NEWS & INSIGHTS
Physical AI in Progress
PROJECT · TECHNOLOGY · PRODUCT · PARTNERSHIP · COMPANY
공항의 Spot, 공간을 이해하는 Physical AI 로봇으로
보스턴 다이내믹스 '스팟' 로봇의 온 디바이스 AI확장을 제공하는
‘ AirPath® V4와 SynaAI® VLA 2.1 확장으로,
클라우드 없이 현장에서 실시간 인지·판단 제공
인티그리트는 인천국제공항 여객터미널에서 Boston Dynamics의 4족보행 로봇 Spot에 독립적인 엣지 AI 실행환경을 구축하고, 주요 소방·안전시설을 로봇 스스로 인지하고 상태를 판단하는 온디바이스 Physical AI 기반 시설점검 실증을 완료했습니다. 이번 프로젝트는 기존 상용 로봇을 단순히 영상과 데이터를 수집하는 이동형 장비에서, 현장을 이해하고 시설물의 상태와 이상 여부를 스스로 판단하는 Physical AI 로봇으로 확장했다는 점에 의미가 있습니다.
'스팟' 로봇의 온 디바이스
피지컬 AI 확장
시설물 인식부터 상태 추론과 판단까지 주요 AI 처리를 외부 GPU 서버나 Cloud가 아닌 Spot에 탑재된 AirPath® V4에서 실시간으로 처리
인천공항 여객터미널 공간에 최적화된 AI 모델 개발
SynaAI® VLA 2.1을 기반으로 실제 공항 환경의 조도·반사·역광·가림·거리와 촬영각 변화에 대응하는 현장 특화 AI 모델을 개발해 적용
5G 특화망을 지원하는 피지컬 AI LOOP
FlyingLet® Synapse를 통해 실제 현장 데이터와 Synthetic Data를 결합한 데이터셋 구성과 특화망을 통한 실시간 데이터 적재로 AI 재학습 기반을 실증
높은 인식율과 정확도를 제공하는 엣지 AI 시현
실제 여객터미널의 통행 인파와 복잡한 환경에서도 온디바이스로 최적화된 AI 모델이 94% 수준의 시설물 인식 성능 제공
01. Cloud 없이, Robot 스스로 보고 판단하다
공항 시설점검은 단순한 객체 인식만으로 해결하기 어렵습니다. 비상구 유도등이나 소화기, 소화전의 위치를 찾아내는 것뿐 아니라 유도등이 정상적으로 점등되어 있는지, 소화기 압력게이지가 정상 범위에 있는지와 같이 시설물의 구체적인 상태까지 판단해야 하기 때문입니다.
인티그리트는 인천국제공항공사의 시설점검 데이터를 기반으로 비상구 유도등, 소화전, 소화기와 압력게이지, 위치표시등 등 7종의 주요 소방·안전시설을 인식하고 상태와 안전 여부를 판단하는 현장 특화 AI 모델을 구축했습니다.
기존처럼 로봇이 촬영한 대용량 영상을 외부 GPU 서버나 Cloud로 전송해 분석하는 방식과 달리, 이번 프로젝트에서는 인지 → 상태 추론 → 판단에 이르는 주요 AI 처리 과정을 로봇 자체에서 수행하도록 구현했습니다.
이를 통해 기존 Spot에 독립적인 AI 인지·추론 능력을 추가하고, 현장에서 스스로 판단할 수 있는 Physical AI 실행환경을 구축했습니다.
02. 실제 공항은 학습 데이터와 다르다
AI가 연구환경에서 높은 성능을 보이는 것과 실제 공항에서 안정적으로 작동하는 것은 다른 문제입니다.
인천국제공항 여객터미널은 시간과 위치에 따라 조도가 지속적으로 변하고, 수많은 승객과 카트가 이동합니다. 대리석 바닥과 유리면의 반사, 역광, 사람이나 구조물에 의한 시설물의 부분 가림, 로봇과 시설물 사이의 거리와 촬영각 변화 역시 Vision AI가 극복해야 하는 변수입니다.
인티그리트는 이러한 실제 운용환경을 반영하여 SynaAI® VLA 2.1을 기반으로 공항에 특화된 AI 모델을 개발했습니다.
Spot에 탑재된 고해상도 카메라와 센서를 통해 확보한 현장 데이터를 학습하고, 단순한 객체 인식을 넘어 각 시설물의 상태와 이상 여부까지 실시간으로 추론·판단할 수 있도록 AI 처리 과정을 최적화했습니다.
03. 부족한 현장 데이터를 AI로 확장하다
시설관리 현장의 또 다른 어려움은 정상 데이터는 많지만 실제 이상상태의 데이터는 충분히 확보하기 어렵다는 점입니다.
실제 안전시설을 고장 내거나 비정상 상태로 만들어 학습 데이터를 반복적으로 확보할 수 없기 때문입니다.
인티그리트는 실제 공항에서 확보한 데이터의 특성과 환경조건을 반영한 **AI 기반 합성 데이터(Synthetic Data)**를 생성하고, 이를 실제 데이터와 결합해 현장 특화 데이터셋을 확장했습니다.
이 과정에는 인티그리트의 Physical AI 오케스트레이션 플랫폼 FlyingLet® Synapse가 적용됐습니다. 제한적인 현장 데이터의 한계를 보완하고 다양한 환경 변화와 예외상황에 대응할 수 있도록 현장 데이터 수집 → 데이터셋 구축 → 학습·검증 → 모델 최적화로 이어지는 AI 고도화 기반을 구축했습니다.
04. SynaAI를 AirPath 위의 On-device Intelligence로
학습된 AI 모델을 실제 이동형 로봇에서 실행하려면 또 하나의 기술적 장벽이 존재합니다.
높은 성능의 원본 AI 모델을 그대로 탑재하는 것이 아니라 제한된 전력과 연산·메모리 환경에서도 실시간으로 작동할 수 있도록 경량화하고 NPU에 맞게 최적화해야 하기 때문입니다.
인티그리트는 자체 SynaAI® 온디바이스 실행환경을 기반으로 현장 특화 AI 모델을 최적화하고, Qualcomm Dragonwing™ QCS8550 기반의 초소형·저전력 엣지 AI 플랫폼 AirPath® V4에 적용했습니다.
그 결과 별도의 대용량 GPU 서버나 Cloud에 의존하지 않고 Spot 자체에서 복수의 시설물을 실시간으로 인지하고 상태를 판단할 수 있는 온디바이스 AI 환경을 구현했습니다.
실제 여객터미널 검증에서도 온디바이스로 최적화된 모델은 원본 모델의 판별 성능을 유지하면서 94% 수준의 시설물 인식 성능을 확인했습니다.
05. Robot의 판단을 시설관리 데이터로
Physical AI의 가치는 로봇 한 대가 똑똑해지는 데서 끝나지 않습니다.
Spot이 판단한 시설물의 상태와 이상 여부는 시설물의 위치 및 순찰 임무 정보와 결합되어 공항 내부 관제환경으로 전달됩니다.
이를 통해 로봇의 이동과 영상수집 중심의 기존 순찰에서 한 단계 더 나아가, 로봇이 현장에서 시설물의 상태를 판단하고 그 결과를 시설관리 데이터로 축적하는 지능형 점검체계로 확장할 수 있는 기반을 마련했습니다.
장기적으로 현장에서 축적되는 데이터가 다시 AI의 학습과 검증에 활용되고, 개선된 모델이 다시 로봇에 배포된다면 다음과 같은 순환구조가 만들어집니다.
06. 한 대의 Spot에서 다양한 산업현장으로
이번 프로젝트의 의미는 공항을 위한 하나의 AI 모델을 개발한 것에만 있지 않습니다.
인티그리트는 앞서 반도체 생산시설에서도 Spot을 활용해 AI 임무와 현장 데이터를 통합하는 Physical AI 플랫폼을 구축하고 실제 산업현장에 적용해 왔습니다.
반도체 생산시설과 국제공항은 환경과 임무가 서로 다르지만, 두 현장 모두 기존 상용 로봇에 현장 특화 AI를 이식하고, 실제 운영 데이터를 기반으로 Intelligence를 지속적으로 고도화해야 한다는 공통적인 요구를 가지고 있습니다.
인티그리트는 이러한 경험을 기반으로 제조·물류·데이터센터·공공시설 등으로 Physical AI 적용 영역을 확대하고, 특정 로봇이나 하나의 AI 모델에 종속되지 않는 개방형 Physical AI 실행 및 오케스트레이션 환경을 발전시키고 있습니다.
Explore Our Physical AI Platform
이 프로젝트에 적용된 엣지 AI 브레인 플랫폼과 온 디바이스 AI 모델 SynaAI® 등,
인티그리트의 Physical AI Platform과 핵심 기술을 자세히 살펴보세요.
AI Compute & Productization
AI Compute와 BSP·OS·ROS2·Sensor·AI Runtime을 통합하여 다양한 AI Model을 실제 Robot과 Device를 위한 엣지 환경으로 전환합니다
AI Operations & Orchestration
서로 다른 Robot의 Mission과 AI Model, Field Data를 하나의 운영환경에서 연결하고 AI의 평가·개선·재배포까지 관리합니다
