[현장+] 노타 "로보틱스 VLA 최적화 시장 선도할 것"

[녹색경제신문 = 김지윤 기자] 노타가 피지컬AI 시장 개화에 발맞춰 VLA(Vision-Language-Action) 영역에서 존재감을 키우고 있다. '로봇의 두뇌'를 선도하는 테크로 발돋움하겠다는 포부다. 

피지컬AI 시대가 본격화되면서 로봇의 두뇌 역할을 하는 VLA 모델에 대한 관심이 높아지는 가운데, 산업용 디바이스에서 AI를 안정적으로 구동하기 위해서는 수 있도록 만드는 '온디바이스 최적화' 기술이 병행돼야 한다. 노타AI는 독자적인 기술력을 바탕으로 VLA 시장을 선도하겠다는 목표다.   

김태호 노타 CTO는 한국미래기술교육연구원(KECFT)이 17일 주최한 세미나에서 "아무리 좋은 AI 모델이 나와도 다양한 디바이스에서 쉽게 구동할 수 없다면 실제 산업 현장에서는 활용하기 어렵다"며 "피지컬AI 상용화의 핵심은 결국 AI를 얼마나 효율적으로 실행할 수 있느냐에 달려 있다"고 말했다.

노타는 AI 모델 최적화 플랫폼 '넷츠프레소(NetsPresso)'를 통해 산업현장에서의 실질적인 AI 구동을 돕는 기업이다. AI 엔지니어가 특정 반도체나 디바이스를 대상으로 복잡한 최적화 과정을 직접 수행하지 않아도 손쉽게 AI 모델을 경량화하고 배포할 수 있도록 지원하는 것이 목표다.

김 CTO는 "새로운 AI 모델이 나올 때마다 하드웨어별 최적화 방법을 처음부터 공부해야 한다면 개발 비용이 지나치게 커진다"며 "넷츠프레소는 개발자가 원하는 디바이스에서 AI 모델을 빠르게 실행할 수 있도록 돕는 플랫폼"이라고 설명했다.

실제 사례도 공개했다. 노타AI는 과거 컴퓨터비전(CV) 모델 구동을 목적으로 설계된 퀄컴 로보틱스 플랫폼 QRB5165에서 VLM을 실행하는 데 성공했다.

김 CTO는 "원래는 VLA 구동을 염두에 두고 설계된 칩이 아니었지만 메모리 제약 안에서 돌아갈 수 있도록 모델을 경량화했다"며 "아예 실행 자체가 불가능했던 것을 가능하게 만든 사례"라고 말했다.

최근에는 퀄컴의 산업용 AI 플랫폼 'Dragonwing IQ-9075'에서도 VLA 최적화 성과를 확보했다. 실험을 진행한 SmolVLA 0.5B는 당시 IQ-9075 NPU의 공식 지원 대상이 아니었지만 구동 환경을 구축한 뒤 추가 최적화를 통해 구동에 성공했다는 설명이다. 

김 CTO는 "단순히 속도를 조금 높인 것이 아니라 원래 구동되지 않던 모델을 실행 가능하게 만들고, 이후 성능까지 개선했다는 점에 의미가 있다"며 "현재 온디바이스 분야에서는 저전력의 NPU가 각광을 받고 있는데, NPU는 경량화·최적화가 동반돼야 성능을 낼 수 있기 때문에 시장 성장성이 크다"고 말했다.

노타는 피지컬AI가 온디바이스 AI만으로 구현되지는 않을 것으로 보고 있다. 로봇이 수행하는 작업의 특성에 따라 디바이스와 데이터센터가 역할을 나누는 하이브리드 구조가 현실적인 방향이라는 설명이다.

김 CTO는 "실시간 반응이 필요한 작업은 온디바이스에서 처리하고 복잡한 추론은 데이터센터에서 수행하는 구조가 자연스럽다"며 "온디바이스만으로도, 데이터센터만으로도 완전한 피지컬AI를 구현하기는 어렵다"고 말했다.

실제로 노타AI는 SK텔레콤과 함께 입력 질의를 온디바이스에서 처리할지, 클라우드로 전송할지를 판단하는 AI 라우팅 기술을 연구했다. 회사 발표자료에 따르면 해당 기술을 적용한 결과 응답 품질은 유지하면서 응답 시간은 15.4초에서 10.9초로 약 29% 단축됐다.

또 다른 핵심 기술로는 '이기종 컴퓨팅(Heterogeneous Computing)'을 꼽았다. 하나의 반도체 안에 CPU, GPU, NPU가 공존하는 만큼 AI 모델 전체를 단일 프로세서에 올리는 것이 아니라 작업 특성에 따라 나눠 배치해야 한다는 설명이다.

김 CTO는 "AI 모델이 복잡해질수록 어떤 연산을 어느 프로세서에 배치하느냐가 중요해진다"며 "특히 VLA는 이미지 인식과 언어 이해, 행동 생성이 모두 결합돼 있어 효율적인 연산 분배가 필수"라고 말했다.

노타는 현재 VLM 기반 영상 분석 솔루션 'NVA(Nota Vision Agent)'를 통해 산업 현장의 데이터를 축적하고 있다. 대전시 교통관제, 군포시 불법투기 감지, 중동 지역 교통사고 대응 시스템 등이 대표 사례다.

특히 군포시 사례에서는 VLM이 단순 객체 인식을 넘어 사람이 물건을 버리는 행동의 맥락을 이해해 불법투기를 판별할 수 있다고 설명했다. 중동 교통관제 프로젝트에서는 사고 발생부터 처리 완료까지의 과정을 자동으로 기록해 보고서를 생성하는 기능도 소개했다.

노타는 향후 VLA 학습용 산업 데이터 생성 기술과 차세대 비전 인코더 연구도 강화할 계획이다. 김 CTO는 "결국 VLA 성능을 결정하는 것은 데이터"라며 "산업 현장에서 확보하기 어려운 데이터를 합성·증강하는 기술이 중요해질 것"이라고 말했다.

그는 이어 "회사의 역할은 단순히 모델을 만드는 것이 아니라 다양한 반도체에서 VLA가 효율적으로 동작하도록 최적화하고, 실제 산업 데이터를 확보하며, 기반 기술 연구까지 수행하는 것"이라며 "피지컬AI 상용화를 위한 전 주기를 준비하고 있다"고 말했다.