피지컬 인텔리전스, π 모델을 로봇 업계 공용 두뇌로 내놨다…Weave와 Ultra 현장서 자율도 96.4%

미국 로봇 AI 스타트업 피지컬 인텔리전스(Physical Intelligence)가 2026년 2월 24일 사업 구상을 처음으로 구체적으로 공개했다. 회사는 「The Physical Intelligence Layer」라는 글에서 자사 범용 로봇 모델을 다른 기업이 로봇 제품을 만들 때 그대로 가져다 쓰는 공용 계층으로 만들겠다고 밝혔다. 앱 개발자가 대규모 언어모델을 직접 학습하지 않고 API로 불러 쓰듯 로봇 기업도 두뇌를 사서 쓰게 하겠다는 것이다. 근거로는 π0.6 모델을 쓰는 로봇 기업 Weave와 Ultra의 현장 성과를 내놨다.

핵심 수치는 두 파트너에서 나왔다. 회사에 따르면 π0.6은 물류 로봇 기업 Ultra의 고객사 현장에서 전자상거래 주문 포장 작업을 한 교대 근무 내내 자율도 96.4%로 수행했다. 가정용 로봇 기업 Weave의 세탁물 개기 작업에서는 이전 모델 π0.5보다 자율도가 높아졌고, Weave 자체 데이터를 사전학습에 넣자 연속 집기 실패가 42%, 세탁물 1회분당 사람 개입이 50% 줄었다고 회사는 밝혔다. 가격, API 조건, 출시 시점, 모델 가중치 공유 여부는 공개하지 않았다.

발표 내용

회사가 공용 계층 후보로 제시한 모델은 π0, π0.5, π0.6, π*0.6 네 가지다. 피지컬 인텔리전스는 로봇 배치를 전문으로 하는 기업과 협력해 실제 환경 성능을 입증하고 다양한 작업과 환경에서 범용성을 시험한다고 설명했다. Ultra 사례에서는 π0.6이 π0.5보다 포장 성공률을 높였고 Ultra 데이터를 사전학습에 추가하자 시간당 처리량이 늘었다고 밝혔지만 절대 수치는 그래프로만 제시했다. 회사는 곧 공개할 다른 파트너들과도 협력하고 있다고 덧붙였다.

두 파트너는 시장의 양 끝에 있다. Weave는 가정용 로봇을 만든다. 회사 웹사이트에 따르면 고정형 세탁물 개기 로봇 Isaac 0을 캘리포니아 전역에 출하하고 있으며 가정용 로봇 Isaac 1은 2026년 가을 첫 출하를 예정하고 있다. Ultra는 기존 작업대에 바로 투입하는 산업용 AI 로봇 OP1을 만든다. 회사에 따르면 OP1은 하루 최대 24시간 포장, 분류, 키팅을 수행하고 설치 면적 5x5피트, 가반하중 최대 10파운드에 일반 120V 콘센트로 작동하며 뉴욕에서 생산된다. 고객에게는 3개월 시범 사용을 제공한다.

회사 배경

피지컬 인텔리전스는 공동창업자 카롤 하우스만(Karol Hausman)이 최고경영자를 맡고 있다. 2025년 11월 20일 시리즈B를 주도한 알파벳 계열 성장펀드 CapitalG에 따르면 창업진에는 Lachy Groom, Sergey Levine, Chelsea Finn, Brian Ichter, Quan Vuong, Adnan Esmail이 포함된다. 투자사 Outset Capital은 이 라운드에서 기업가치 56억달러에 6억달러를 조달했으며 Lux Capital, Thrive Capital, 제프 베이조스, Index Ventures, T. Rowe Price가 참여했다고 밝혔다. CapitalG는 π0.6이 지시, 코칭, 자율 연습을 거쳐 학습하며 에스프레소 만들기, 빨래 개기 등에서 성공률이 90%를 넘는다고 설명했다.

경쟁 구도

이번 구상으로 피지컬 인텔리전스는 로봇 두뇌 공급 경쟁의 한복판에 섰다. 스킬드AI(Skild AI)는 2026년 1월 기업가치 140억달러에 14억달러를 조달하며 하나의 모델로 모든 로봇을 구동하겠다고 내세웠다. 로다AI(Rhoda AI)는 3월 10일 인터넷 영상으로 사전학습한 공장 로봇용 모델을 앞세워 4억5000만달러 시리즈A와 함께 모습을 드러냈다. 피규어(Figure)는 자체 모델 Helix를 외부에 팔지 않고 1월 휴머노이드 전신 제어용 Helix 02를 내놨다. 엔비디아는 CES에서 GR00T N1.6을 개방형으로 공개했고 구글 딥마인드는 3월 연구 협약을 맺은 독일 Agile Robots 등 하드웨어 기업에 Gemini Robotics 모델을 공급한다.

기술 구조

이들 모델은 시각, 언어, 행동을 하나로 묶은 VLA 모델이다. 카메라 영상과 자연어 지시를 받아 모터 명령을 출력한다. 파트너는 자기 로봇과 작업에서 시연 데이터를 모아 공용 모델을 미세조정해 제품에 탑재한다. Weave와 Ultra 사례에서 가장 큰 개선은 파트너 데이터를 피지컬 인텔리전스의 사전학습에 다시 넣었을 때 나왔다. 배치가 늘수록 기반 모델이 좋아지고 그 이득이 모델 공급자에게 쌓이는 구조다.

일주일 뒤인 3월 3일 회사는 다중 스케일 체화 기억(MEM)을 공개했다. 스탠퍼드대, UC버클리, MIT 연구진이 공저자로 참여한 arXiv 논문에 따르면 MEM은 구글 Gemma 3 4B를 언어 백본으로 쓰는 π0.6에 최근 상황을 담는 압축 영상 기억과 장기 사건을 담는 텍스트 요약 기억을 더해 최대 15분 분량을 기억하게 한다. 논문은 주방 정리, 그릴드 치즈 샌드위치 만들기 등 장시간 작업을 시연했다.

한국 산업에 주는 의미

국내 로봇 업계는 대기업 계열을 중심으로 하드웨어와 부품 경쟁력을 키워 왔지만 범용 로봇 모델에서는 미국과 중국 기업에 뒤처져 있다는 평가가 많다. 범용 두뇌를 사서 쓰는 구조가 자리 잡으면 국내 로봇 기업은 하드웨어와 현장 데이터에 집중하는 대신 모델 공급자에게 데이터와 수익 일부를 넘길 수 있다. 정부가 추진하는 K-휴머노이드, 피지컬 AI 정책이 독자 모델 확보에 무게를 두는 이유도 여기에 있다.

위험 요인

과제도 크다. 상업 조건이 전혀 공개되지 않았고 성과는 두 파트너의 자체 발표에 기반한다. 한 교대 동안 자율도 96.4%는 나머지 시간에는 사람이 도와야 한다는 뜻이다. 파트너 데이터의 소유권, 로봇 탑재 추론 비용, 모델 오작동 시 책임 소재도 밝혀지지 않았다.