피지컬 AI(Physical AI)는 소프트웨어가 현실의 물리 시스템을 이해하고, 그 이해를 실제 행동으로 연결하는 기술입니다. 흔히 로봇이나 자율주행차를 떠올립니다. 로봇은 주변을 인식하고 현재 상태를 판단한 뒤 다음 동작을 결정하고, 자율주행차는 센서로 도로 상황을 파악해 조향과 가속, 제동을 제어합니다. 두 경우 모두 소프트웨어가 정보를 처리하는 데서 그치지 않고 물리 시스템을 이해해 실제 행동으로 옮깁니다. 이 기준에서 보면 반도체 장비도 피지컬 AI의 적용 대상입니다.
- 피지컬 AI는 소프트웨어가 물리 시스템을 이해해 실제 행동으로 연결하는 기술이며, 로봇·자율주행차뿐 아니라 반도체 제조 장비에도 적용됩니다.
- 로봇, 자동차, 반도체 장비는 겉모습은 다르지만 감지 → 예측 → 판단 → 작용이라는 동일한 구조를 공유합니다.
- 반도체 장비는 이미 정교한 하드웨어를 갖췄습니다. 핵심은 새 기계를 만드는 것이 아니라 기존 기계에 상태 이해·예측·판단 능력을 더하는 것입니다.
- 로보틱스·자율주행의 기술 스택(상태 추정, 센서 융합, 제어)은 제조로 확장될 수 있으며, Amously는 반도체 장비·제조 시스템에 이 판단 기능을 제공합니다.
로봇, 자동차, 반도체 장비는 무엇을 공유하는가
세 시스템은 겉으로는 전혀 다릅니다. 로봇은 물체를 집거나 옮기고, 자동차는 도로를 달리며, 반도체 장비는 챔버 안에서 웨이퍼를 가공합니다. 하지만 지능이 수행해야 하는 일은 비슷합니다. 센서로 현재 상태를 파악하고, 앞으로 일어날 결과를 예측하고, 필요한 행동을 결정해야 합니다. 실제 결과가 예상과 다르면 판단 방식도 수정해야 합니다.
대상은 다르지만 구조는 같습니다. 센서로 상태를 이해하고, 판단한 뒤, 물리 시스템에 영향을 줍니다.
로봇에서는 위치, 속도, 힘, 동작 경로가 주요 제어 대상입니다. 자동차에서는 조향, 가속, 제동을 제어합니다. 반도체 장비에서는 온도, 압력, 가스, 전력, 공정 시간과 같은 조건을 제어합니다. 대상은 다르지만 구조는 같습니다. 센서를 통해 상태를 이해하고, 판단한 뒤, 물리 시스템에 영향을 줍니다.
| 로봇 | 자동차 | 반도체 장비 | |
|---|---|---|---|
| 물리 시스템 | 로봇 팔, 이동 로봇, 엔드이펙터 | 차량, 조향, 가속·제동 장치 | 공정 장비, 공정 챔버, 웨이퍼 |
| 주요 센서 | 카메라, 거리 센서, 힘 센서 | 카메라, 레이더, 라이다, GPS | 온도, 압력, 가스 유량, 전력, 장비 센서 |
| 주요 제어 변수 | 위치, 속도, 힘, 동작 경로 | 조향, 가속, 제동 | 공정 시간, 온도, 압력, 가스 유량, 전력 |
| 지능의 역할 | 환경을 이해하고 로봇의 동작을 결정 | 주행 상황을 이해하고 안전한 주행을 판단 | 공정 상태를 추정하고 결과를 예측해 공정 제어를 최적화 |
| 주요 목표 | 정확한 작업 수행 | 안전한 주행 | 안정적 공정 품질과 높은 생산성 |
| 핵심 과제 | 위치 오차, 접촉 불확실성, 예기치 못한 상황 | 복잡한 환경과 엄격한 안전 요구 | 보이지 않는 공정, 수많은 변수, 큰 실패 비용 |
기계와 지능은 별개의 문제다
자동차가 있다고 해서 자율주행이 가능한 것은 아닙니다. 카메라와 브레이크, 조향 장치가 있어도 주변 상황을 해석하고 다음 행동을 결정하는 소프트웨어가 필요합니다. 로봇도 마찬가지입니다. 로봇 팔과 모터만으로는 작업이 이루어지지 않습니다. 물체의 위치를 파악하고, 이동 경로를 정하고, 힘을 조절하는 기능이 필요합니다.
반도체 장비도 이미 매우 정교한 하드웨어를 갖추고 있습니다. 수많은 센서와 제어 장치가 있고, 정해진 조건에 따라 공정을 수행합니다. 여기에 더 필요한 것은 현재 상태를 이해하고, 결과를 예측하고, 필요한 조치를 판단하는 기능입니다. 새로운 기계를 만드는 문제라기보다 이미 존재하는 기계에 지능을 더하는 문제에 가깝습니다.
로보틱스 기술은 제조로 확장될 수 있다
로보틱스와 자율주행 분야에서는 상태 추정(state estimation), 센서 융합(sensor fusion), 시뮬레이션, 제어, 온라인 학습(online learning)과 같은 기술이 오랫동안 발전해 왔습니다. 이 기술을 그대로 반도체 제조에 옮길 수 있는 것은 아닙니다. 다루는 데이터와 물리 현상이 다르고, 잘못된 판단이 가져오는 비용도 큽니다. 다만 문제를 바라보는 방식은 유사합니다.
보이지 않는 상태를 센서로 추정하고, 앞으로의 결과를 예측하고, 제한된 범위 안에서 행동을 결정합니다. 환경이 변하면 판단 기준도 다시 조정합니다. 로봇의 움직임을 제어하는 대신 공정 조건을 제어하고, 도로 상황을 판단하는 대신 장비와 공정의 상태를 판단합니다. 피지컬 AI의 기술 스택은 이런 방식으로 제조업까지 확장될 수 있습니다.
장비 자동화에서 제조 시스템의 지능화로
반도체 제조는 이미 높은 수준으로 자동화되어 있습니다. 다만 현재의 자동화는 정해진 명령을 반복해서 수행하는 데 강합니다. 앞으로 필요한 것은 장비와 제조 시스템이 현재 상태를 이해하고 변화에 대응할 수 있는 능력입니다.
사람의 역할도 달라집니다. 엔지니어가 모든 데이터를 직접 확인하고 매번 조건을 조정하는 대신, 시스템이 판단할 수 있는 범위와 안전 기준을 정하고 중요한 결정을 감독하는 쪽으로 이동합니다.
에이머슬리는 반도체 장비와 제조 시스템에 이러한 판단 기능을 제공하는 소프트웨어를 만들고 있습니다. 로봇과 자동차에서 발전한 피지컬 AI의 개념이 제조 현장에서는 어떤 형태가 되어야 하는지, 반도체 산업을 대상으로 구현하고 있습니다.