실시간 3D 기술로 산업 전반의 디지털 혁신 주도   2025년은 혁신으로 가득한 한 해였다. 유니티의 파트너들은 다양한 산업 분야에서 획기적인 성과를 이뤄냈다. 자동차 산업에서 차량 내 경험을 혁신하는 것부터 의료 및 제조 분야의 새로운 영역을 개척하기까지, 고객들은 유니티를 활용하여 대담한 아이디어를 현실로 만들어 냈다. ■ 자료 제공 : 유니티 코리아   자동차 산업의 거침없는 혁신   자동차 산업은 2025년에 디지털 혁신을 가속화했으며, 유니티의 고객들이 이러한 추세를 주도했다. 실시간 3D 기술은 더 이상 미래지향적인 개념이 아니라 최신 차량 디자인, 엔지니어링 및 차량 내부 경험의 핵심 요소이다. 자동차 산업의 리더들은 유니티를 활용하여 더 효율적인 워크플로를 구축하고 고객에게 더욱 몰입도 높은 경험을 제공했다. 대표적인 성공 사례로 BMW 그룹에서는 유니티 애셋 매니저(Unity Asset Manager)를 사용하여 복잡한 3D 애셋을 성공적으로 관리하며 디지털 성장을 추진했다. 글로벌 제조업체에게 방대한 디지털 애셋 라이브러리를 관리하는 것은 큰 부담이 된다. BMW는 이 프로세스를 간소화하면서 일관성을 유지하고 개발 사이클을 가속화했다. 이렇게 하면 더 빠르게 반복 작업을 수행하고 더 신속하게 탁월한 품질로 시장을 혁신할 수 있다.   ▲ 출처 : 도요타 자동차   ▲ 출처 : BMW 그룹   마찬가지로 도요타와 렉서스는 차세대 HMI(인간–기계 인터페이스) 개발의 경계를 넓혔다. 이들은 유니티를 통해 직관적이면서도 풍부한 시각적 정보를 기반으로 운전자와 탑승자 모두를 만족시킬 수 있는 차량 내부 시스템을 디자인했다. 또한 메르세데스 벤츠는 차량 내부 경험의 완성도를 높이는 데 계속해서 집중하며, 몰입도 높고 반응성이 뛰어난 인터페이스를 개발하여 주행 경험의 품질을 한층 더 끌어올리고 있다.   의료 및 생명과학 분야의 혁신적인 발전 의료 산업은 환자의 치료 결과를 개선하고, 의학적 교육을 강화하며, 복잡한 생물학적 데이터를 시각화하는 데 기술을 활용하면서 발전을 지속해 왔다. 유니티의 실시간 3D 기능은 이러한 발전의 핵심으로, 수술 시뮬레이터부터 인터랙티브 환자 교육 플랫폼까지 모든 것을 구축할 수 있는 툴을 제공한다.   ▲ 출처 : 메드트로닉   2025년, 필립스는 의료 현장에서 일상 생활까지 이어지는 의료 혁신을 계속해서 선도했다. 이들의 성공 사례는 몰입형 기술이 임상 절차와 가정 내 환자 치료를 모두 지원하여 의료 접근성과 효과를 높일 수 있음을 보여 준다. 또한 메드트로닉(Medtronic)은 유니티를 사용하여 로봇 수술용 디지털 트윈을 구축했다. 이러한 가상 복제본을 활용하면 정밀도 높은 데이터 기록, 플레이백 및 시각화를 통해 외과의들이 기술을 개선하고 시술 성공률을 높일 수 있다.   ▲ 출처 : 랜덤42   랜덤42(Random42)는 의료 시각화 분야에서 큰 도약을 이루며 새로운 가능성을 보여 주었다. 이들은 유니티를 활용하여 복잡한 생물학적 프로세스를 정확하게 시각화함으로써 과학 및 의학 관련 정보를 전달하는 방식을 혁신하고 있다. 연구자, 의사 및 환자들은 이러한 발전을 통해 질병의 메커니즘과 새로운 치료법의 가능성을 더 손쉽게 이해할 수 있다.   더 스마트하고 빠르고 효과적인 제조 방식 효율, 안전성, 혁신은 제조업의 핵심 요소이다. 유니티 고객들은 실시간 3D가 이 세 가지 목표를 모두 달성하는 데 얼마나 효과적인지를 보여 주었다. 직원 교육부터 공장 현장 시뮬레이션까지, 유니티는 제조업체가 생산의 미래를 구축해 나가도록 지원하고 있다.   ▲ 출처 : SEW 유로드라이브 & 리얼버추얼.아이오   SEW 유로드라이브(SEW-EURODRIVE)는 유니티를 모비킷 맞춤형 심인터페이스(MOVIKIT Custom SimInterface) 및 리얼버추얼.아이오(realvirtual.io)에 통합하여, 엔지니어가 위험 부담 없는 디지털 트윈 환경에서 자동화 로직을 테스트하고 개선할 수 있도록 함으로써 가상 시운전에 혁신을 가져왔다. 이러한 접근 방식 덕분에 시운전 시간을 70% 단축하여 ROI를 더 빠르게 달성하고 현장 물류 오류를 최소화할 수 있게 되었다.   ▲ 출처 : 지멘스 & 에듀케이션XR   인력 교육 분야에서도 진전이 있었다. 지멘스는 몰입형 XR(확장현실) 교육 모듈을 통해 전기 분야 인력의 교육 방식을 혁신하여, 안전하고 확장 가능하며 효과적인 학습 경험을 제공한다. 비슷하게 브리지스톤 아메리카(Bridgestone Americas)는 자체 개발 VR 애플리케이션으로 엔지니어링 운영을 혁신하여, 팀이 공유 가상 공간에서 협업하고 문제를 해결할 수 있게 함으로써 실물 프로토타입과 출장의 필요성을 줄였다.   리테일 및 고객 참여에서의 혁신 리테일 산업 환경은 그 어느 때보다 경쟁이 치열하며, 고객 참여가 성공의 열쇠라고 할 수 있다. 많은 리테일 브랜드가 유니티를 통해 독특하고 개인화된 인터랙티브 경험을 구축하여 고객의 관심을 사로잡고 성과를 창출하고자 했다.   ▲ 출처 : 콜러   콜러(Kohler)는 고객 참여를 확대하기 위해 인상적인 3D 콘텐츠를 제공하기 시작했다. 제품 카탈로그를 인터랙티브 3D 애셋으로 변환하여 제공하기 때문에, 고객은 집에서도 편안하게 제품을 상세히 살펴보고 더 확실한 구매 결정을 내릴 수 있다.   ▲ 출처 : 렌 키친스   렌 키친스(Wren Kitchens)는 유니티를 통해 디자인 및 시각화 프로세스를 개선하여, 고객에게 향후 주방의 명확한 모습을 보여 주는 동시에 자체 운영 워크플로를 최적화했다. 이는 몰입형 경험이 고객 만족도와 비즈니스 효율을 동시에 높일 수 있는 방법을 보여 주는 사례이다.   미래의 몰입형 월드 구축 유니티는 산업의 경계를 넘어 스마트 시티 및 상호 연결된 가상 월드를 포함한 차세대 디지털 경험의 기반을 제공하고 있다. 이처럼 야심찬 프로젝트에는 방대한 데이터 세트를 처리하고 실시간 성능을 제공할 수 있는 플랫폼이 필요하며, 유니티 고객은 이러한 과제를 성공적으로 해결했다. 동적 스마트 디지털 트윈 구축 분야에서는 큰 폭의 진전이 있었다. 스마트 디지털 트윈 프로젝트에서는 실제 데이터를 활용하여 몰입형 시뮬레이션을 구축함으로써, 계획 담당자가 교통 체계를 모델링하고 환경 영향을 분석하며 더욱 긴밀하게 연결된 시설을 설계할 수 있도록 지원한다. 아크GIS(ArcGIS)와 유니티의 협업에 따른 결과로, 코퍼스 크리스티 항구와 디 액셀러레이션 에이전시(The Acceleration Agency)는 실제 데이터와 창의적인 비전을 결합하여 지리적으로 정확하면서도 풍부한 디지털 트윈을 구축할 수 있었다.   ​​​​​​​ ▲ 출처 : 루비   루비(ROUVY)는 유니티를 통해 실제 동영상, 3D 데이터, 라이브 센서 입력을 초현실적인 증강현실(AR) 루트로 블렌딩하여 실내 사이클링에 혁신을 가져왔다. 루비 루트 크리에이터(ROUVY Route Creator)와 같은 기능을 통해 사용자는 자신이 직접 촬영한 동영상과 GPS 데이터를 ‘실제로 주행할 수 있는’ AR 라이딩 경험으로 변환할 수 있으며, 그 결과 매주 20TB에 달하는 새로운 콘텐츠가 추가된다. 톰톰(TomTom)은 맵 디자인 및 시각화 워크플로에 주력하며, 유니티를 활용하여 가상 월드에 자동차 내비게이션 소프트웨어를 결합한 시뮬레이션 환경을 구축한다.   ▲ 출처: 구글 맵스   구글 맵스(Google Maps)는 안드로이드 XR용 몰입형 뷰로 내비게이션을 재정의하여 사용자가 도시, 랜드마크, 장소를 세밀한 3D 디테일로 둘러볼 수 있는 방법을 제공했다. 유니티 기반의 이 애플리케이션은 2D 맵에서 몰입도 넘치는 경험으로 매끄럽게 전환되며, 여행 계획과 탐험에 있어 높은 완성도를 제공한다.     ■ 기사 내용은 PDF로도 제공됩니다.

엔비디아가 자사의 AI 및 가속 컴퓨팅 콘퍼런스인 ‘엔비디아 GTC 2026’에서 에이전틱, 피지컬, 헬스케어 AI의 차세대 혁신을 가속화하기 위한 오픈 모델 제품군을 확장한다고 발표했다. 이번 발표의 핵심은 디지털 세계의 지능을 물리적 세계로 확장하는 ‘피지컬 AI(physical AI)’의 구현과 이를 뒷받침하는 데이터 인프라의 개방에 있다. 엔비디아 젠슨 황 CEO는 GTC 2026의 기조연설에서 “피지컬 AI의 시대가 도래했다”고 선언하면서 “이제 모든 산업 기업은 로봇 기업이 될 것”이라고 강조했다. 엔비디아는 개발자와 과학자가 디지털과 실제 환경 모두에서 스스로 추론하고 행동할 수 있는 지능형 시스템을 구축하도록 지원하는 새로운 모델을 선보였다. 엔비디아는 풀스택(full-stack) 플랫폼을 통해 컴퓨팅 자원부터 오픈 모델, 소프트웨어 프레임워크를 아우르며 전 세계 생태계를 하나로 묶는다는 비전을 제시했다. 차세대 스마트 공장과 물류, 운송, 인프라를 혁신할 지능형 기계를 만들어 나갈 토대를 만들겠다는 것이다. 특히 엔비디아는 피지컬 AI의 성공이 방대한 양의 데이터를 생성하는 능력에 달려 있다고 보고, 컴퓨팅을 고품질 데이터로 전환하는 새로운 유형의 에이전트 엔진을 제시했다.이러한 전략에 따라, 엔비디아는 대규모 피지컬 AI 시스템 훈련에 드는 비용과 시간, 복잡성을 줄이는 개방형 레퍼런스 아키텍처인 ‘피지컬 AI 데이터 팩토리 블루프린트(Physical AI Data Factory Blueprint)’를 공개했다. 개발자는 이 블루프린트를 사용해 엔비디아 코스모스(Cosmos) 오픈 월드 파운데이션 모델과 코딩 에이전트를 통해 제한된 훈련 데이터를 방대하고 다양한 데이터세트로 변환할 수 있다. 여기에는 현실 세계에서 포착하기 어려운 돌발 상황과 롱테일(long-tail) 시나리오가 포함되어 모델의 신뢰성을 높인다.     기술적인 성과로는 합성 세계 생성, 피지컬 AI 추론, 행동 시뮬레이션을 하나로 통합한 월드 파운데이션 모델(World Foundation Model : WFM)인 ‘엔비디아 코스모스 3’가 발표됐다. 이 모델은 피지컬 AI가 복잡한 환경에서도 원활하게 작동할 수 있도록 지원하며, 로봇이 상황을 인지하고 판단해 행동하는 자율성을 갖추게 한다. 휴머노이드 로봇 전용 모델인 엔비디아 아이작(Isaac) GR00T N1.7 버전은 실제 환경에 즉시 투입 가능한 상용화 수준에 도달했으며, 성공률을 2배 높인 차세대 GR00T N2 모델도 공개되었다.엔비디아는 글로벌 로봇 기업과의 협력을 통해 강력한 생태계를 구축하고 있다고 밝혔다. 전 세계 200만 대 이상의 로봇 설치 기반을 보유한 화낙, ABB, 야스카와, 쿠카는 엔비디아 아이작 시뮬레이션 프레임워크를 자사의 가상 시운전 설루션에 통합했다. 이를 통해 물리적으로 정교하게 구현된 디지털 트윈 환경에서 복잡한 로봇 애플리케이션과 생산 라인 전체를 개발하고 검증할 수 있게 됐다. 또한 젯슨(Jetson) 모듈을 컨트롤러에 탑재해 에지(edge)에서 실시간 AI 추론이 가능한 시스템을 구축 중이다. 국내 기업의 참여도 눈에 띈다. 엘지전자는 휴머노이드 로봇의 본격적인 현장 배치를 위해 엔비디아 아이작 GR00T N1.7을 채택했다. 삼성은 가상 환경에서 정교한 케이블 핸들링 공정을 숙달할 수 있도록 엔비디아의 물리 엔진을 활용해 조립 로봇을 훈련시키고 있다. 이외에 폭스콘 역시 스킬드 AI(Skild AI)와 협력하여 엔비디아 블랙웰(Blackwell) 생산 라인의 고정밀 조립 작업에 AI 기반의 듀얼암 로봇을 투입하여 성과를 내고 있다. 인프라 측면에서는 티모바일이 엔비디아, 노키아와 협력하여 5G 네트워크를 분산형 AI 컴퓨터로 전환함으로써 전 세계 에지 AI 인프라를 위한 확장 가능한 청사진을 만들고 있다. 마이크로소프트 애저와 네비우스는 엔비디아의 데이터 팩토리 블루프린트를 각 사의 클라우드 서비스에 통합했다. 이를 통해 개발자는 가속 컴퓨팅 성능을 대규모 훈련 데이터로 즉시 전환하고, 차세대 자율 시스템과 로봇을 현실로 구현하는 에이전트 기반 워크플로를 지원받게 된다. 헬스케어와 과학 연구 분야에서도 혁신이 이어지고 있다. 엔비디아는 단백질 결합체 설계를 위한 생성형 모델인 ‘프로티나-콤플렉사(Proteina-Complexa)’를 공개해 신약 개발 속도를 높이고 있다. 존슨앤드존슨 메드테크와 씨엠알 서지컬은 수술 로봇 시스템의 임상 배포와 훈련을 위해 엔비디아 코스모스와 아이작 심(Isaac Sim)을 도입했다. 이외에도 디즈니는 엔비디아의 물리 시뮬레이션 기술을 활용해 올라프 로봇과 드로이드의 자율 주행 능력을 강화하는 등, 엔비디아의 피지컬 AI 기술은 산업 전반으로 확산되고 있다.

주요 디지털 트윈 소프트웨어   실시간 3D 콘텐츠 제작 및 성장 플랫폼, Unity Industry (유니티 인더스트리) 개발 및 자료 제공 : 유니티 www.unitysquare.co.kr   세계를 선도하는 실시간 3D 콘텐츠 제작 및 성장 플랫폼을 제공하는 유니티(Unity)는 자동차, 제조, 정부, 건축 설계, 에너지 등 다양한 산업 분야 기업들이 AR(증강현실), VR(가상현실), 모바일, 데스크톱 및 웹에 대한 맞춤형 실시간 3D 경험을 구축하고 제공함에 있어 필요한 모든 것을 제공한다.  1. 주요 특징  Unity 에디터를 바탕으로 제공되는 Unity Enterprise 기반 Pixyz의 데이터 수집 파이프라인, Unity Cloud 제품 및 서비스 생태계에 대한 엔터프라이즈급 액세스, 전담 Customer Success 리소스 등이 모두 포함되어 있어 ‘휴먼 머신인터페이스(HMI)’부터 제품 시각화, 세일즈 컨피규레이터, 스마트 팩토리, 디지털 트윈, 시뮬레이션에 이르기까지 모든 기기에서 몰입도 높은 인터랙티브 실시간 3D 경험으로 전환 가능하다. 2. 주요 기능 유니티의 가장 큰 장점은 산업 분야만을 전담 지원하는 인더스트리 석세스(Industry Success)를 통해 기업이 필요한 역량을 확보할 수 있도록 맞춤형 솔루션을 제공한다. 300시간이 넘는 온디맨드 교육 엑세스를 통해 기업의 기술력을 높이고, 전담 파트너 매니저를 배치해 신속한 문제 해결 및 목표 달성을 위한 전략적 파트너십을 지원하고 있다. 또한, 픽시즈 플러그인(Pixyz Plugin) 사용이 가능해 3D 데이터 워크플로 최적화가 가능하며, 40개 이상 3D, 캐드(CAD), BIM 파일 유형을 자사의 실시간 3D 플랫폼으로 가져올 수 있다.  AR앱을 효율적으로 제작할 수 있도록 지원하는 유니티 마스(Unity Mar)는 Unity 에디터 내의 일반적인 언어 저작(authoring) 툴, 사용하기 쉬운 템플릿 및 다양한 테스트 환경을 통해 콘텐츠 개발을 가속화하며, iOS, Android 및 HoloLens를 지원하는 크로스 플랫폼 경험을 쉽게 출시할 수 있다.   3. 주요 고객 사이트 다양한 산업분야의 글로벌 기업들이 유니티와의 협업을 통해 디지털 전환에 따른 기술 고도화를 주도하고 있다.  자동차/교통 분야로는 현대자동차 디지털 가상공장 ‘메타팩토리’를 포함, 벤츠·BMW·아우디·볼보·제네시스·만도 등 다양한 글로벌 기업들이 참여, VR, 시물레이션, 설계구현 등 다양한 고객의 몰입형 경험 구축에 적용하고 있다.  건설/설계/제조 분야에서는 대우조선해양, 삼성중공업, 현대두산인프라코어, 한국조선해양 등 국내 대표적인 AEC 기업들과 협업을 통해 3D 디자인 및 엔지니어링 사전 시뮬레이션 등에 적용, 업무 효율성을 극대화하고 있다. 벤쿠버 국제공항(YVR)은 북미공항 최초로 실시간 3D 디지털 트윈 구축함으로써 특정 시간, 어떤 위치에서도 선제적으로 대응할 수 있는 시뮬레이션이 가능해졌으며, 네덜란드 항공사 KLM은 항공사 최초로 VR기반의 조종사 훈련 애플리케이션을 개발해, 항공교육의 표준 교육방법을 제시하고 있다.  HR 월링포드는 선박과 항구의 도선사 기술을 향상하고 교육프로그램 제공시간을 단축하기 위한 맞춤형 시뮬레이터 기반 교육을 제공하고 있으며, 트래밴코어 애널리틱스는 성과를 개선하는 몰입형 교육을 위해 지게차 운전자를 위한 가상 몰입형 교육을 개발했고, DB Systel은 핵심 증강 현실 솔루션으로, 철도 산업의 전문성에 게임 기술을 연동하고 다양한 사고방식과 기술을 융합했다.  의학 분야에서도 유니티를 이용한 몰입형 교육 솔루션을 적극 활용하고 있다. VirtaMed는 복잡한 수술 훈련 시나리오를 재현한 LaparoS 시뮬레이터를 개발해 의사들이 수술 훈련방식을 혁신하였으며, 신시내티 어린이 병원은 환자별 해부학적 구조 및 생리학적 구조의 가상 복제본인 인터랙티브 ‘휴먼 디지털 트윈’ 제작, 외과 의사가 다양한 수술법을 안전하게 테스트할 수 있도록 지원했다.  OSSO VR은 의료 실습형 XR을 통해 몰입형 교육 환경을 구축, 학습 속도와 기억력을 향상하고, 수술 전문성을 높이며, 기술 적용 능력을 최대 300%까지 증가시켰으며, Avatar Medical Vision은 실제 환자 의료 이미지와 관련하여 복잡한 해부학적 구조를 학습하는 전문 의료 애플리케이션에 XR 기술을 구현했다. Rady 어린이 병원도 의료 이미지의 몰입도 및 접근성을 향상시킨 의료용 소프트웨어 애플리케이션을 개발했다.    상세 내용은 <디지털 트윈 가이드>에서 확인할 수 있습니다. 상세 내용 보러가기

엔비디아가 에지 환경에서 실시간 AI 추론을 수행할 수 있는 엔비디아 젯슨 토르(NVIDIA Jetson Thor) 모듈을 출시했다. 젯슨 토르는 연구와 산업 현장의 로봇 시스템에서 두뇌 역할을 수행하며, 휴머노이드와 산업용 로봇 등 다양한 로봇이 보다 스마트하게 동작하도록 지원한다. 로봇은 방대한 센서 데이터와 저지연 AI 처리를 요구한다. 실시간 로봇 애플리케이션을 실행하려면 여러 센서에서 동시 발생하는 데이터 스트림을 처리할 수 있는 충분한 AI 컴퓨팅 능력과 메모리가 필요하다. 현재 정식 출시된 젯슨 토르는 이전 모델인 엔비디아 젯슨 오린(Orin) 대비 AI 컴퓨팅이 7.5배, CPU 성능이 3.1배, 메모리 용량이 2배 향상돼 이러한 처리를 디바이스에서 가능하게 한다. 이러한 성능 도약은 로봇 연구자들이 고속 센서 데이터를 처리하고 에지에서 시각적 추론을 수행할 수 있도록 한다. 이는 기존에는 동적인 실제 환경에서 실행하기에는 속도가 너무 느려 실행하기 어려웠던 워크플로이다. 이로써 휴머노이드 로보틱스와 같은 멀티모달 AI 애플리케이션의 새로운 가능성을 열어주고 있다.   ▲ 엔비디아 젯슨 AGX 토르 개발자 키트   휴머노이드 로보틱스 기업인 어질리티 로보틱스(Agility Robotics)는 자사의 5세대 로봇인 디지트(Digit)에 엔비디아 젯슨을 통합했다. 이어서 6세대 디지트에는 온보드 컴퓨팅 플랫폼으로 젯슨 토르를 채택할 계획이다. 이를 통해 디지트는 실시간 인식과 의사결정 능력을 강화하고 점차 복잡해지는 AI 기술과 행동을 지원할 수 있게 된다. 디지트는 현재 상용화됐으며, 창고와 제조 환경에서 적재, 상차, 팔레타이징(palletizing) 등 물류 작업을 수행하고 있다. 30년 넘게 업계 최고 수준의 로봇을 개발해온 보스턴 다이내믹스(Boston Dynamics)는 자사 휴머노이드 로봇 아틀라스(Atlas)에 젯슨 토르를 탑재하고 있다. 이를 통해 아틀라스는 이전에는 서버급에서만 가능했던 컴퓨팅, AI 워크로드 가속, 고대역폭 데이터 처리, 대용량 메모리를 디바이스 내에서도 활용할 수 있게 됐다. 휴머노이드 로봇 외에도, 젯슨 토르는 더 크고 복잡한 AI 모델을 위한 실시간 추론을 통해 다양한 로봇 애플리케이션을 가속화할 예정이다. 여기에는 수술 보조, 스마트 트랙터, 배송 로봇, 산업용 매니퓰레이터(manipulator), 시각 AI 에이전트 등이 포함된다. 젯슨 토르는 생성형 추론 모델을 위해 설계됐다. 이는 차세대 피지컬 AI 에이전트가 클라우드 의존도를 최소화하면서 에지에서 실시간으로 실행될 수 있도록 한다. 차세대 피지컬 AI 에이전트는 대형 트랜스포머 모델, 비전 언어 모델(vision language model : VLM), 비전 언어 행동(vision language action : VLA) 모델을 기반으로 구동된다. 젯슨 토르는 젯슨 소프트웨어 스택으로 최적화돼 실제 애플리케이션에서 요구되는 저지연과 고성능을 구현한다. 따라서 젯슨 토르는 모든 주요 생성형 AI 프레임워크와 AI 추론 모델을 지원하며, 탁월한 실시간 성능을 제공한다. 여기에는 코스모스 리즌(Cosmos Reason), 딥시크(DeepSeek), 라마(Llama), 제미나이(Gemini), 큐원(Qwen) 모델과 함께, 로보틱스 특화 모델인 아이작(Isaac) GR00T N1.5 등이 포함된다. 이를 통해 개발자는 손쉽게 로컬 환경에서 실험과 추론을 실행할 수 있다. 젯슨 토르는 생애 주기 전반에 걸쳐 엔비디아 쿠다(CUDA) 생태계의 지원을 받는다. 또한 젯슨 토르 모듈은 전체 엔비디아 AI 소프트웨어 스택을 실행해 사실상 모든 피지컬 AI 워크플로를 가속화한다. 여기에는 로보틱스를 위한 엔비디아 아이작, 영상 분석 AI 에이전트를 위한 엔비디아 메트로폴리스(Metropolis), 센서 처리를 위한 엔비디아 홀로스캔(Holoscan) 등의 플랫폼이 활용된다. 이러한 소프트웨어 도구를 통해 개발자는 다양한 애플리케이션을 손쉽게 구축하고 배포할 수 있다. 실시간 카메라 스트림을 분석해 작업자 안전을 모니터링하는 시각 AI 에이전트, 비정형 환경에서 조작 작업을 수행할 수 있는 휴머노이드 로봇, 다중 카메라 스트림 데이터를 기반으로 외과의에게 안내를 제공하는 스마트 수술실 등이 그 예시이다. 젯슨 토르 제품군에는 개발자 키트와 양산용 모듈이 포함된다. 개발자 키트에는 젯슨 T5000 모듈과 다양한 연결성을 제공하는 레퍼런스 캐리어 보드, 팬이 장착된 액티브 방열판, 전원 공급 장치가 함께 제공된다. 엔비디아는 젯슨 생태계가 다양한 애플리케이션 요구사항과 고속 산업 자동화 프로토콜, 센서 인터페이스를 지원해 기업 개발자의 시장 출시 시간을 단축한다고 전했다. 하드웨어 파트너들은 다양한 폼팩터로 유연한 I/O와 맞춤형 구성을 갖춰 생산에 준비된 젯슨 토르 시스템을 개발하고 있다. 센서 및 액추에이터 업체들은 엔비디아 홀로스캔 센서 브릿지(Sensor Bridge)를 활용하고 있다. 이 플랫폼은 센서 융합과 데이터 스트리밍을 간소화하며, 카메라, 레이더, 라이다 등에서 발생한 센서 데이터를 초저지연으로 젯슨 토르 GPU 메모리에 직접 연결할 수 있게 해준다. 수천 개의 소프트웨어 기업들은 젯슨 토르에서 구동되는 다중 AI 에이전트 워크플로를 통해 기존 비전 AI와 로보틱스 애플리케이션 성능을 향상시킬 수 있다. 그리고 200만 명 이상의 개발자들이 엔비디아 기술을 활용해 로보틱스 워크플로를 가속화하고 있다.

캐드앤그래픽스 지식방송 CNG TV 지상 중계   CNG TV는 7월 10일 ‘Unity Tech Talk : 3D 애셋을 효율적으로 관리하는 최선의 선택, Unity Asset Manager!’를 주제로 웨비나를 개최했다. 이번 웨비나에서는 클라우드 기반 3D 자산 관리 설루션인 유니티 애셋 매니저(Unity Asset Manager, 이하 UAM)를 중심으로 디지털 트윈 개발 전략과 산업 적용 사례를 소개했다. 보다 자세한 내용은 다시보기를 통해 확인할 수 있다. ■ 박경수 기자   ▲ 유니티코리아 김현민 시니어 설루션 엔지니어, 메가존클라우드 홍동희 그룹장   3D 데이터 협업과 디지털 트윈 개발 가속화 이번 발표에는 유니티코리아 김현민 시니어 설루션 엔지니어와 메가존클라우드 홍동희 그룹장이 참여해 실무 중심의 기술 설명과 활용 사례를 공유했다. UAM은 복잡한 3D CAD 데이터를 손쉽게 업로드, 변환, 최적화, 공유할 수 있는 웹 기반 디지털 자산 관리 플랫폼이다. 사용자는 드래그 앤 드롭 방식으로 CAD 파일을 업로드한 뒤 자동으로 썸네일과 3D 프리뷰를 확인할 수 있고, 메시 클리닝·폴리곤 수 조절 기능으로 실시간 환경에서도 원활한 성능을 확보할 수 있다. 또한 버전 관리, 태그 기반 검색, 역할 기반 접근 제어도 가능하다. 김현민 시니어 설루션 엔지니어는 “UAM은 개발자뿐 아니라 비개발자도 쉽게 활용할 수 있는 도구”라면서, “CAD 중심의 복잡한 애셋을 웹에서 바로 확인하고 공유할 수 있어, 디지털 트윈의 접근성과 협업 효율을 크게 높일 수 있다”고 말했다.   ▲ 유니티코리아 김현민 시니어 설루션 엔지니어   산업 전반에 확장된 유니티의 3D 설루션 UAM은 BMW의 ‘3D 마인드’ 플랫폼에도 적용되어 실시간 협업, 버전 관리, 포맷 통합 문제를 해결한 바 있다. 유니티는 의료(수술 시뮬레이션), 건설(CAD 협업), 제조(제품 컨피규레이터), 자동차(HMI 시각화) 등 다양한 산업에서 활용되며, 교육비 절감(73%), 오류 감소(67%), 구매 전환율 증가(40%) 등의 성과를 실현하고 있다. 메가존클라우드 홍동희 그룹장은 “디지털 트윈은 단순한 시각화가 아니라, 의사결정의 정확도를 높이고 부서 간 협업을 가능하게 하는 전략적 도구”라며, “메가존클라우드는 데모, POC, 본 프로젝트 단계로 고객의 부담을 줄이고 성공적인 도입을 지원하고 있다”고 설명했다.   ▲ 메가존클라우드 홍동희 그룹장     ■ 기사 내용은 PDF로도 제공됩니다.

AI 기반 산업 맞춤 온라인 제조 서비스 기업인 크렐로는 EOS의 신형 SLS(선택적 레이저 소결 방식) 3D 프린터인 ‘EOS P3 NEXT’를 아시아태평양 최초로 도입했다고 밝혔다. 이번 도입을 통해 크렐로는 정밀 제조 수요가 높은 의료·전자·소비재 분야 등 다양한 산업군의 고객 니즈에 더욱 유연하게 대응할 수 있게 되었다. 크렐로가 도입한 EOS P3 NEXT는 기존 대비 생산성과 소재 재사용률이 향상된 최신 장비로, PA12(나일론) 기준 약 80%의 높은 재사용률을 지원한다. 이는 소재 낭비를 줄이고 총비용 절감과 환경적 지속가능성을 동시에 만족시키는 장점이 있다. 또한 PA 1101, PA 2200, PA 2201과 같은 생체적합성 인증 소재를 지원해 구강용 장비나 수술용 가이드 등 의료 분야에 활용할 수 있으며, 최근 새롭게 출시된 EOS PA 2200 HighReuse, ALM PA 950 HD 등 고성능 신소재도 적용 가능하다. 이를 통해 안경, 그리퍼, 기구 부품 등 다양한 맞춤형 정밀 구조물 제작은 물론, 식품 제조 및 바이오 분야 등으로 응용 확대도 가능해 용도별 맞춤 제작이 가능하다.     이외에도 EOS P3 NEXT는 빠른 출력 속도와 고밀도 적층 배치가 가능해, 시제품 제작은 물론 단가 경쟁력 있는 소량 양산에도 강점을 지닌다. 높은 소재 재사용률과 유연한 맞춤 생산을 통해 폐기물 발생을 최소화하고, 기업의 ESG 전략과 녹색 제조 프로젝트를 효과적으로 지원하는 것도 특징이다. 한편, 크렐로는 이번 프린터 도입과 함께 EOS와 전략적 업무협약(MOU)을 체결하고, 기술 협력 체계 강화 및 국내 고급 3D 프린팅 기술 보급 확대에 나선다고 밝혔다. 양사는 향후 ▲신소재 공동 테스트 ▲국내 3D 프린터 저변 확대 ▲기술 세미나 및 워크숍 개최 ▲학술대회·전시회 상호 참여 및 공동 개최 등, 실질적인 기술 교류와 공동 마케팅 활동을 함께 전개할 계획이다. EOS의 김승균 한국 지사장은 “크렐로와의 파트너십을 통해 EOS의 첨단 기술이 더 많은 기업과 산업군에 확산될 것으로 기대한다”며, “EOS P3 NEXT는 고성능과 친환경성을 동시에 갖춘 차세대 프린터로, 크렐로와 제조 혁신을 함께 이끌어 나가게 되어 매우 뜻깊다”고 말했다. 크렐로의 김희중 대표는 “EOS와의 협력을 통해 고객 맞춤형 생산 역량은 물론, 친환경 제조 역량을 강화하게 되어 매우 기쁘다”며, “특히 생체 적합성 및 식품 대응 소재를 활용해 의료기기, 바이오, 식품 제조 분야의 고객층을 확대할 수 있을 것으로 기대한다. 앞으로도 지속가능한 제조 설루션을 선도해 나가겠다”고 밝혔다.

디지털 트윈과 산업용 메타버스 트렌드   데이터 기반 서비스 관점에서의 디지털 트윈의 역할은 실 체계에서 수집한 실제 데이터와 디지털 트윈 시뮬레이션으로 얻어진 가상 데이터의 융합을 통하여 실제 시스템 관련 문제 해결에 유용한 빅 데이터 생성이라 할 수 있다.  디지털 트윈 활용은 안정성에 부담이 적고 신속/가시적 성공사례 확보가 가능한 스마트시티, 스마트 팩토리, 스마트SOC(도로, 철도, 항만, 공항, 등) 등이 대상이지만 기술성숙도가 높아지고 안정성이 보장됨에 따라 자율주행, 의료/인공장기, 식물공장 등으로 확대될 전망이다.   ▲ 철도 네트워크의 디지털 트윈 구축하는 독일 디지털 철도(이미지 출처 : 엔비디아)   1. 디지털 전환과 디지털 트윈 디지털 전환(Digital Transformation: DX)은 비즈니스 전 과정에 ICT 기술을 도입하여 전사적 업무, 생산 기술, 제품 등을 디지털화 한 후 이를 기반으로 가상 실험이 가능한 디지털 환경을 구축하는 것이다.  디지털 전환의 궁극적 목적은 기업 이윤 극대화에 필요한 업부/생산 효율성 및 제품 부가 가치 증대를 위한 다양한 창의적 대안들을 가상 실험을 통해 평가한 후 그 결과를 비즈니스 전 과정에 활용하는 것이다. 예를 들어, 스마트 팩토리의 디지털 전환은 조달 시스템, 생산 시스템, 물류 시스템 등 스마트 팩토리 구성요소들의 자원 할당 및 운용에 대한 다양한 대안들을 가상 실험을 통해 평가할 수 있는 환경을 구축하여야 한다. 그렇다면, 비즈니스 전 과정을 가상 실험하기 위해서는 무엇이 필요할까?  가상 실험을 하기 위해서는 먼저 가상 실험 대상(예: 제조 공장)을 선정하고, 다음으로, 가상 실험 시나리오(예:새로운 제조 장비 도입)가 필요하며 시나리오를 수행할 모델(예: 제조 공정 시뮬레이션 모델)이 필요하다. 이러한 가상 실험을 위한 모델이 디지털 트윈이며 이런 이유로 많은 사람들이 디지털 트윈을 DX의 Key(Richard Marchall, 2017), DX의 Enablers(Reterto Saracco, 2019), DX의 Central(Vijay Ragjumathan, 2019), DX의 Steppingstone(Harry Forbes, 2020), DX의 Pillar(Fransesco Belloni, 2020)라고 지적하였다.   2. 디지털 트윈의 정의 디지털 트윈은 물리적 자산, 프로세스 및 시스템에 대한 복제본으로 정의[Wiki 사전]되며, 복제본이란 대상 체계의 운용 데이터, 지형/공간/형상 정보 및 동작/운용 법(규)칙을 컴퓨터 속에 디지털화 해 놓은 것을 의미한다. 예를 들면, 제조 공장의 디지털 트윈은 제조 공장의 운용 데이터, 제조 공장의 공간/형상 정보, 그리고 제조 장비 동작 및 공정 모델이 컴퓨터 속에 복제된 것이 될 것이다. 디지털 트윈과 대상 체계가 쌍둥이기 때문에 쌍둥이 중 누가 먼저 태어났느냐에 따라 디지털 트윈의 이름을 다르게 붙이기도 한다. 대상 체계가 존재하기 전에 만들어진 디지털 트윈을 디지털 트윈 프로토타입(Prototype) 그리고 대상 체계가 만들어진 후 복제된 디지털 트윈을 디지털 트윈 인스턴스(Instance)라고 부른다. 디지털 트윈 프로토타입은 대상 체계 설계 단계에서 활용되며 디지털 트윈 인스턴스는 대상 체계의 운용 분석에 활용되는 것이 일반적이다. 디지털 트윈 인스턴스(실 체계의 복제본)와 디지털 트윈 프로토타입(실 체계의 설계 모델)이 모두 존재할 수도 있지만 디지털 트윈 프로토타입 없이 디지털 트윈 인스턴스만 존재할 수도 있다. 디지털 트윈 프로토타입과 인스턴스가 모두 존재한다면 인스턴스는 프로토타입에 실 체계 운용 정보가 반영되어 진화(성장)된 트윈으로 볼 수 있다. 3. 디지털 트윈 구축 목적 디지털 트윈의 구축 목적은 대상 실 체계와 디지털 트윈을 연동 운용함으로써 실 체계 관련 이해 당사자에게 지혜 수준의 혁신적 서비스를 제공할 수 있는 핵심 도구/수단으로 활용하기 위함이다. 데이터 기반 서비스 관점에서의 디지털 트윈의 역할은 실 체계에서 수집한 실제 데이터와 디지털 트윈 시뮬레이션으로 얻어진 가상 데이터의 융합을 통하여 실제 시스템 관련 문제 해결에 유용한 빅 데이터 생성이라 할 수 있다. 융합 빅 데이터는 AI-통계/공학 분석도구들을 이용하여 실 세계의 구성요소인 자산, 사람, 운용 프로세스들의 다양한 결합에 대한 분석/예측 및 체계 운용 최적 대안(최적화)을 찾는데 활용될 수 있다. 아울러, 융합 빅 데이터는 실 세계를 가상 환경에서 현실감 있게 표출할 수 있는 다양한 장비/장치와 VR/AR/XR/메타버스 관련 ICT 기술과의 융합 인터페이스를 통해 오락, 관광, 교육 훈련, 체험 등에 활용될 수 있다.     디지털 트윈의 복제 대상은 실 체계의 운용 데이터, 공간/형상 정보 및 실 체계에 포함된 객체들의 행위 모델 등 3가지이다. 운용 데이터는 실 체계에 설치된 IoT 장비로부터 획득이 가능하다. 공간/형상 정보는 서비스 목적에 따라 GIS, BIM 혹은 3D CAD 중 한 가지 이상을 결합하여 사용한다. 객체 행위 모델은 다양한 시나리오를 가상 실험하기 위한 시뮬레이션 모델을 사용하지만 서비스 목적에 따라서는 운용 데이터를 학습한 데이터 모델을 사용할 수도 있다. 구성요소 중 일부만을 사용한 디지털 트윈은 나머지 구성요소를 사용하지 않음으로 인한 한계점에 봉착하게 된다. 예를 들면, 실 체계 운용 데이터 복제만으로 구성된 IoT 기반 디지털 트윈은 수집된 데이터를 분석할 수는 있지만, 실 체계를 시각화한 지형/공간 상에 데이터를 표출할 수 없을 뿐만 아니라 실 체계와는 다른 가상 데이터를 입력한 시뮬레이션을 수행할 수 없다. 마찬가지로, 지형/공간 정보 만으로 구성된 디지털 트윈은 실 체계에서 일어나는 지형/공간 정보의 변화를 실 시간으로 반영할 수 없으며 시뮬레이션을 통한 실 체계의 현상 분석 및 미래 예측이 불가능 하다.      디지털 트윈의 효율적인 활용을 위해서는 위의 세 가지 구성요소 모두를 개발 및 운용할 수 있는 통합 플랫폼이 바람직하지만 국내외적으로 표준화된 디지털 트윈 플랫폼은 존재하지 않는다. 디지털 트윈의 특성 상 3가지의 디지털 트윈 구성요소 각각을 개발하는 독립적인 플랫폼을 사용하여 구성요소를 개발한 후 이들을 연동하여 운용하는 것이 효율적이다.  구체적으로는, 먼저, 디지털 트윈 개발 목적에 맞게 운용 데이터를 수집하는 IoT 플랫폼, 지형/공간 정보를 구축하는 지형/공간정보 플랫폼 및 모델링 시뮬레이션 플랫폼들을 이용하여 각 구성요소를 개발한다. 다음으로, 개발된 세 가지 구성요소를 실행하는 플랫폼들을 연동 운용하는 PoP(Platform of Platforms) 구조를 사용할 수 있다. PoP 구조는 디지털트윈의 목적에 부합되는 모든 디지털트윈을 개발/운용할 수 있는 플랫폼으로써 신뢰성 및 경제성(개발 기간 및 비용) 면에서 효율적인 구조이다. PoP 구조를 사용할 경우 플랫폼들 사이의 연동을 위한 데이터 모델과 API의 국제적인 표준화가 요구되며 데이터 모델의 표준은 대상 시스템에 따라 달라질 수 있다.  디지털 트윈을 실제 시스템에 대한 문제 해결 목적으로 사용하기 위해서는 대상 시스템에 대한 다양한 질문의 답을 디지털 트윈을 통해서 얻을 수 있는 서비스가 제공되어야 한다. OR 이론의 창시자 중 한 명으로 경영 과학 이론가인 R.L.Ackoff 교수는 사람이 생각하는 내용을 데이터, 정보. 지식, 지혜 등 4가지로 분류하였다. 데이터는 단순한 심벌(숫자나 문자)을 말하지만 정보는 ‘who’, ‘what’, ‘where’, ‘when’을 답할 수 있고, 지식은 ‘how’를 답할 수 있고, 지혜는 ‘why’를 답할 수 있어야 한다고 정의하였다. 디지털 트윈의 서비스 수준을 Ackhoff 교수의 분류법에 매핑 시킨다면 정보 수준 서비스는 시스템 분석(현상, 기능 등), 지식 수준 서비스는 시스템 예측(행위, 성능 등) 그리고 지혜 수준 서비스는 시스템 최적화(운용 최적화 등) 및 진단(수명 진단 등)에 해당한다. 예를 들어, 교통 시스템에 대한 다양한 질문을 답하기 위해 교통 디지털 트윈을 만들었다고 하자. 정보 서비스의 예는 현재 교통 시스템의 현상을 분석하는 것으로 어느 위치의 현재 시간대에 단위 시간당 교차로 통과 차량 대수가 얼마인지에 대한 답을 하는 서비스이다. 지식 서비스의 예는 현재 출발지에서 목적지까지의 소요 시간이 얼마가 되는지를 예측하는 질문에 대한 답을 하는 서비스이다. 지혜 서비스의 예는 현재 출발지에서 목적지까지의 소요 시간이 최소가 되는 최적화된 경로가 어떤 것인지의 질문에 대한 답을 하는 서비스이다.    4. 디지털 트윈의 구성요소 디지털 트윈의 3 가지 구성요소 중 행위 모델은 목적에 따라 데이터 모델과 시뮬레이션 모델로 대별된다. 데이터 모델은 실 체계에서 수집된 데이터들 사이의 상관관계를 기계학습하여 얻어진 모델(예: 인공신경망)로서 지식 서비스를 위한 시스템 행위 예측에 한계점을 가지고 있다. 구체적으로, 데이터 모델은 학습된 데이터 영역에서는 미래 예측이 가능하지만 학습된 영역 밖의 데이터에 대한 예측은 불가능 하다. 뿐만 아니라 학습 시와 예측 시의 시스템 운용 조건이 달라질 경우에도 예측이 불가능하다. 앞서 예시한 교통 디지털 트윈으로 데이터 모델을 사용할 경우 학습 시 도로 상황(운행 시간, 사고 발생 유무 등)이 예측 시 도로 상황과 동일하지 않으면 소요 시간 예측의 정확도가 보장되지 않는다. 더욱이, 시스템 변수 사이의 상관 관계로 표현된 데이터 모델은 변수 사이의 인과 관계가 필요한 시스템의 최적화 및 고장 진단 등에는 활용할 수 없다. 이러한 데이터 모델의 서비스 한계를 극복하기 위해서는 시뮬레이션 모델을 사용할 수 있다. 시뮬레이션 모델은 구축은 대상 시스템에 대한 도메인 지식과 이를 표현하는 지배 법칙에 대한 수학적/논리적 표현 방법을 이해해야 하므로 데이터 모델에 비해 고 비용이 요구된다. 따라서, 디지털 트윈의 행위 모델은 대상 시스템의 서비스 목적과 수준에 따라 다르게 선택될 수 있다.    5. 디지털 트윈의 발전 전망  디지털 트윈의 향후 발전 전망은 문제 해결과 가상 체험 및 빅 데이터 분야로 대별할 수 있다. 문제 해결 분야에서 디지털 트윈의 대상은 분석, 예측, 최적화/진단 대상이 되는 모든 시스템 분야로서 산업(제조, 생산, 물류, 식물공장 등), 공공(교통, 환경, 금융 등), 의료(진단, 인공장기, 가상수술 등), 재난안전(안전점검, 피해분석, 대피훈련 등), 국방(군사훈련, 국방분석, 무기체계 획득 등)등을 포함한다.  현재 디지털 트윈 활용은 안정성에 부담이 적고 신속/가시적 성공사례 확보가 가능한 스마트시티, 스마트 팩토리, 스마트SOC(도로, 철도, 항만, 공항, 등) 등이 대상이지만 기술성숙도가 높아지고 안정성이 보장됨에 따라 자율주행, 의료/인공장기, 식물공장 등으로 확대될 전망이다.  가상 체험 분야는 디지털 트윈이 실 세계 혹은 가상 세계를 움직이는 다양한 시나리오를 정형화한 지배 법칙(모델)을 실행(시뮬레이션)하는 수단으로 활용될 전망이다. 이러한 지배법칙 실행은 실제 세계와 가상 세계의 구별 없는 가상 체험을 목표로 하는 메타버스의 서비스 콘텐츠를 제공한다. 따라서, 메타버스 발전을 위해서 메타버스의 서비스 컨텐츠를 제공하는 디지털 트윈 발전이 필수적으로 향후 메타버스와 디지털 트윈은 동시에 발전할 전망이다.  빅 데이터 분야에서는 디지털 트윈의 가상 실험을 통해 실 체계에서는 물리적/경제적 이유로 수집 불가능한 다양한 빅 데이터를 생성하는데 활용될 전망이다. 유의미한 빅 데이터 생성을 위해서는 실 체계에서 수집 가능한 데이터를 사용하여 디지털 트윈 모델의 검증이 선행된 후 실 체계에서 수집 불가능한 데이터 생성을 위한 가상 실험이 설계되어야 한다. 디지털 트윈을 사용한 빅 데이터 생성은 시스템 기능 검증, 예지 진단 및 기계학습 등과 같은 부가가치가 높은 데이터 생성에 집중되어 미래 데이터 구독 시장 활성화에 기여할 전망이다.   김탁곤 명예교수  KAIST 전기전자공학부  

캐드앤그래픽스 CNG TV 지식방송 지상 중계   지난 4월 7일 CNG TV는 줌(ZOOM) 방송을 통해 ‘의료AI 표준 환자를 활용한 가상현실 기반 임상 실습 교육 소개’를 주제로 웨비나를 진행했다. 이번 방송에서는 VR 기반 시뮬레이션이 어떻게 의료진에게 위험 부담 없이 반복 훈련할 수 있는 환경을 제공하는지 살펴보는 시간이 마련됐다. 자세한 내용은 다시보기를 통해 확인할 수 있다. ■ 박경수 기자   ▲ XR(확장현실)은 VR(가상현실), AR(증강현실), MR(혼합현실)을 모두 포괄하는 상위 개념으로 현실과 가상 세계를 연결하는 몰입형(immersive) 기술이다.   의료 AI와 가상현실 기반 임상 교육의 활용 이번 웨비나는 한국건설기술연구원 강태욱 연구위원이 사회를 맡고, 조선대학교 치과대학 구강악안면외과 문성용 교수가 발표자로 참여했다. 문성용 교수는 의료 AI 표준 환자를 활용한 가상현실(VR) 기반 임상 실습 교육의 개발 내용과 활용 방안을 공유하며, VR 기술이 임상 및 교육 분야에서 몰입도를 높여 활용 가치가 높다는 점을 강조했다. 의료 AI 표준 환자를 활용한 가상현실(VR)과 증강현실(AR) 기반의 교육은 교육의 몰입도를 높이고 임상 시뮬레이션을 실현할 수 있는 기술이다. VR을 통해 3D 모델을 기반으로 종양 제거 수술 등 실습을 할 수 있으며, AR을 활용하여 수술 중 실시간 가이드 및 위치 표시가 가능하다. 국내외에서 VR 기반 실습이 도입되고 있으며, 특히 해부학 교육과 수술 술기 연습에 높은 활용도를 보이고 있다. 문성용 교수는 “VR 시뮬레이션을 통해 수술 계획을 수립하고 AR 내비게이션을 활용하여 실제 수술 정확도를 높일 수 있으며, VR 교육 콘텐츠는 학생들에게 수술 환경의 스트레스를 줄이고 반복 학습 기회를 제공하여 임상 능력을 향상시킨다”고 말했다. 또한 “AI 기반 가상 환자를 통해 문진 및 진단 능력을 평가하고, 햅틱 디바이스를 활용하여 실제와 유사한 촉각 경험을 제공함으로써 교육 효과를 극대화할 수 있다”고 소개했다.   VR 기반 의료 교육의 필요성과 효과 실제 수술 기회를 제공받기 어려운 상황에서 의사 수련생이나 레지던트가 술기를 익히는 과정에는 한계가 있다. 따라서 VR 교육 콘텐츠는 가상의 환자를 통해 수술을 실습하고 환자 모니터링을 2025/5기반으로 한 평가 시스템을 통해 교육 효과를 높일 수 있다. 적절한 교육 환경을 제공할 경우 의사의 술기 향상과 더 나은 환자 진료로 이어질 수 있다. 문 교수는 “VR 기반 교육은 해부학 지식을 효과적으로 전달하고, 수술 과정에서 발생할 수 있는 실수를 미리 경험하게 하여 안전성을 높인다”며, “가상현실을 활용한 훈련은 평가의 객관성을 높이고, 동일한 조건에서 교육을 진행할 수 있어 일관된 피교육자 평가가 가능하다”고 소개했다. 의료 분야의 시뮬레이션 솔루션을 시장에 성공적으로 도입하기 위해서는 질 높은 콘텐츠가 필요하며, 이와 함께 시장성에 대한 고민이 있어야 한다. VR 훈련 콘텐츠 개발 시 의료인의 주도적인 참여가 필수이며, 그렇지 않을 경우 디테일 부족으로 인해 실제 사용에 어려움이 있을 수 있다. 문 교수는 “디지털 트윈 개념을 활용한 시뮬레이터 개발이 가능하며, 이를 통해 실제 환자를 모델로 한 훈련이 이루어질 수 있다”며, “최신 기술을 활용하여 의료 분야에서의 발전 방향을 모색하고 전시회를 통해 정보 수집과 활용 방안 고민이 중요하다”고 강조했다.    ▲ 조선대학교 치과대학 구강악안면외과 문성용 교수   ■ 기사 내용은 PDF로도 제공됩니다.