범용 Physical AI,
모델에서 검증 가능한
풀 스택으로

PART 01 · DEFINITION

범용성은 모델의 크기보다 전이와 운용의 범위에 있다

작업 정의 · 편집 해석. 범용 Physical AI 풀 스택은 다양한 물리 환경·과제·로봇 형태에서 관측을 해석하고, 행동 결과를 예측하며, 목표를 실행하고, 실패를 감지·복구하며, 검증된 경험으로 개선하는 통합 시스템이다. 여기서 풀 스택은 센서·액추에이터부터 데이터, 표현, 세계모델, 정책, 제어, 안전, 연산·통신, 배포·운영까지 연결한다.

범용 정책 모델과 범용 운용 시스템은 구분해야 한다. VLA는 시각·언어·행동을 연결하는 정책의 한 유형이며, 세계모델은 환경 전이의 학습 표현이다. 어느 하나만으로 전체 스택이 완성되지는 않는다. Cosmos의 플랫폼 관점과 GR00T·Gemini·π 계열의 정책 관점을 함께 읽어 구성한 정의이며, 이 정확한 명칭이 학계의 합의된 표준이라는 뜻은 아니다.[1][2][3][4]

‘범용’은 이분법 대신 새로운 과제, 새로운 물체·장면, 새로운 embodiment, 장기 수행, 실패 복구, 자원 제약의 여섯 축으로 측정하는 것이 유용하다. 이는 본 글의 평가 틀 제안이다. Physical AI는 로봇 조작 외 자율이동과 물리 시스템까지 포괄할 수 있지만, 아래 근거의 중심은 로봇 조작·휴머노이드이고 UAV는 보완 사례다.

PART 02 · PROBLEM DEFINITION

관측에서 행동까지, 행동에서 책임 있는 결과까지

정식화 · 본 글의 종합. 과제 g와 embodiment e가 주어지고 환경 상태 s는 부분적으로만 관측된다. 관측 이력 h로 belief b를 구성하고 정책 π(a|b,g,e)가 행동을 선택하며, 세계모델 p(s′|s,a,e)는 그 결과를 예측한다. 실제 로봇에서는 좌표계·시간·관절 한계·접촉 상태가 이 수학적 연결을 구현해야 한다.

이 식은 특정 논문의 목적함수를 재현한 것이 아니라 풀 스택 설계 문제의 개념적 정식화다. 훈련 분포에서 높은 성공률을 얻는 동시에, 과제·환경·로봇이 변할 때 적응 비용과 위험을 제한해야 한다. π0.5는 새로운 가정 환경의 일반화 문제를 구체화하고, FEARL과 ForesightSafety-VLA는 능력과 안전 평가를 분리해야 하는 이유를 보여 준다.[4][8][9]

예를 들어 “깨지기 쉬운 컵을 치워라”는 문장은 대상 식별, 잡기 가능성, 미끄러짐·파손 위험, 사람 접근, 놓을 공간, 실패 시 재계획을 함께 요구한다. 언어 이해의 정답과 물리 임무의 성공 사이에 존재하는 이 연결이 핵심 연구 문제다.

PART 03 · CORE CONCEPTS

여덟 층과 세 가지 시간 척도

참조 구조 · 편집 해석. 다음 층은 논문들을 연결한 아키텍처 지도이며, 인용한 모델들이 이 조합을 공동 구현하거나 상호 운용성을 검증했다는 뜻은 아니다.

데이터·안전·평가는 모든 층을 관통한다. 이들을 마지막 부속품으로 붙이면 모델이 무엇을 학습했고 왜 실패했는지 추적하기 어렵다. 의미적 계획은 느리게, 행동 정책은 더 빠르게, 안정화 제어는 가장 빠르게 반응하도록 시간 척도를 분리하는 설계가 유용하다. 구체적 주기는 하드웨어와 과제의 제어 요구에서 정해야 하며 보편적인 한 값으로 고정할 수 없다.

PART 04 · INTRODUCTION

컵 하나를 옮기는 일에 왜 전체 시스템이 필요한가

깨끗한 실험실에서 익숙한 물체를 잡는 것과, 처음 방문한 집에서 여러 물체를 치우는 것은 다른 문제다. 바뀐 조명과 가려진 물체는 지각을 흔들고, 이동과 조작은 좌표를 바꾸며, 작은 실수는 다음 하위과제의 전제를 무너뜨린다. 이 예시는 풀 스택의 필요성을 설명하는 사고실험이다.

2025년의 GR00T N1·Gemini Robotics·π0.5는 대규모 사전학습 지식을 실제 행동에 연결하는 다양한 경로를 제시했다. 2026년의 π0.7·Embodied-R1.5는 조건부 실행과 신체화 추론을 확장하고, 안전 연구는 “할 수 있는가”와 “안전하게 했는가”를 분리한다.[2][3][4][6][7][9]

핵심 논지 · 종합 해석. 범용성은 모델 내부 능력과 시스템 간 연결 품질이 함께 결정한다. 좋은 정책이 잘못된 좌표계로 행동하거나 오래된 관측을 사용하면, 언어·비전 점수가 좋아도 임무는 실패할 수 있다.

PART 05 · MOTIVATION AND BACKGROUND

웹의 지식을 물리 경험으로 바꾸는 병목

웹 규모의 시각·언어 데이터는 물체와 상황의 의미를 제공하지만, 특정 로봇이 어느 힘으로 언제 접촉해야 하는지 직접 알려 주지는 않는다. 반대로 로봇 궤적은 행동을 정확히 담지만 수집 비용과 embodiment 의존성이 크다. GR00T의 이질적 데이터 혼합과 π0.5의 co-training은 이 간극을 줄이는 접근이다.[2][4]

Cosmos는 세계모델뿐 아니라 큐레이션·토크나이저·후속학습을 플랫폼 구성에 포함한다. 이는 데이터 생산과 활용을 함께 설계해야 한다는 배경을 제공한다. 다만 생성된 데이터가 희귀 접촉 실패나 실제 센서 오류까지 충실하게 재현하는지는 별도의 검증 문제다.[1]

전략적 해석. ETRI와 같은 연구기관의 풀 스택 과제에서는 모델 규모 외에 센서·제어·네트워크·검증 자산의 연결을 차별화할 수 있다. 연구 목표는 최고 모델 하나의 도입보다 새 임무를 안전하게 추가하는 비용의 감소로 정의하는 편이 시스템 투자의 효과를 측정하기 쉽다.

PART 06 · CHALLENGES

일반화, 접촉, 장기 수행, 안전은 서로 얽힌다

마지막 행은 로봇 안전 평가와 UAV 의사결정 평가를 종합한 시스템 관점이다. 두 평가가 동일한 하드웨어·정책에서 수행됐다는 뜻은 아니다. 높은 임무 성공률만으로 안전한 운용을 주장할 수 없다는 점은 ForesightSafety-VLA의 안전/위험 성공 구분과 직접 연결된다.[9]

PART 07 · RESEARCH QUESTIONS

풀 스택을 실험 가능한 질문으로 바꾸기

연구 질문 · 본 글의 제안. 다음 질문은 각 논문의 미해결 부분을 연결해 구성한 연구 의제다. 각 질문에는 반증 가능한 비교 실험이 필요하다.

1. 표현의 공유 범위: 무엇을 공통 표현에 넣고 무엇을 embodiment별로 남겨야 하는가? 공유 backbone+adapter와 독립 모델을 같은 적응 예산으로 비교한다.
2. 세계모델의 실용 가치: 동일 비용의 실제 시연 추가보다 합성 데이터·반사실 계획이 실물 성능을 더 개선하는가? 영상 품질과 실물 성공을 따로 측정한다.
3. 추론과 실행의 연결: 명시적 하위목표가 직접 VLA보다 장기 임무와 복구에 도움이 되는가? 의미 이해·행동·누적 실패를 분해한다.
4. 안전 모듈의 보증 범위: 낮은 차원의 안전 인터페이스가 어떤 위험을 보존하고 어떤 위험을 놓치는가? 센서 누락·범위 밖 위험을 의도적으로 평가한다.
5. 불확실성과 도움 요청: 모델이 모를 때 적절히 중단·질문하는가? 잘못된 확신과 불필요한 거절을 동시에 측정한다.
6. 분산 운용: 어떤 기능을 edge에 남겨야 통신 단절에서도 안전한가? 지연·손실·관측 노후화를 독립적으로 변화시킨다.
7. 지속 학습: 새 경험을 반영하면서 기존 능력과 안전 제약을 보존하는가? 업데이트 전후의 고정 회귀시험과 새로운 임무 시험을 모두 시행한다.

이 연구 질문의 근거 축은 일반화 [4][6], 세계모델 [1], 신체화 추론 [7], 안전 분리 [8], 과정 평가 [9], 분산 의사결정 [10]이다.

PART 08 · APPROACHES (METHODS)

데이터 확장과 실행 검증을 하나의 순환으로

문헌에서 확인한 접근. 이질적 co-training은 언어·비전의 의미적 지식을 로봇 행동으로 이전하는 경로다. GR00T N1은 VLM과 diffusion 행동 모듈을 공동 학습하고, π0.5는 의미적 하위과제와 저수준 행동을 다중 데이터와 결합한다. π0.7은 하위목표 이미지·메타데이터를 추가 조건으로 사용한다.[2][4][6]

Gemini Robotics는 embodied reasoning과 VLA를 함께 제시한다. Embodied-R1.5는 인지·계획·수정·pointing을 하나의 신체화 기반모델에 연결한다. 이들은 의미 수준의 이해를 강화하지만, 전신 접촉 제어는 별도 연구 축이다.[3][7]

ResMimic은 인간 동작 추적을 기반으로 잔차 학습을 더해 물체 상호작용을 정교화한다. FEARL은 큰 정책과 작은 안전 모듈을 분리하여 검증 대상을 줄인다. 정책의 표현력과 검증 가능한 인터페이스를 함께 설계하는 접근으로 읽을 수 있지만, 두 논문의 통합 구현은 본 글의 제안이다.[5][8]

통합 방법론 · 제안. ① 시연·실패·환경 메타데이터를 수집한다. ② 사전학습 정책과 embodiment adapter를 학습한다. ③ 세계모델·시뮬레이션으로 변형 상황을 만든다. ④ 실물에서 전이 효과를 확인한다. ⑤ runtime 안전과 복구를 검증한다. ⑥ 운영 로그에서 실패 군집을 추출한다. ⑦ 검증된 데이터로만 업데이트하고 회귀시험 후 배포한다.

층 사이 메시지에는 단위·좌표계·타임스탬프·모델 버전·유효기간·불확실성·실행 권한을 포함하는 인터페이스를 제안한다. “컵을 잡아라”라는 목표뿐 아니라 사용한 관측과 허용 힘·중단 조건도 함께 전달해야 실패 원인을 추적할 수 있다. 이는 인용 모델들이 이미 공통 프로토콜을 지원한다는 주장이 아니다.

PART 09 · KEY APPLICATIONS

적용 분야마다 범용성의 경계를 명시하기

산업적 의미는 한 번의 멋진 시연보다 작업 변동을 감당하면서 사람 개입과 실패 비용을 줄이는가에 있다. 같은 모델이라도 물류 집기와 정밀 조립에서 필요한 센서·허용 오차·안전 조건은 달라진다.

PART 10 · OPEN PROBLEMS

현재 근거가 아직 닫지 못한 간극

문헌을 연결한 미해결 문제. 이번에 확인한 논문들로 데이터 생성부터 장기 실물 운용까지 전체 조합이 검증됐다고 말할 수 없다. 서로 다른 benchmark, 시연 데이터, 하드웨어, fine-tuning 조건은 단일 순위로 합치기 어렵다.

• 물리적으로 유효한 세계모델: 시각적으로 그럴듯한 미래가 힘·접촉·보존 제약을 만족하는지, 그 오류가 정책 학습에 어떻게 전달되는지 검증해야 한다.
• 촉각과 숨어 있는 상태: 마찰·미끄러짐·내부 물성처럼 영상만으로 불충분한 정보를 어떤 관측과 기억으로 보완할 것인가?
• 조합적 범용성: 각각 해 본 동작을 처음 보는 순서·도구·환경에 결합할 때 능력이 유지되는가?
• 안전의 조합 가능성: 각 모듈이 안전해도 시간 지연·좌표 변환·센서 오류를 포함한 연결이 안전한지는 추가 증명이 필요하다.
• 지속 학습의 승인: 어떤 경험을 학습에 넣고 어떤 업데이트를 현장에 허용해야 하는지 결정 기준이 부족하다.
• 평가와 현실의 간극: 희귀 사고·장시간 마모·사람과의 상호작용을 제한된 benchmark로 얼마나 대표할 수 있는가?

위 항목들은 Cosmos, π 계열, FEARL, ForesightSafety의 범위를 연결한 해석과 연구 질문이다.[1][6][8][9] 특히 형식 검증의 보증은 지정된 속성과 가정 안에서 성립한다. 모든 위험에 대한 무조건적인 보증으로 확대하면 안 된다.

PART 11 · FUTURE DIRECTIONS

검증 가능한 전이를 중심으로 연구를 조직하기

창의적 제안 · 본 글의 연구 의제. 범용 Physical AI의 다음 목표를 “모든 행동을 한 모델에 넣기”만으로 정의하지 말고, 새 과제·새 로봇·새 환경을 추가할 때 필요한 실물 데이터와 검증 비용을 줄이는 방향으로 정식화할 수 있다.

1. 행동과 근거를 함께 남기는 실행 기록: 목표·관측·예측 결과·제약·실제 결과를 연결한 기록을 만든다. 안전을 증명하는 만능 인증서가 아니라 회귀검사와 원인 분석의 입력이다.
2. 안전 조건을 포함한 skill 계약: 기술의 적용 전제, 물체·힘·공간 범위, 실패 신호, 복구 경로를 명시한다. 새 embodiment로 전이할 때 계약 중 어떤 부분을 재검증할지 결정한다.
3. 세계모델의 반례 탐색: 성공 영상의 생성뿐 아니라 정책이 실패하는 조명·접촉·지연 조합을 찾고 실물에서 재확인한다.
4. 불확실성에 따른 실행 조절: 추정이 불안정하면 속도·힘을 줄이거나 재관측·도움 요청·중단을 선택한다. 성능과 안전 비용의 교환관계를 평가한다.
5. 협업지능과 edge 안전: 공유 임무·공간 상태를 이용해 다중 로봇 협업을 연구하고, 안전에 필요한 최소 기능은 통신 장애에도 동작하도록 설계한다.

국가 R&D 기획에서는 모델, 센서·제어, 데이터·시뮬레이션, 안전·시험, 통신·운영을 별개 성과로만 관리하기보다 공통 임무의 검증 단계로 연결하는 것이 유용하다. 이 로드맵은 확정된 학술 합의나 달성 예측이 아니라, 위 논문들에서 확인한 병목을 평가 가능한 프로그램으로 바꾼 제안이다.

EVIDENCE MAP

논문별 기여와 해석의 경계

PRIMARY SOURCES

출처와 읽기 경로

날짜는 arXiv 첫 공개일이며 학회 발표일과 다를 수 있다. 2024년 π0 등 이전 연구는 배경 계보에 해당하지만 이번 핵심 문헌 목록에서는 제외했다. 아래 링크에서 버전별 변경을 확인할 수 있다.

1. Cosmos World Foundation Model Platform for Physical AI2025-01-07 · arXiv 공개 연구 / 기술보고서 · 참조일 2026-10-06 KSThttps://arxiv.org/abs/2501.03575
2. GR00T N1: An Open Foundation Model for Generalist Humanoid Robots2025-03-18 · arXiv 공개 연구 / 기술보고서 · 참조일 2026-10-06 KSThttps://arxiv.org/abs/2503.14734
3. Gemini Robotics: Bringing AI into the Physical World2025-03-25 · arXiv 공개 연구 / 기술보고서 · 참조일 2026-10-06 KSThttps://arxiv.org/abs/2503.20020
4. π0.5: a Vision-Language-Action Model with Open-World Generalization2025-04-22 · arXiv 공개 연구 / 기술보고서 · 참조일 2026-10-06 KSThttps://arxiv.org/abs/2504.16054
5. ResMimic: From General Motion Tracking to Humanoid Whole-body Loco-Manipulation via Residual Learning2025-10-06 · arXiv 공개 연구 / 기술보고서 · 참조일 2026-10-06 KSThttps://arxiv.org/abs/2510.05070
6. π0.7: a Steerable Generalist Robotic Foundation Model with Emergent Capabilities2026-04-16 · arXiv 공개 연구 / 기술보고서 · 참조일 2026-10-06 KSThttps://arxiv.org/abs/2604.15483
7. Embodied-R1.5: Evolving Physical Intelligence via Embodied Foundation Models2026-06-09 · arXiv 공개 연구 / 기술보고서 · 참조일 2026-10-06 KSThttps://arxiv.org/abs/2606.11324
8. Verifiable Foundation Models for Robot Safety2026-06-22 · arXiv 공개 연구 / 기술보고서 · 참조일 2026-10-06 KSThttps://arxiv.org/abs/2606.23754v1
9. ForesightSafety-VLA: A Unified Diagnostic Safety Benchmark for Vision-Language-Action Models2026-06-25 · arXiv 공개 연구 / 기술보고서 · 참조일 2026-10-06 KSThttps://arxiv.org/abs/2606.27079
10. PhysAI-Bench: A Benchmark for LLM-Based Agentic Decision-Making in Autonomous UAV-Centric Physical AI2026-09-20 · arXiv 공개 연구 / 기술보고서 · 참조일 2026-10-06 KSThttps://arxiv.org/abs/2609.23695