 그 시사점에 대해 다루고자 함,또한 최근 진행된 고속무인기 탑재 AI Pilot 개발 및 실증 사례를 바탕으로 피지컬 AI 적용에 대한과제에 대해 논의하고자 함

-

The rapid advancement of artificial intelligence is driving transformative change across multiple sectors, and national defense is no exception. Militaries around the world are accelerating the development of defense AI to prepare for a future battlespace defined by autonomy, speed, and multi-domain integration. In particular, leading nations such as the United States and China have entered a competitive stage in developing AI-enabled autonomous unmanned systems capable of executing missions with minimal human intervention.This lecture will examine the latest developments in next-generation air combat systems and AI Pilots for autonomous UAV mission execution, outlining the strategic and technological directions pursued by major defense powers. Additionally, drawing on recent development and flight demonstrations of high-speed unmanned aerial vehicles equipped with AI Pilots, the talk will explore key challenges and considerations in the practical implementation of Physical AI—where AI must operate reliably, safely, and effectively within the constraints of real-world aerodynamics, sensors, and mission environments.

폐회강연

기획세션 4(연계세션)