다이슨(Dyson)은 최적의 물청소 솔루션을 개발하기 위해 새로운 접근 방식이 필요하다는 연구 결과를 도출했다. 그 결과물이 바로 수세기의 역사를 지닌 가정용 청소 도구인 대걸레를 재해석한 청소기 ‘다이슨 워시G1(Dyson WashG1)’이다. 다이슨 엔지니어들은 이 제품을 개발하기 위해 항공우주 산업 등 복잡한 시스템 설계에 쓰이는 엔지니어링 방법론을 일상 제품에 적용했다. 기존 제품의 개선 버전을 개발할 때는 효과적이었던 다이슨의 문서 기반 워크플로가 완전히 새로운 제품군을 만드는 데는 적합하지 않았기 때문이다. 이에 다이슨의 첨단 제어 시스템 수석 엔지니어인 로맹 기셰르(Romain Guicherd)는 팀을 설득해 모델 기반 설계(model-based design : MBD)를 도입했다. 모델 기반 설계란 시스템 레벨 시뮬레이션 모델을 활용해 시스템 개발 방식을 개선하는 방법론이다. 이를 통해 개발 워크플로를 가속화하고, 테스트를 위한 보다 강건한 코드를 구현할 수 있었다.   모델 기반 설계로 바꾼 제품 개발 방식 다이슨은 진공청소기 등 기존 제품 라인업의 신제품을 개발할 때, 팀 간 요구사항의 전달에서 서면으로 된 문서 기반 방식을 사용해 왔다. 이러한 방식은 이전의 설계 및 임베디드 소프트웨어를 참고하고 반복 개선할 수 있어, 이미 안정화된 기존 제품군 개발에 적합한 방식이다. 그러나 완전히 새로운 제품군을 개발하는 과정에서는 이러한 문서 전달 방식이 오히려 혼선을 초래할 수 있었다. 문서로 작성된 설계 사양은 엔지니어마다 요구사항을 다르게 해석할 가능성이 있기 때문이다. 새로운 제품군 개발은 팀 간 오해를 줄이고 보다 원활한 협업을 가능하게 하는 새로운 개발 방식을 모색하게 하는 계기가 됐다.    ▲ 다이슨 워시G1은 습식 오염과 건식 이물질을 모두 제거한다.   다이슨은 모델 기반 설계가 새로운 기능과 설계 방향을 탐색하는 데 적합한 개발 방식이라고 봤다. 개발 초기에는 다양한 개념과 방향을 동시에 검토해야 했는데, 시뮬링크(Simulink) 기반의 모델 기반 설계를 도입한 덕분에 팀은 기존 문서 기반 프로세스 대비 두 배 빠르게 새로운 아이디어를 구현할 수 있었다. 워시G1의 핵심 세척 방식은 촘촘한 마이크로파이버 천으로 감싼 역방향 회전 롤러를 탑재한 세척 헤드를 중심으로 구성된다. 습식 오염과 건식 이물질을 분리하기 위해 보조 롤러가 고체 이물질을 트레이에 모으고, 트레이 바닥의 메시 필터를 통해 액체가 오수 탱크로 흘러내려가는 구조다. 기셰르의 팀은 이 모든 기능을 구현하고 다양한 상황에 대응하기 위해, 상호작용하는 시스템 구성요소의 시뮬레이션을 용이하게 하고 설계부터 코드 생성, 소프트웨어 테스트까지 전 과정을 아우르는 툴이 필요했다. 팀은 세척 롤러 제어 장치 개발을 위해 심스케이프 일렉트리컬(Simscape Electrical)로 폼 롤러 모터와 모터 드라이브를 모델링했다. 또한 스테이트플로(Stateflow)를 활용해 청소기에 탑재된 두 개의 펌프, 즉 깨끗한 물로 롤러에 수분을 공급하는 펌프와 오수를 배출하는 펌프의 스케줄링과 제어 로직을 설계했다. 제품의 자동 세척 메커니즘 구현에도 스테이트플로가 활용됐다. 워시G1의 세척 성능을 구현하기 위해서는 단계별로 선택 가능한 수분 공급 수준과 각 단계의 세밀한 민감도 조정이 모두 뒷받침돼야 했다. 다양한 설정 값과 세척 부하 변화에 대응하려면 정밀한 전압 제어가 필수였다. 팀은 시뮬링크 모델로 매개변수를 조정하고 다양한 값을 반복 테스트하며 모터 전압 제어 로직을 빠르게 최적화했다. 실제 프로토타입을 제작하지 않고도 시뮬레이션만으로 설계 변경의 영향을 사전에 파악할 수 있었다는 점도 개발 효율을 높이는 데 크게 기여했다.   ▲ 심스케이프로 모델링된 다이슨의 롤러 기술   다이슨은 요구사항 툴박스(Requirements Toolbox)를 활용해 요구사항을 시뮬링크 모델에 연결함으로써 각 요구사항이 제품 기능으로 어떻게 구현되는지 확인할 수 있었다. 요구사항 툴박스(Requirements Toolbox)를 사용하기 전에는 하드웨어 테스트 단계에 이르러서야 요구사항의 오류를 발견할 수 있었다. 하지만 요구사항을 모델에 연결한 이후로는 각 요구사항의 구현 방식과 요구사항 간 상호 관계를 사전에 명확히 파악할 수 있게 됐다.   시스템 시뮬레이션이 설계에 가져온 변화 시뮬링크와 심스케이프를 활용한 모델 기반 설계는 보다 체계적인 개발 접근 방식을 가능하게 했고, 다이슨이 프로토타입을 제작하고 테스트하기에 앞서 다양한 유형의 인더루프(in-the-loop) 테스트를 수행할 수 있도록 하였다. 모델 기반 설계 덕분에 엔지니어는 멀티도메인 모델링을 수행하고 타 팀과 긴밀하게 협업할 수 있었다. 일례로 기셰르의 팀은 배터리 셀 및 배터리 관리 시스템 팀의 데이터를 활용해 정밀한 4셀 배터리팩 모델을 구축했다. 또한 전자팀과 협력해 심스케이프 일렉트리컬로 전력전자 하드웨어의 동작을 모델링하고 시뮬레이션했다. 시뮬링크를 통한 시스템 레벨 시뮬레이션은 더 많은 설계 옵션을 검토하고 트레이드오프를 비교할 수 있는 환경을 만들어줬다. 그 결과 팀은 프로젝트의 설계 단계에 더 많은 시간을 투자할 수 있었고, 설계 오류와 통합 문제를 수정하기 훨씬 쉽고 비용도 적게 드는 초기 단계에서 발견할 수 있었다.   소프트웨어 아키텍처와 임베디드 코드 개발 이후 프로젝트에서 팀은 소프트웨어 아키텍처 개발을 위해 시스템 컴포저(System ComPOSer)를 추가로 도입했다. 시스템 컴포저를 통해 제품팀과 소프트웨어팀은 소프트웨어 인터페이스와 스케줄링을 함께 개발하고 다양한 시나리오를 모델링할 수 있었다. 또한 대규모 모델을 논리적 단위로 구조화해 병합 충돌 없이 원활한 팀 간 협업이 가능해졌다. 시뮬링크 모델은 제품 동작을 시각적으로 표현함으로써 개발 전 과정에 걸쳐 팀원 간의 협업을 촉진했다. 제어 시스템 모델에서는 C 코드가 생성됐다. 팀은 모델을 수정하고 일부 구간에 주석을 달거나 새로운 블록을 추가하는 방식으로 소프트웨어 엔지니어에게 청소기의 새로운 동작을 보여줬다. RCP(Rapid Control Prototyping)를 활용하면 코드를 빠르게 생성하고, 다음 날 바로 실험실에서 제품의 동작을 확인할 수 있었다. 팀은 직접 코딩 대신 임베디드 코더(Embedded Coder)로 시뮬링크 모델에서 C 코드를 자동 생성했고, 소프트웨어팀은 이를 NXP 마이크로컨트롤러의 메인 코드에 통합했다. 임베디드 코더 도입 이후 소프트웨어 릴리스 주기는 기존 약 10주에서 9일로 단축됐다. 초기에는 실험실 환경에서의 동작 구현에 집중하였기 때문에 모델과 코드 생성을 핵심으로 삼았지만, 곧 모델과 코드, 테스트, 커버리지가 함께 어우러질 때 제품 완성도가 한층 높아진다는 사실을 확인했다.   테스트 효율을 높인 모델 기반 개발 팀은 이전 제품 개발 때보다 설계 개선에 더 많은 시간을 쏟았다. 시뮬링크를 통해 시뮬레이션 중 발생한 오류를 신속하게 수정할 수 있었고, 그 효과는 테스트 단계에서 그대로 나타났다. 이 테스트 단계는 과거보다 훨씬 단순하고 빨라졌으며, 팀의 개발 시간과 노력을 절감하는 데 기여했다. 모델에서 정상 작동하도록 설계한 것은 실제 제품에 적용해도 동일하게 구현됐고, 이는 무결점 제품 출시로 이어졌다. 워시G1의 모델 기반 설계와 코드 자동 생성이 성공을 거두면서, 초기에 회의적이었던 소프트웨어팀의 시각도 달라졌다. 자동 생성 코드가 내부 표준 준수와 실행 효율성을 담보할 수 있을지 우려하던 소프트웨어팀은 이제 코드에 대한 확신을 갖게 됐다. 현재 소프트웨어팀은 하드웨어팀과 협력해 자동 생성 코드의 API를 함께 정의하고 있으며, 모델 기반 설계에 시뮬링크를 활용하면서 유연성과 개발 속도 모두를 향상시켰다. 이제는 소프트웨어팀이 먼저 나서서 동일한 프로세스를 다른 제품에도 적용해 달라고 요청할 만큼, 프로젝트 복잡도가 높아질수록 모델 기반 설계의 가치는 더욱 분명해지고 있다. 다이슨 팀은 향후 워시G1 후속 모델 개발 시 기존 모델의 구성 요소를 재사용할 수 있다. 또한 이번 모델 기반 설계 방법론의 성공 사례는 사내 다른 부서에서도 주목받고 있다. 헤어 케어 제품과 다른 플로어 케어 제품군에도 이를 적용하는 방안이 검토되고 있어, 다이슨 내 추가 혁신 가능성을 넓히고 있다.   ■ 이웅재 | 매스웍스코리아 이사

BIM 칼럼니스트 강태욱의 이슈 & 토크   최근 인공지능 분야의 주요 화두는 단연 ‘공간 지능(spatial intelligence)’의 구현이다. 단순 2D 이미지나 단일 3D 객체(object) 생성에 머물렀던 기존의 기술적 한계를 넘어, 물리적 환경의 기하학적 구조와 상호작용을 포괄적으로 이해하는 거대 월드 모델(LWM : Large World Models)이 새로운 대안으로 부상하고 있다. 특히, 페이페이 리(Fei-Fei Li) 교수가 이끄는 월드랩스(World Labs)의 ‘마블(Marble)’ 출시는 이러한 패러다임 전환을 알리는 핵심 마일스톤이다. 이번 호에서는 최근 오토데스크와 월드랩스의 대규모 전략적 파트너십을 중심으로, 마블의 기술적 아키텍처와 통합 파이프라인, 그리고 이에 대응하는 오픈소스 3D 생성 모델의 발전 동향을 기술적 관점에서 분석하고자 한다.   ■ 강태욱 건설환경 공학을 전공하였고 소프트웨어 공학을 융합하여 세상이 돌아가는 원리를 분석하거나 성찰하기를 좋아한다. 건설과 소프트웨어 공학의 조화로운 융합을 추구하고 있다. 팟캐스트 방송을 통해 이와 관련된 작은 메시지를 만들어 나가고 있다. 현재 한국건설기술연구원에서 BIM/ GIS/FM/BEMS/역설계 등과 관련해 연구를 하고 있으며, 연구위원으로 근무하고 있다. 페이스북 | www.facebook.com/laputa999 블로그 | http://daddynkidsmakers.blogspot.com 홈페이지 | https://dxbim.blogspot.com 팟캐스트 | www.facebook.com/groups/digestpodcast   그림 1. 월드랩스가 개발한 오토데스크의 마블 서비스   그림 2. 월드랩스가 개발한 오토데스크의 마블 서비스   오토데스크 마블의 기술적 배경 마블은 오토데스크가 직접 개발한 제품이 아니다. 이 모델은 ‘AI의 대모’라 불리는 페이페이 리 교수가 설립한 AI 스타트업 월드랩스가 개발한 핵심 생성형 3D 월드 모델이다. 오토데스크는 2026년 2월 월드랩스에 대규모 전략적 투자를 단행하며, 자사 소프트웨어와의 통합 파트너십을 발표했다.   그림 3. 페이페이 리 교수의 월드랩 연구실 멤버들(출처 : techfundingnews)   마블의 구체적인 첫 코드 작성일이 공식적으로 공개되지는 않았으나, 회사의 설립과 주요 제품 마일스톤을 통해 개발 타임라인을 추론할 수 있다. 초기 R&D 및 시작(2024년 1월) : 페이페이 리 교수를 비롯한 최고 수준의 AI 연구진이 3D 환경 생성과 실시간 시뮬레이션을 목표로 2024년 1월에 월드랩스를 공동 창립했다. 마블의 근간이 되는 ‘공간 지능’ 연구와 코어 모델 개발은 이때 본격적으로 시작되었을 것으로 분석된다.을 거쳐, 마블의 첫 번째 제한적 베타 버전이 공개되었다. 프로토타입 및 베타(2025년 9월) : 약 1년 8개월의 딥테크 연구 기간 정식 출시(2025년 11월 12일) : 텍스트, 이미지, 비디오 등을 입력받아 상호작용 가능한 3D 환경을 즉석에서 구축하는 마블 프론티어 모델이 일반 대중에게 정식 론칭되었다.   마블의 핵심 기술 스택 마블은 단순히 2D 이미지를 이어 붙이는 비디오 생성 AI가 아니라, 물리적 공간의 3차원 구조를 완벽히 이해하는 거대 월드 모델(LWM) 아키텍처를 채택하고 있다. 3D 표현 포맷(3D Gaussian Splatting) : 시점이 변하면 형태가 무너지는 기존 생성 모델의 한계를 극복하고, 변형 없이 영구적으로 보존되는 3D 환경을 생성한다. 결과물은 3D 가우시안 스플랫이나 메시(mesh) 형태로 다운로드하여 언리얼, 유니티 등 다른 게임 엔진으로 내보낼 수 있다. 실시간 프레임 모델(RTFM : Real-Time Frame Model) : 2025년 10월에 도입된 핵심 렌더링 기술이다. 단일 GPU 환경에서도 실시간으로 월드를 생성하고 상호작용할 수 있도록, 기존 프레임들을 일종의    ‘공간 메모리’로 활용해 높은 디테일을 유지한다. 웹 렌더링 엔진(SparkJS.dev) : 별도의 무거운 클라이언트 없이 웹 브라우저 환경에서 매끄러운 3D 렌더링을 구현하기 위해 Three.js를 기반으로 한 독자 렌더러 ‘SparkJS.dev’를 사용한다. 이는 가우시안 스플랫과 전통적인 WebGL 애셋(glTF 모델 등)을 자연스럽게 혼합한다. 공간 편집 도구(Chisel) : 사용자가 직접 상자나 평면 같은 단순한 원시 도형(primitive)으로 3D 뼈대를 잡으면, AI가 맥락을 파악해 시각적 디테일과 텍스처를 입히는 하이브리드 3D 편집을 지원한다.   오토데스크 생태계와의 결합 전략 기존 스테이블 디퓨전 기반 3D 생성이 단일 객체를 깎아내는 데 집중했다면, 마블은 단일 이미지나 텍스트에서 거대한 3D 가상 세계 전체를 생성한다. 이를 오토데스크의 생태계와 결합하는 것이 이번 협업의 핵심이다. 백본 모델(backbone models) : 단순 2D 픽셀 패턴 모방을 넘어 3D 공간의 기하학(geometry), 재질, 빛의 반사, 물리 법칙을 추론하는 거대 세계 모델(LWM)을 백본으로 사용한다. 월드랩스의 핵심 개발진(NeRF 창시자 등)의 배경을 고려할 때, NeRF 및 차세대 뉴럴 렌더링 기술이 결합되어 시점 변화에 완벽히 대응하는 일관된 3D 신(scene)을 연산한다. 학습 데이터 종류(training data) : 일반적인 2D 이미지 쌍을 넘어 3D 레이아웃, 공간 깊이(depth) 데이터, 카메라 트래킹(POSe)이 포함된 다중 시점 영상, 그리고 오토데스크가 강점을 가진 기하학적/물리적 CAD 시뮬레이션 데이터 등 복합적인 고차원 데이터로 학습된다. 오토데스크와의 통합 파이프라인(integration workflow) 편집 가능한 3D 신 : 비디오 영상(예 : 오픈AI 소라)이 아닌, 구조화되고 상호작용 가능한 3D 환경 자체를 출력한다. 라스트 마일 편집(last-mile editing) 생태계 : 마블이 프롬프트로 전체 공간의 초안을 생성하면, 이를 오토데스크의 마야, 3ds 맥스, 레빗 같은 전통적인 소프트웨어로 넘긴다. 이후 아티스트나 엔지니어가 직접 폴리곤 토폴로지, 리깅, 정밀한 재질 수정을 거쳐 최종 결과물을 완성한다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.

BIM 칼럼니스트 강태욱의 이슈 & 토크   최근 인공지능 분야의 주요 화두는 단연 ‘공간 지능(spatial intelligence)’의 구현이다. 단순 2D 이미지나 단일 3D 객체(object) 생성에 머물렀던 기존의 기술적 한계를 넘어, 물리적 환경의 기하학적 구조와 상호작용을 포괄적으로 이해하는 거대 월드 모델(LWM : Large World Models)이 새로운 대안으로 부상하고 있다. 특히, 페이페이 리(Fei-Fei Li) 교수가 이끄는 월드랩스(World Labs)의 ‘마블(Marble)’ 출시는 이러한 패러다임 전환을 알리는 핵심 마일스톤이다. 이번 호에서는 최근 오토데스크와 월드랩스의 대규모 전략적 파트너십을 중심으로, 마블의 기술적 아키텍처와 통합 파이프라인, 그리고 이에 대응하는 오픈소스 3D 생성 모델의 발전 동향을 기술적 관점에서 분석하고자 한다.   ■ 강태욱 건설환경 공학을 전공하였고 소프트웨어 공학을 융합하여 세상이 돌아가는 원리를 분석하거나 성찰하기를 좋아한다. 건설과 소프트웨어 공학의 조화로운 융합을 추구하고 있다. 팟캐스트 방송을 통해 이와 관련된 작은 메시지를 만들어 나가고 있다. 현재 한국건설기술연구원에서 BIM/ GIS/FM/BEMS/역설계 등과 관련해 연구를 하고 있으며, 연구위원으로 근무하고 있다. 페이스북 | www.facebook.com/laputa999 블로그 | http://daddynkidsmakers.blogspot.com 홈페이지 | https://dxbim.blogspot.com 팟캐스트 | www.facebook.com/groups/digestpodcast   그림 1. 월드랩스가 개발한 오토데스크의 마블 서비스   그림 2. 월드랩스가 개발한 오토데스크의 마블 서비스   오토데스크 마블의 기술적 배경 마블은 오토데스크가 직접 개발한 제품이 아니다. 이 모델은 ‘AI의 대모’라 불리는 페이페이 리 교수가 설립한 AI 스타트업 월드랩스가 개발한 핵심 생성형 3D 월드 모델이다. 오토데스크는 2026년 2월 월드랩스에 대규모 전략적 투자를 단행하며, 자사 소프트웨어와의 통합 파트너십을 발표했다.   그림 3. 페이페이 리 교수의 월드랩 연구실 멤버들(출처 : techfundingnews)   마블의 구체적인 첫 코드 작성일이 공식적으로 공개되지는 않았으나, 회사의 설립과 주요 제품 마일스톤을 통해 개발 타임라인을 추론할 수 있다. 초기 R&D 및 시작(2024년 1월) : 페이페이 리 교수를 비롯한 최고 수준의 AI 연구진이 3D 환경 생성과 실시간 시뮬레이션을 목표로 2024년 1월에 월드랩스를 공동 창립했다. 마블의 근간이 되는 ‘공간 지능’ 연구와 코어 모델 개발은 이때 본격적으로 시작되었을 것으로 분석된다.을 거쳐, 마블의 첫 번째 제한적 베타 버전이 공개되었다. 프로토타입 및 베타(2025년 9월) : 약 1년 8개월의 딥테크 연구 기간 정식 출시(2025년 11월 12일) : 텍스트, 이미지, 비디오 등을 입력받아 상호작용 가능한 3D 환경을 즉석에서 구축하는 마블 프론티어 모델이 일반 대중에게 정식 론칭되었다.   마블의 핵심 기술 스택 마블은 단순히 2D 이미지를 이어 붙이는 비디오 생성 AI가 아니라, 물리적 공간의 3차원 구조를 완벽히 이해하는 거대 월드 모델(LWM) 아키텍처를 채택하고 있다. 3D 표현 포맷(3D Gaussian Splatting) : 시점이 변하면 형태가 무너지는 기존 생성 모델의 한계를 극복하고, 변형 없이 영구적으로 보존되는 3D 환경을 생성한다. 결과물은 3D 가우시안 스플랫이나 메시(mesh) 형태로 다운로드하여 언리얼, 유니티 등 다른 게임 엔진으로 내보낼 수 있다. 실시간 프레임 모델(RTFM : Real-Time Frame Model) : 2025년 10월에 도입된 핵심 렌더링 기술이다. 단일 GPU 환경에서도 실시간으로 월드를 생성하고 상호작용할 수 있도록, 기존 프레임들을 일종의    ‘공간 메모리’로 활용해 높은 디테일을 유지한다. 웹 렌더링 엔진(SparkJS.dev) : 별도의 무거운 클라이언트 없이 웹 브라우저 환경에서 매끄러운 3D 렌더링을 구현하기 위해 Three.js를 기반으로 한 독자 렌더러 ‘SparkJS.dev’를 사용한다. 이는 가우시안 스플랫과 전통적인 WebGL 애셋(glTF 모델 등)을 자연스럽게 혼합한다. 공간 편집 도구(Chisel) : 사용자가 직접 상자나 평면 같은 단순한 원시 도형(primitive)으로 3D 뼈대를 잡으면, AI가 맥락을 파악해 시각적 디테일과 텍스처를 입히는 하이브리드 3D 편집을 지원한다.   오토데스크 생태계와의 결합 전략 기존 스테이블 디퓨전 기반 3D 생성이 단일 객체를 깎아내는 데 집중했다면, 마블은 단일 이미지나 텍스트에서 거대한 3D 가상 세계 전체를 생성한다. 이를 오토데스크의 생태계와 결합하는 것이 이번 협업의 핵심이다. 백본 모델(backbone models) : 단순 2D 픽셀 패턴 모방을 넘어 3D 공간의 기하학(geometry), 재질, 빛의 반사, 물리 법칙을 추론하는 거대 세계 모델(LWM)을 백본으로 사용한다. 월드랩스의 핵심 개발진(NeRF 창시자 등)의 배경을 고려할 때, NeRF 및 차세대 뉴럴 렌더링 기술이 결합되어 시점 변화에 완벽히 대응하는 일관된 3D 신(scene)을 연산한다. 학습 데이터 종류(training data) : 일반적인 2D 이미지 쌍을 넘어 3D 레이아웃, 공간 깊이(depth) 데이터, 카메라 트래킹(POSe)이 포함된 다중 시점 영상, 그리고 오토데스크가 강점을 가진 기하학적/물리적 CAD 시뮬레이션 데이터 등 복합적인 고차원 데이터로 학습된다. 오토데스크와의 통합 파이프라인(integration workflow) 편집 가능한 3D 신 : 비디오 영상(예 : 오픈AI 소라)이 아닌, 구조화되고 상호작용 가능한 3D 환경 자체를 출력한다. 라스트 마일 편집(last-mile editing) 생태계 : 마블이 프롬프트로 전체 공간의 초안을 생성하면, 이를 오토데스크의 마야, 3ds 맥스, 레빗 같은 전통적인 소프트웨어로 넘긴다. 이후 아티스트나 엔지니어가 직접 폴리곤 토폴로지, 리깅, 정밀한 재질 수정을 거쳐 최종 결과물을 완성한다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.

파수가 AI 혁신(AX)을 지원하는 기업으로 정체성을 강화하기 위해 ‘파수AI(Fasoo AI)’로 사명을 변경했다고 전했다. 2000년 설립 이후 데이터 보안 및 관리 시장에서 활동해 온 파수는 이번 사명 변경을 통해 기존 보안 영역을 넘어 AI, 데이터, 거버넌스 전반을 아우르는 AI 전문 기업으로 거듭나겠다는 전략이다. 파수AI는 2022년 생성형 AI 기반 개인정보보호 설루션을 시작으로 기업용 거대 언어 모델(LLM)인 ‘엘름(Ellm)’을 출시하며 AI 사업을 확대해 왔다. 최근에는 미국 법인과 현지 AI 기업 컨실릭스(Konsilix)의 합병을 통해 기업용 AI 설루션 기업인 ‘심볼로직(Symbologic)’ 출범을 앞두고 있어 글로벌 AX 시장 공략도 본격화할 계획이다. 파수AI의 조규곤 대표는 “보안 기업을 넘어 AI 기업으로 재탄생한다는 의지를 담아 창사 26년 만에 사명을 변경했다”며, “그동안 쌓아온 데이터 관리 역량에 AI를 더해 고객이 AX에 이르는 가장 안전하고 효율적인 길을 제시하겠다”고 밝혔다.     한편, 파수AI는 사명 변경 후 첫 공식 행보로 오는 4월 15일 서울 여의도 페어몬트 앰버서더 서울에서 연례 고객 콘퍼런스 ‘FDI 심포지움(FDI SymPOSium) 2026’을 개최한다. ‘지속가능한 AI 혁신(Sustainable AI Transformation)’을 주제로 열리는 이번 콘퍼런스에서 파수AI는 안전한 AX 실현을 위한 구체적인 전략과 사례를 발표한다. 조규곤 대표를 비롯해 심볼로직의 롭 마라노(Rob Marano) 최고경영자(CEO) 등이 참여해 글로벌 AX 및 AI 보안 구축 사례를 공유할 예정이다. 세부 세션에서는 국내 기업에 최적화된 AX 지원 설루션과 컨설팅, AI 시대의 데이터 인프라 전략 등이 소개된다. 또한 장일수 스패로우(Sparrow) 대표가 AI를 활용한 소프트웨어 공급망 보안 방안을 발표하며, 현장 부스에서는 파수AI의 주요 설루션 시연도 진행된다. 조규곤 대표는 “이번 행사는 파수AI의 변화된 방향성과 역할을 구체적으로 보여주는 자리가 될 것”이라며, “AI 전환을 준비하는 기업들에게 실질적인 통찰력을 제공하겠다”고 말했다.

한국공작기계산업협회가 주최하고 캐드앤그래픽스가 주관하는 ‘피지컬 AI/디지털트윈 & 뿌리산업/소부장 컨퍼런스’가 4월 16일~17일 양일간 일산 킨텍스 제 2전시장 7/8홀 내 컨퍼런스룸 A에서 개최된다. 이번 행사는 국내 최대 생산제조기술 전문 전시회인 SIMTOS 2026(4월 13일~17일)의 핵심 부대행사인 ‘글로벌 제조/AX 혁신 컨퍼런스’의 일환으로 마련되었다. 캐드앤그래픽스가 주관하는 ‘피지컬 AI/디지털트윈 & 뿌리산업/소부장 컨퍼런스’는 SIMTOS 대표 컨퍼런스로서, 단순한 지능형 소프트웨어를 넘어 물리적 환경과 상호작용하는 ‘피지컬 AI(physical AI)’와 자율제조(autonomous manufacturing), 그리고 뿌리산업과 소부장에 대해 집중 조명한다. 각 분야 최고의 전문가를 초빙, 양일간 각 5개의 기조강연이 진행될 예정이다.   ▲ SIMTOS 2024 컨퍼런스 전경   4월 16일 진행되는 ‘피지컬 AI/디지털트윈’ 컨퍼런스에서는 AI 자율제조 실현을 위한 디지털 트윈과 피지컬 AI의 융합’을 주제로 각 분야 최고 전문가들의 기조강연이 이어진다. 한국로봇산업진흥원 제조로봇본부 전진우 수석연구원은 ‘피지컬 AI의 부상, 제조 강국의 길’을 주제로 피지컬 AI에 대한 이해와 국내외 동향을 살펴보고, 왜 제조분야에 도입이 필요한가에 대한 기술, 경제, 문화적 관점의 해석을 통해 한국이 제조 강국을 유지하기 위해 가야 할 길에 대해 모색한다. 현대자동차·기아 민정국 상무는 ‘Beyond POSsibility, Autonomous Manufacturing Transformation - Physical AI와 디지털 트윈을 통한 자율제조혁신’을 주제로, 자동차 제조 산업의 변화를 비롯해 자율제조공장을 향한 새로운 여정과 자동화에서 진화하는 자율제조혁신에 대해 소개한다. HD현대 이태진 전무는 ‘조선 미래를 위한 차세대 설계/생산 통합 플랫폼과 피지컬 AI’를 주제로 기조강연을 진행한다. 새로운 도약을 준비하고 있는 한국의 조선산업은 전통적인 노동 집약 산업에서 디지털 기술과 AI를 활용한 지능형 자율 운영 조선소의 비전을 실현하고자 노력 중이다. HD현대 그룹은 FOS(Future of Shipyard) 프로젝트의 일환으로 차세대 설계/생산 통합 플랫폼과 AI를 활용하여 선박 제조 밸류 체인의 가상화, 지능화, 자율화를 완성해 나갈 계획이다. 한국산업기술기획평가원(KEIT) 김성호 본부장은 ‘제조AX(M.AX) 얼라이언스 구성·성과 및 운영방향’을 주제로, 제조 AX(M.AX) 얼라이언스 추진 배경, 구성 및 목표, 주요 성과, 운영 방향 등에 대해 소개한다. KAIST 장영재 교수는 ‘제조 피지컬 AI & 제조 자동화’를 주제로, 제조 피지컬 AI와 소프트웨어 중심적 공장(SDF)에 대한 개념과 실제 사례를 소개한다. 소프트웨어 중심적 설계를 통해 공장을 하나의 거대한 AI 시스템으로 설계하고 이를 기반으로 자율운영을 가능하게 하는 것이 SDF의 본질이다. 실제 국내 사례를 통해 이들 개념 및 자율공장이 어떻게 구축되었는지 살펴볼 예정이다.     4월 17일 뿌리산업/소부장 컨퍼런스는 ‘AX로 재도약하는 뿌리산업과 소부장의 미래’를 주제로, 대한민국 산업의 근간인 뿌리산업과 소재·부품·장비(소부장) 산업이 AI를 만나 어떻게 진화하는지 살펴본다. 한국산업기술기획평가원 정민하 본부장은 ‘2026년 소부장 R&D 정책지원 방향’을 주제로, 소부장 및 공급망 현안과 소부장 관련 기업지원 정책 및 소부장 지원정책 활용 방법과 소부장 관련 기관 지원을 위한 사업 및 예산에 대해 소개한다. 성균관대 권석준 교수는 ‘제조 AX 기반 반도체 소부장 경쟁력 강화 전략’을 주제로, 소버린 AI가 국가 정책으로 부상하면서 AI 모델 자립은 물론, 향후 기존 산업으로의 확장을 염두에 둔 M.AX(제조업 AI 전환) 방향이 구체화되고 있는 점을 짚는다. 특히 한국 수출 산업 중 가장 큰 비중을 차지하는 반도체 산업에서 대기업뿐만 아니라 반도체 소부장의 경쟁력 강화를 위해 제조 AX 전략이 어떻게 합치될 수 있을지 논한다. DN솔루션즈 엄재홍 상무는 ‘공작기계에서 ‘지능형 제조 에이전트’로 : AX를 통한 제조 플랫폼의 진화’를 주제로, AI 산업 전환(AX)에 대해 기계 산업과 AI 관점에서 살펴보고 시사점을 논의한다. 화신 이기동 상무는 ‘AI 기반 자율제조 대응 방안 및 추진 전략’을 주제로, 최근 데이터 기반 중심 제조 환경 패러다임 변화를 비롯해 자율 제조 개념(자율 제조 정의 및 단계), 현재 제조 시스템 현황 및 한계, 그리고 AI 기반 자율 제조 전략 및 적용 사례에 대해 소개한다. 한화에어로스페이스 송덕용 수석연구원은 ‘항공엔진용 핵심 부품소재의 신뢰성 확보 및 기술개발 추진 전략’을 주제로, 항공엔진의 고온·고응력 운용환경 대응을 위한 핵심 부품소재의 설계–공정–시험·평가·인증 절차를 확립하고, 통계 데이터 기반의 신뢰성 확보 전략 및 산학연 협력 기술개발 방안을 제안한다. 이번 컨퍼런스를 주관하는 캐드앤그래픽스 최경화 국장은 “이번 컨퍼런스는 제조산업의 디지털 전환(DX)을 넘어선 AI 전환(AX)의 실체를 보여주는 자리가 될 것”이라며, “국내 최고 기업들의 실전 사례를 통해 제조 생태계의 변화와 미래 혁신에 대한 통찰을 얻길 바란다”고 전했다. 한편, 캐드앤그래픽스 지식방송 CNG TV에서는 SIMTOS 2026 프리뷰 방송으로 3월 23일 ‘피지컬 AI 가 바꿀 패러다임, 대한민국 제조업의 미래’를 주제로 피지컬 AI 트렌드에 대해 소개했다. 이번 방송에는 고영테크놀러지 고경철 전무와 인터엑스 김재성 CBO가 출연해 단순한 지능형 소프트웨어를 넘어, 물리적 환경과 상호작용하는 피지컬 AI의 개념과 최신 트렌드, 진화하는 과정과 그에 따른 산업 생태계의 변화에 대해 중점적으로 다루었다.

#SIMTOS2026 #캐드앤그래픽스_컨퍼런스 #피지컬AI #디지털트윈 #소부장 #뿌리산업 캐드앤그래픽스는 대한민국 최대 생산제조기술 전시회인 'SIMTOS 2026' 부대행사로 업계 최고의 전문가들과 함께 기술 혁신의 미래를 조망하는 '피지컬AI & 디지털 트윈' 및 '뿌리산업 & 소부장' 컨퍼런스에 여러분을 초대합니다.   아래 내용이 보이지 않으면 여기를 클릭하세요!     SIMTOS 2026 캐드앤그래픽스 컨퍼런스 아젠다   1일차 (4월 16일, 목)     피지컬 AI & 디지털 트윈 컨퍼런스 - AI 자율제조 실현을 위한 디지털 트윈과 피지컬 AI의 융합 개회사 / 한국공작기계산업협회  피지컬 AI의 부상, 제조 강국의 길 / 한국로봇산업진흥원 전진우 수석연구원 Beyond POSsibility, Autonomous Manufacturing Transformation (Physical AI와 디지털 트윈을 통한 자율제조혁신) 현대자동차·기아 민정국 상무 조선 미래를 위한 차세대 설계/생산 통합 플랫폼과 피지컬 AI  - HD현대 이태진 전무(CDO) 제조 AX(M.AX) 얼라이언스 구성·성과 및 운영방향 /  한국산업기술기획평가원(KEIT) 김성호 본부장 제조 피지컬 AI & 제조 자동화  / KAIST 장영재 교수 2일차 (4월 17일, 금)     뿌리산업 & 소부장 컨퍼런스 – AX로 재도약하는 뿌리산업과 소부장의 미래 2026년 소부장 R&D 정책지원 방향 / 한국산업기술기획평가원(KEIT) 정민하 본부장 제조 AX 기반 반도체 소부장 경쟁력 강화전략 / 성균관대 권석준 교수(공과대학 부학장) 공작기계에서 ‘지능형 제조 에이전트’로: AX를 통한 제조 플랫폼의 진화 / DN솔루션즈 엄재홍 상무 AI(인공지능) 기반 자율제조 대응 방안 및 추진 전략  / 화신 이기동 상무 항공엔진용 핵심 부품소재의 신뢰성 확보 및 기술개발 추진 전략 / 한화에어로스페이스 송덕용 수석연구원 폐회사 & 경품추첨 /  캐드앤그래픽스 최경화 국장  

SIMTOS 2026  - 캐드앤그래픽스 주관 컨퍼런스 Day 1  4.16(목) - 피지컬 AI & 디지털트윈 컨퍼런스 발표자 및 발표 내용 소개 1. 피지컬AI의 부상, 제조 강국의 길 한국로봇산업진흥원 제조로봇본부 전진우 수석연구원 [강연 내용] 피지컬AI에 대한 이해와 국내외 동향을 살펴보고 왜 제조분야에 도입이 필요한 가에 대한 기술, 경제, 문화적 관점의 해석을 통해    한국이 제조 강국을 유지하기 위해 가야할 길을 모색해 보고자 한다. [약력] 공학박사(Ph.D) 한국로봇산업진흥원 로봇클러스터사업단장, 정책기획실장 로봇학회 이사, 재활로봇학회 이사, 인공지능윤리학회 이사 숭실대 스마트산업안전공학과 겸임교수(기계로봇 안전) 2. Beyond POSsibility, Autonomous Manufacturing Transformation - Physical AI와 디지털 트윈을 통한 자율제조혁신) 현대자동차·기아 민정국 상무 [강연 내용] 1. 자동차 제조 산업의 변화 2. 새로운 여정 : 자율제조공장 3. 자동화의 진화 : 자율제조혁신 [약력] ■ 현대자동차·기아 제조SW개발실 상무 ■ LG 디스플레이 - CTO VD, VP / Technology Fellow ■ 삼성전자    . 혁신센터 - Principal Researcher   . 반도체 연구소 CAE팀 - Senior Researcher   . SSIT(삼성전자공과대학교) - Visiting Professor, Industrial AI/Advanced CMOS ■ IBM New York - Technology CAD Researcher ■ 공학박사 - 성균관대 반도체디스플레이 및 산업공학 (Industrial AI & Digital Twin)             - 삼성전자 Fellowship 3Yrs 조기졸업  ■ KAIST - Executive Course in Artificial Intelligence 수료   3. 조선 미래를 위한 차세대 설계/생산 통합 플랫폼과 피지컬 AI HD현대 이태진 전무(CDO) [강연 내용] 한국의 조선산업은 새로운 도약을 준비하고 있다. 전통적인 노동 집약 산업에서 디지털 기술과 AI를 활용한 지능형 자율 운영 조선소의 비전을 실현하고자 한다. D현대 그룹은 FOS(Future of Shipyard)프로젝트의 일환으로 차세대 설계/생산 통합 플랫폼과 AI를 활용하여 선박 제조 밸류 체인의 가상화, 지능화, 자율화를 완성하고자 한다.    [약력] 현재 HD현대 그룹의 CDO(Chief Digital Officer)로 그룹 내 조선, 중장비, 에너지 산업의 디지털전환을 이끌고 있다. 과거 액센츄어 코리아의 제조 산업 부문 리드로서 다수의 중공업 및 기계 산업 고객의 프로세스 혁신 및 디지털 전환 프로젝트를 수행한 바 있다.   4. 제조AX(M.AX) 얼라이언스 구성·성과 및 운영방향 한국산업기술기획평가원(KEIT) 김성호 본부장 [강연 내용]  제조 AX(M.AX) 얼라이언스 추진 배경, 구성 및 목표, 주요 성과, 운영 방향 등에 대해 소개한다. [약력] 한국산업기술기획평가원 AI자율제조추진단장, 휴머노이드추진단장 한국산업기술기획평가원 주력산업본부장 5. 제조 피지컬 AI & 제조 자동화  KAIST 장영재 교수 [강연 내용] 제조 피지컬 AI와 소프트웨어 중심적 공장 (SDF)에 대한 개념과 실제 사례를 소개한다. AI의 물리적 요소를 고려한 시스템을 피지컬 AI라 정의하고 있다. 자율주행 자동차 및 로봇이 피지컬 AI의 대표적인 사례다. 그러나 제조 피지컬 AI는 거대 시스템과 다양한 복합 장비를 다룸으로 그 구성과 운영의 차별성이 필요하다. 이러한 차별점의 핵심이 바로 SDF이다. 소프트웨어 중심적 설계를 통해 공장을 하나의 거대한 AI 시스템으로 설계하고 이를 기반으로 자율운영을 가능하게하는 것이 SDF의 본질이다. 실제 국내 사례를 통해 이들 개념 및 자율공장이 어떻게 구축되었는지 살펴볼 것이다. [약력] 산업 및 시스템 공학과에서 "스마트 팩토리" 및 "지능형 물류 및 공급사슬망 시스템" 관련 연구를 진행하고 있다. 또한 2025년 12월에 설립된 <카이스트 제조 피지컬 AI 연구소> 소장을 역임하고 있다. 카이스트 부임 전 미국 반도체 메모리 제조사인 마이크론 테크놀로지 (Micron Technology)에서 4년간 현장에서 공장 자동화 및 운영 관련 업무를 수행하였다. MIT 공대 기계 공학과에서 박사학위를 취득했다. 2020년에는 연구실 박사 졸업생 4명과 함께 <다임리서치>를 창업했다. 현재 국제저널인 Computers and Industrial Engineering (SCIE:2.62) 의 부편집장 (Associate Editor)를 맡고 있으며 International Journal of Production Research, IEEE Power Electronics 등 국제 저널 특별호의 편집장 및 부 편집장과 반도체 운영 전문가들의 국제 학회인 (International SymPOSium on Semiconductor Intelligence) 및 Winter Simulatoin Conference MASM의 학회장을 역임했다.  SIMTOS 컨퍼런스 2026 상세 내용 보러가기 >>

가상 제품 개발을 위한 MBSE 및 SysML의이해와 핵심 전략 (5)   이번 호에서는 모델 기반 시스템 엔지니어링(MBSE)의 핵심 언어인 SysML의 정의와 역할을 설명한다. SysML은 기존 문서 중심 방식의 한계를 극복하기 위해 복잡한 시스템을 시각화하고 설계 일관성을 유지하며, 모델리카(Modelica)와의 연동을 통해 수치 해석 및 검증 능력까지 제공한다. 결과적으로 SysML은 요구사항 정의부터 물리적 검증까지 전체 과정을 유기적으로 통합하여 가상 제품 개발의 생산성을 높이는 데에 기여한다.   ■ 오재응 한양대학교 명예교수, 시뮬레이션 랩 CTO   SysML이란 SysML(Systems Modeling Language)은 시스템을 대상으로 한 그래픽 모델링 언어로, UML(Unified Modeling Language)을 기반으로 확장하여 개발된 것이다. SysML은 OMG(Object Management Group), INCOSE(International Council on Systems Engineering), 그리고 ISO STEP AP233(시스템 엔지니어링 데이터 교환 표준)의 요구사항을 반영한 엔지니어링 RFP(Request for ProPOSal)에 따라 만들어졌으며, UML 2.0의 하위 집합을 기반으로 하되, 시스템 모델링에 특화된 확장 기능을 포함하고 있다. 즉, UML의 한 프로파일(profile)이면서도 시스템 중심 기능이 강화된 언어이다. SysML은 하드웨어, 소프트웨어, 데이터, 입력/출력, 절차 및 설비 등 복합적인 요소를 포함하는 시스템을 요구, 분석, 설계, 검증, 검증 및 검토(V&V) 등 전 과정에 걸쳐 모델링할 수 있도록 지원한다. 이를 통해 복잡한 시스템을 시각적으로 표현하고, 다양한 구성요소 간의 관계를 추적할 수 있다. 또한, SysML은 XML 기반 메타데이터 교환(XMI)을 통해 다른 모델 및 데이터 시스템과의 연동을 지원하며, 국제 표준인 AP233의 진화 과정과도 연계되어 있다. 이러한 상호운용성과 표준성은 SysML이 시스템 모델 중심 개발(model-driven SE)을 위한 핵심 언어로 자리매김하게 된 중요한 배경이다. 결론적으로, SysML은 전통적인 문서 중심 시스템 개발 방식에서 벗어나, 시각적 모델 중심으로 시스템을 통합적으로 정의하고 분석하며 검증할 수 있도록 해주는 핵심 도구라 할 수 있다. 이는 특히 모델 기반 시스템 엔지니어링(Model-Based Systems Engineering : MBSE)을 실현하기 위한 기반 언어로 널리 사용된다.   왜 SysML 모델링 언어와 MBSE가 연계되는가 지금까지 기본 시스템 엔지니어링의 시스템 설계 활동에 대해 설명해 왔지만 이들의 활동의 주요 목적은 MBSE에서도 마찬가지이다. 그러나 지금까지의 시스템 엔지니어링은 두 가지 ‘불편’이 있었다. 하나는 자연 언어 그 자체의 기술력으로 인한 불편이다. 예를 들어, 자연 언어로 시스템 엔지니어링 영역에서 널리 사용되는 계층 구조와 병렬 동작을 동시에 설명하는 것은 어렵다. 또한, 입력한 정보의 조감과 여러 원인과 결과를 가진 인과 관계를 설명하기도 어렵다. SysML은 시스템 엔지니어링을 위해 개발된 준 형식적 도식 언어이며 이러한 불편을 해소하기 쉽다. 또 다른 불편은 설명 내용의 일관성 유지라는 문제이다. 자연 언어로 작성된 문서 간에 걸친 정보의 완전성 및 일관성을 유지하는 것은 어렵고 문서에 설명된 정보가 변경될 때 시스템의 수명주기에 미치는 영향을 예측하기가 어렵다. 이들에 대해서도 모델링 툴을 병용하면서 SysML을 사용하면 이러한 불편을 없앨 수 있다. 한편 ‘개발 현장용’ 모델 언어의 의미와 메타 모델로서 추적성을 완비해야 한다. 아직 설계서로부터의 자동 코드 생성은 주류가 아니고, 사람의 손으로 프로그래밍에 의존하는 실태를 감안하면 다양한 능력의 사람이 이해하고 사용할 수 있는 설계 모델 언어여야 한다. 즉, 엄밀하지만 그것을 읽어내는데 수학적인 기능이 필수인 형식 언어나 SysML을 자유롭게 구사해 표현한 모델에서는 많은 리뷰어가 이해하는 데 고생하고, 종합적으로는 생산성을 떨어뜨릴 수 있다. 따라서 모델 간 추적성 정의만 엄격하게 한 모델 표현(언어)을 정의했다. 또한 설계 프로세스로 알려진 크게 복잡하고 세밀한 개발 단계를 결정하는 것만으로 그치지 않고 상품 디자인에 집중할 수 있도록, 모델 레벨에서 설계 순서 및 모델 간의 추적성을 나타내고 있다. SysML은 구조, 동작, 속성 및 요구 사항 측면에서 복잡한 시스템 설명을 캡처하기 위한 표준화된 범용 그래픽 모델링 언어이다. 모델리카(Modelica)는 미분 대수 방정식의 관점에서 복잡한 시스템의 연속 및 이산 시간 역학을 분석하기 위한 표준화된 범용 시스템 모델링 언어이다. SysML 모델의 설명력과 모델리카 모델의 분석 및 계산 능력을 통합하면 SysML 또는 모델리카가 개별적으로 제공하는 것보다 훨씬 더 뛰어난 기능을 제공할 수 있다. 모호함 없이 SysML과 모델리카 모델 간에 모델링 정보를 효율적이고 자동으로 전송하기 위한 구현을 지원하는 두 모델링 언어 간의 표준화된 양방향 변환이 개발되고 있다. 이러한 양방향 변환 접근 방식에 대한 개요 외에도, 이번 호에서는 변환 원리를 명확히 하고 이 두 언어 간의 통합으로 인해 발생하는 중요한 시너지 효과를 설명하는 간단한 예를 제공한다. SysML은 기본 의미론을 갖춘 잘 정의된 그래픽 구성을 사용하여 시스템 모델을 생성하고 관리하는 데 사용할 수 있는 범용 시스템 모델링 언어이다.(Object Management Group, 2008) SysML은 UML 2(Object Management Group, 2009)의 하위 집합을 재사용하고 새로운 모델링 요소와 두 가지 새로운 다이어그램 유형을 추가하여 이를 확장한다. 이러한 SysML 다이어그램은 <그림 1>에 나와있다.   그림 1. SysML 다이어그램 개요 및 UML 다이어그램과의 관계   요구 사항 다이어그램 및 매개변수 다이어그램과 결합된 일련의 동작 및 구조 다이어그램은 시스템의 통합 보기를 제공한다. 그러나 SysML은 단순한 다이어그램 세트 그 이상을 나타낸다. 다이어그램의 기본에는 모든 모델링 구성을 공식적으로 나타내는 추상 구문 모델 저장소가 있다. 그만큼 위에 표시된 대로 SysML의 시스템 동작은 활동 다이어그램, 상태 머신 다이어그램 및/또는 시퀀스 다이어그램과 관련 의미론의 조합을 통해 캡처된다.     ■ 기사 상세 내용은 PDF로 제공됩니다.

개발 : Stonex 주요 특징 : 동적·정적 스캔을 결합한 하이브리드 스캐닝 모드, 내장 SSD로 실시간 결과 확인 및 처리, 강력한 SLAM 알고리즘 및 안전성, 휴대폰에서 실시간 프리뷰 지원 등 자료 제공 : 지오시스템     Stonex X70GO 핸드스캐너는 복잡한 설치 과정 없이 걸어 다니는 것만으로도 70m 측정 범위 내에서 초당 20만 포인트의 정밀한 3D 데이터를 신속하게 취득할 수 있는 스캐닝 설루션이다. 관성 항법 모듈(IMU), 고성능 컴퓨터와 저장 시스템이 통합되어 있어, 현장을 3D 디지털화하는 데이터 취득 속도와 정밀도, 사용자 편의성을 모두 갖춘 ‘현장을 디지털화하는 차세대 설루션’이라는 점을 내세운다.   주요 특징 하이브리드 스캐닝(X-Whizz 모드) 이동하면서 빠르게 데이터를 수집하는 SLAM 스캔(동적 스캔)과 모노포드 등에 장착하여 특정 지점을 고해상도로 정밀하게 스캔하는 고정 스캔(정적 스캔)이 결합되어 있다. 속도를 요구하는 신속한 스캔 작업 외에도 디테일이 요구되는 상황에서는 정지 상태에서 데이터를 취득하는 기능이 결합되어, 더 높은 밀도와 고해상도의 데이터를 제공하는 작업에 적합하다.   ▲ 이미지 제공 : Stonex   실시간 결과 확인 및 처리 512GB의 내장 SSD가 탑재되어 있어 데이터 수집 완료 후 현장에서 시스템을 통해 즉시 매핑 결과를 출력할 수 있고, 현장에서 바로 데이터를 확인할 수 있다.   강력한 SLAM 알고리즘 및 안전성 현장을 이동하면서 70미터의 측정 범위에서 초당 20만 포인트 데이터를 수집하는 데이터 획득 능력을 갖추었으며, 1200만 화소의 비주얼 카메라와 RGB 카메라가 통합되었다. 이에 따라 구조적 질감이 약한 환경에서도 SLAM 알고리즘이 안정적으로 작동해 고해상도의 색상 데이터를 제공하며, 휴대폰에서 실시간 프리뷰를 지원한다.   주요 기능 기준점 측정 데이터 취득 시 지면이나 벽면의 기준점(control points)을 함께 수집하여, 스캐닝 데이터 후처리 시 정밀한 지오레퍼런싱(georeferencing)을 할 수 있다.   ▲ 이미지 제공 : Stonex   360° 회전 스캐닝 헤드 전방위 시야각(360°H, -7~52°V)을 확보하여 빠짐없는 데이터 수집이 가능하다.   ▲ 이미지 제공 : Stonex   고해상도 텍스처 매핑 1200만 화소 카메라를 통해 포인트 클라우드에 실제 색상을 입혀 현실감 있는 3D 모델을 생성한다.   ▲ 이미지 제공 : Stonex   RTK 모듈 확장성 옵션으로 제공되는 RTK(실시간 측량) 모듈을 추가하면, GNSS 위치 정보를 SLAM 알고리즘에 결합하여 더욱 정확한 글로벌 좌표 기반의 데이터를 얻을 수 있다.   ▲ 이미지 제공 : Stonex   전문 후처리 소프트웨어 윈도우 기반의 GOPOSt 및 Cube-3d 소프트웨어를 통해 노이즈 제거, 필터링, 포인트 클라우드 최적화 및 타사 CAD/BIM 시스템과의 호환을 지원한다.   주요 고객 사이트 건설, 건축사사무소 등에서 건축 구조 검토를 위해 시간이 많이 소요되는 고가의 고정식 스캐너를 대체하여 합리적인 가격대인 핸드스캐너 X70GO를 적용하고 있다. 넓은 면적의 재건축 현장에 빠른 시간에 3D 측량이 가능하고 보상 기준 등에 활용할 수 있다.     활용 분야 숲, 지하 공간 및 터널(GNSS 수신 불가 지역) 복잡한 지형의 숲이나 동굴, 터널 내부 등 GNSS 연결이 불가능한 지역의 실내나 지하에서 라이다(LiDAR)와 관성 측정 장치(IMU)를 활용한 SLAM 기술만으로 자신의 위치를 파악하고 정확한 매핑을 수행할 수 있다.     ▲ 이미지 제공 : Stonex   현장 매핑 및 건축물 기록 70m의 데이터 취득 범위와 하이브리드 스캐닝 모드(X-Whizz)를 통해 넓은 광산, 토목 건설 현장의 토공량 계산이나 현장 진척도를 모니터링할 수 있다. 이외에도 주변 경관을 빠르게 스캔하고, 문화재 건축물 등의 세부사항 등을 고해상도로 정밀하게 기록하여 도면화하거나 3D 디지털 자료를 구축할 수 있다.   ▲ 이미지 제공 : Stonex   복잡한 산업 플랜트 및 설비 수많은 파이프, 시설물 및 복잡한 구조물이 있는 환경에서는 고정된 위치에 한정하지 않고 현장을 이동하며 걸어 다니는 것만으로도 원하는 지역 전체의 3D 데이터를 수집할 수 있어 작업 시간을 단축할 수 있다.     ▲ 이미지 제공 : Stonex     ■ 기사 내용은 PDF로도 제공됩니다.