[서론]

CES 2026은 로보틱스가 ‘시연 중심의 신기술’ 단계를 넘어, 산업 및 소비자 영역에서 제품ㆍ플랫폼으로 확산하는 변곡점임을 강하게 시사하였다[그림 1]. 다수의 기업이 가정, 서비스, 산업용 로봇을 대거 공개하였고, 휴머노이드가 제조 현장 투입을 전제로 구체적인
적용 시나리오를 제시하기 시작했다. 특히, 현대자동차그룹 산하 Boston Dynamics의 Atlas 휴머노이드는 CES 2026에서 공개되며 ‘Best Robot’으로 선정되는 등 상징적 장면을 만들었다. Atlas는 인간 유사 보행과 공장 현장 적용을 염두에 둔 설계(자동차 조립 라인 투입 가능성)로 평가되었으며, 이와 같은 발표는 물리적 공간에서의 피지컬 AI(Physical AI) 시대로의 진입을 강하게 암시한다. CES 2026은 로봇 하드웨어 혁신뿐 아니라, 로봇 지능의 소프트웨어 기반이 급속히 고도화되고 있음을 보여주었다. 엔비디아(NVIDIA)의 Jensen Huang은 일반 로보틱스가 ChatGPT의 순간을 맞이했다고 언급하며, 그 배경을 피지컬 AI의 돌파구, 즉 현실 세계를 이해하고 물리적 제약 하에서 추론ㆍ계획할 수 있는 AI 모델의 발전으로 지목했다. 젠슨 황은 CES 2026 기조연설에서 현실은 통계가 아니라 물리 법칙으로 움직이기 때문에, 데이터만으로는 충분하지 않고, 월드 파운데이션 모델(World Foundation Model: WFM)이 필요하다고 강조했다. 현실을 그대로 복제한 가상 세계에서 수업이 실험하고 검증할 수 있어야 하기 때문이고,
따라서 시뮬레이션 없는 AI는 물리 세계에서 판단할 수 없다고 언급했다.

이 흐름은 최근의 두 기술 축, 즉 ① 파운데이션 모델[Embodied Reasoning(ER)+World model(WM)]과 ② Vision-Language-Action(VLA) 모델의 결합이 로봇 지능을 구조적으로 끌어올리고 있음을 시사한다. 즉, 파운데이션(foundation) 모델은 웹ㆍ비디오ㆍ멀티모달 데이터의 대규모 사전학습을 통해 범용 표현, 상식적 추론, 물리 세계의 예측 능력을 제공한다. 반면, VLA 모델은 로봇이 시각ㆍ언어ㆍ행동(action)을 통합하여, 관측과 지시를 입력으로 받아 실행이 가능한 제어 출력을 직접 생성하는 정책 모델로서, 피지컬 AI의 폐루프(Closedloop) 실행을 담당한다. 본 고는 이러한 배경에서 피지컬 AI의 개념을 재정의하고, 피지컬 AI를 구성하는 계층적 아키텍처를 제시한 뒤, 피지컬 AI의 핵심 기반 기술로 부상한 파운데이션 모델과 VLA 모델의 기술 동향을 체계적으로 정리한다.

--------------------------------------------------------------------------------------------------------------------------------------------------------