연구 · 선박 Physical AI 와이어

선박 피지컬 AI 브리핑 · 2026년 10월 26일

  • 선상가열·곡가공 AI: 지난 금요일 이후 신규 없음
  • Ocean Engineering 논문(10/12 온라인): 학습 데이터 없이 블록 합류면의 보(스티프너) vs 외판을 구분 — 설계 모델 2D 투영 + SAM + 위상 규칙 프롬프트 + 로컬 VLM (저자 보고, 링 유닛 실험)
  • 버넥트–HD한국조선해양·HD현대중공업 MOU(10/21 체결): AR·AI·로봇 현장 협력, 2년 — 구체 과제 미정(틀 수준)
  • 핀칸티에리 로보틱스 책임자 발언(Tech Journal UK): 배치 로봇의 가치 기여 15~20% 추정, 단일 대형 VLA로는 mm 정밀도 불가

슬라이드 1 · 선상가열·곡가공 AI

신규 없음

  • 지난 금요일 이후 새로 나온 선상가열·곡가공 AI 발표·논문은 확인하지 못함
  • 검색에 잡힌 KAIST·HD한국조선해양 DNN 역설계, 오사카공립대·JMU AI 선상가열, 대련해사대 WMA-CNN, 한화오션 곡누리는 기존에 다뤘거나 새 내용 없음

슬라이드 2 · 블록 합류면 학습 없는 의미 인식 (논문, 10/12 온라인 게재)

위상 가이드 VLM으로 보(스티프너)·외판 구분 — 학습 데이터·재학습 불필요

Ocean Engineering, 2026-10-12 온라인 게재. 수치는 논문 초록 기준(저자 보고).

  • 배경: 블록 정도관리는 3D 레이저 스캔 기반 시공 품질 검사·가상 조립에 의존. 합류면 구성 부재 의미 분할이 핵심점 추출·편차 평가의 전제. 기존 데이터 기반 분할은 과제별 라벨 데이터와 지도학습이 필요해 현장 신속 도입에 제약
  • 방법: ① 합류면 설계 모델을 2D 이진 윤곽 이미지로 투영(구조 인식 적응형 크롭) → ② SAM으로 클래스 비특정 후보 마스크 추출 → ③ 부재 명칭을 묻는 대신 “보 = 주 외판에 붙은 가지 형태”라는 위상 관계 프롬프트로, 오픈소스·로컬 배포 가능 VLM이 각 마스크를 판정
  • 결과(저자 보고): Qwen3 기준 위상 프롬프트로 Mean PA/mIoU 0.5438/0.3840 → 0.9667/0.9087
  • 링 유닛 공학 실험(저자 보고): 설계 모델 정밀 분할 지표 4종 모두 0.99 초과, 국부 정합 후 스캔 점군 의미 지표 0.98 초과. 시공 품질 분석·가상 조립 검증도 수행
  • 한계: 초록상 공학 실험은 링 유닛 사례 — 형상·스캔 품질 일반화는 미검증. 외부 재현·현장 운영 데이터는 확인되지 않음
  • 의미(분석): 블록 정도관리에서 스캔 점군을 부재별로 나누는 작업은 사람 손이 많이 가는 단계. 설계 데이터 + 현장 설치형 VLM으로 라벨링·재학습 없이 자동화할 수 있다는 근거. 조선소 데이터를 외부로 내보내지 않는 온프레미스 구성이 가능하다는 점도 현장 도입 조건에 부합

https://doi.org/10.1016/j.oceaneng.2026.128686

슬라이드 3 · 버넥트–HD현대 MOU (10/21 체결, 10/23 보도)

현장 AR·AI·로봇 협력 — 2년 협약, 구체 과제는 추후 협의

버넥트 발표 기반 보도 (매일경제·이데일리·뉴스핌 10/23). 체결: 10/21, HD현대 글로벌R&D센터(GRC).

  • 당사자: 버넥트(제조·국방 피지컬 AI 기업), HD한국조선해양, HD현대중공업. 목표 ‘AR/XR 및 스마트 센싱 기반 현장 안전 강화·작업 효율 향상’
  • 역할: HD 측이 현장 수요·개선 요구사항 제시 → 버넥트가 기술 선정·실증 → 현장 피드백 반영해 고도화
  • 우선 분야: 작업정보 시각화, 설비 모니터링, 안전관리. FOS·디지털 트윈에서 현장까지 AR·AI·로봇 기술 연계 모색, 실증 성과에 따라 공동 사업화 검토
  • 기간 2년. 구체적 이행 사항은 별도 협의 → 현 단계는 틀(MOU) 수준, 실증 결과·적용 규모 없음
  • 의미(분석): 지난주 CIO가 밝힌 Twin FOS 2단계(연결·예측·최적화) 방향에, 현장 작업자 쪽 인터페이스(AR 작업지시·센싱) 공급사가 하나 더 연결되는 구도. 디지털 트윈 정보를 현장 작업자 화면까지 내리는 단계가 실증 과제로 내려올 신호이나, 실제 과제·일정은 미정

https://www.mk.co.kr/news/stock/12183878

슬라이드 4 · 핀칸티에리 로보틱스 책임자 발언 (10/23 보도, 10/13 런던 패널)

“투자 효과는 아직 곡선의 초입” — 단일 대형 VLA로는 mm 정밀도 불가

Tech Journal UK(Jeff Pao), 10/23. Economist Enterprise 주최 Physical AI and Robotics Summit 패널(런던, 10/13). 아래 수치는 패널 참석자 개인 추정·발언.

  • 15~20%: 핀칸티에리 디지털랩 로보틱스 책임자 Carlo Dentesano는 로봇으로 수익 곡선의 초입에 있다고 하며, 수치를 요청받자 **1520%**로 추정. 같은 기사는 패널 전체의 추정 범위를 **약 1550%**로 소개 — 지표 정의는 기사에 없음
  • 로드맵: 물류 로봇 → 품질 모니터링 → 용접 등 생산 작업은 그다음. “공수 절감이 목적이 아니라 사람이 로봇과 협업하는 방식” 지향(발언)
  • 단일 VLA 한계: “무거워서 저해상도 이미지에 의존하는 GPT류 단일 대형 VLA로는 제조가 요구하는 mm 정밀도 작업을 못 한다 → 여러 시스템을 결합해야” (발언)
  • 플랫폼: 공정·환경별 전용 로봇이면 10년 내 약 100종을 유지보수해야 해, 휴머노이드 포함 범용 플랫폼 하나를 검토 중(확정 아님)
  • 의미(분석): 10/14 발표된 BOOST²(회사 발표, 이미 다룸)의 현장 실체를 보여주는 발언 — 유럽 대표 조선소도 생산 공정 로봇화는 초기 단계. ’센서→행동 단일 모델’보다 계측·제어 결합형이 현실적이라는 현업 판단. 단, 개인 발언이며 통계적 근거는 제시되지 않음

https://www.techjournal.uk/p/ai-robots-struggle-to-prove-value

슬라이드 5 · 확인했으나 제외 · 다음에 볼 것

제외 항목과 관전 포인트

확인했으나 제외

  • 일본 국토교통성 조선 피지컬 AI 예산(ITmedia 10/22): 10/6 해기연 심포지엄 강연 정리, BRIDGE 조선 분야 150억 엔 등 기존 다룬 내용
  • 해기연(NMRI) 채택 과제, 가와사키중공업 조선용 로봇 시제품(NHK 10/6), HD현대삼호 AI 용접로봇 100대(9/9), NC AI·한화오션 자율 용접(6/4), 조선 M.AX 얼라이언스(10/12), 핀칸티에리 BOOST²(10/14), HII–Path/GrayMatter(8/6): 기간 밖이거나 기존 보도
  • SPIE 선박 형강 맞대기 용접 로봇 리뷰(10/6), Ocean Engineering 이중저 블록 로봇 용접 제약 최적화: 서지 정보만 확인되어 이번 호 제외

다음에 볼 것

  • 합류면 학습 없는 인식 방법의 다른 블록 형상·실제 야드 스캔 검증, 정도관리 워크플로 연계 여부
  • 버넥트–HD현대 MOU의 첫 실증 과제·적용 공정 공개 여부
  • 핀칸티에리 등 유럽 조선소의 용접 등 생산 작업 로봇 투입 성과 지표

슬라이드 6 · 출처

출처