제조업의 디지털 전환이 가속화되면서 카메라와 센서를 기반으로 한 머신비전(Machine Vision)이 공장 자동화의 핵심 기술로 자리매김하고 있다. 하지만 여전히 많은 제조 현장에서는 모터, 베어링, 액추에이터, 조립·체결 공정 등에서 발생하는 이상음을 작업자가 직접 듣고 판정하는 방식이 활용되고 있다. 디플리 이수지 대표는 이러한 한계를 극복할 차세대 기술로 ‘사운드 AI(Sound AI)’를 제시한다. 특히 시각적 검사만으로는 확인하기 어려운 설비 이상과 품질 결함을 감지할 수 있다는 점에서 사운드 AI는 최근 피지컬 AI 구현을 위한 핵심 기술로 주목받고 있다.
제조업의 디지털 전환이 확산되면서 산업계의 관심은 이제 ‘자율제조’로 향하고 있다. 설비와 공정에서 방대한 데이터가 수집되고 AI가 이상 징후를 감지하며 고장을 예측하는 단계까지는 도달했지만, 실제 현장에서는 여전히 사람이 알람을 확인하고 원인을 분석한 뒤 최종 의사결정을 내리는 경우가 많다. 그렇다면 AI는 언제쯤 단순 분석을 넘어 제조 운영의 핵심 의사결정까지 담당할 수 있을까? 이제 제조업의 경쟁력은 ‘스스로 판단·실행하는 공장’을 구현하는 데 달려 있다.
피지컬 AI와 로봇 시뮬레이션 기술이 빠르게 발전하는 가운데, 로봇이 가상 환경에서 학습한 결과를 실제 산업 현장에서도 동일하게 구현하려면 무엇이 필요할까? 최근 업계에서는 물리적 특성과 구조 정보를 포함한 ‘Sim-Ready 데이터’가 핵심 인프라로 주목받고 있다. 로봇이 현실 세계를 정확하게 이해하고 동작하기 위해서는 정교한 가상 환경과 고품질 학습 데이터가 필수적이기 때문이다. 그렇다면 기존 생성형 AI 기반 3D 모델링 기술만으로 충분할까?
