케이엔에스가 피지컬AI(Physical AI) 분야 핵심 원천기술 확보를 위해 관련 특허 5건을 출원했다. 제조와 로보틱스, 무인 자동화 시장 확대에 대응해 기술 진입장벽 구축과 상용화 경쟁력 강화에 나선다는 전략이다.

케이엔에스는 8일 피지컬AI 기반 미래 핵심 기술 특허 5건을 출원했다고 밝혔다.

이번 특허 출원은 정보통신기획평가원(IITP)이 주관하고 케이엔에스가 수행 중인 최고급 AI 해외인재 유치 지원사업과 연계해 추진됐다는 점에서 의미가 크다고 회사 측은 설명했다.

출원된 특허는 △피지컬AI 기반 로봇 궤적 예측 시스템 △피지컬AI 기반 배터리 자율 생산 시스템 △피지컬AI 기반 산업 설비 이상 진단 시스템 △피지컬AI 기술 적용 로봇 기구학 모델링 시스템 △피지컬AI 모델의 커리큘럼 학습 시스템 등 총 5건이다.

‘로봇 궤적 예측 시스템’은 물리 법칙을 반영한 신경망을 통해 로봇의 장기 운동 궤적을 안정적으로 예측하는 기술이다. 기존 데이터 기반 AI 모델에서 발생하던 장기 예측 오차 누적 문제를 줄이고 물리적 일관성을 유지하는 데 초점을 맞췄다.

‘배터리 자율 생산 시스템’은 소프트웨어 정의 제조(SDM) 기술과 연계해 제품 형상 데이터를 기반으로 로봇 티칭 없이 조립 순서와 작업 좌표계를 자동 생성하는 기술이다. 신규 제품 생산 과정에서 반복되는 수동 설정 시간을 줄여 생산 효율성을 높이는 것이 핵심이다.

‘산업 설비 이상 진단 시스템’은 에너지 보존 법칙 기반 정상 수치와 실제 전력 데이터를 비교해 고장 징후를 조기에 탐지하는 기술이다. 비전 트랜스포머 기반 시계열 분석을 활용해 고장 데이터가 부족한 환경에서도 설비 이상을 사전에 예측할 수 있도록 설계됐다.

‘로봇 기구학 모델링 시스템’은 물리적 기하학 구조를 AI 신경망 계층 구조와 결합해 정밀한 기구학 연산과 실시간 제어를 가능하게 하는 기술이다. 데이터 기반 AI의 블랙박스 한계를 줄이고 정·역기구학 계산 정확도를 높이는 데 중점을 뒀다.

‘커리큘럼 학습 시스템’은 물리 법칙을 내재한 AI 모델이 장기 예측 과정에서 발생하는 불안정성을 줄일 수 있도록 단계별 난이도 학습 방식을 적용한 기술이다.

케이엔에스는 이번 특허를 통해 피지컬AI 분야에서 △예측 기반 제어 정밀도 향상 △연산 부하 절감 △로봇 범용성 확대 △장기 안정성 강화 등을 구현한다는 계획이다.

앞서 회사는 ‘산업 제조 설비의 자율 제어 프레임워크를 위한 물리법칙 기반 피지컬AI’ 개발 과제가 2년 차에 돌입했다고 밝힌 바 있다. 해당 연구는 산업용 장비와 로봇의 장기 운영 과정에서 발생하는 미세 변형과 예측 오차를 AI가 선제적으로 계산·보정해 안정성과 안전성을 높이는 데 초점을 맞추고 있다.

회사 관계자는 “피지컬AI는 제조와 물류, 로보틱스 산업 전반의 자동화 수준을 높일 핵심 기술로 평가받고 있다”며 “산업 현장에 피지컬AI 도입이 확대될수록 정밀 제어와 장기 안정성을 구현하는 원천기술 수요가 커질 것”이라고 말했다.