NC AI, 피지컬 AI용 경량 시각언어모델 ‘배키 비전 3B’ 개발…로봇·공간 이해 성능 입증

피지컬 AI 분야에서 로봇의 움직임을 제어하는 기술에서 주변 환경을 이해하고 판단하는 지능이 경쟁력으로 꼽히고 있다. 산업 현장에서 작동하는 로봇은 물체의 위치와 형태뿐 아니라 작업 대상의 움직임, 주변 공간의 변화까지 실시간으로 파악해야 한다. 제조·조선 현장에서는 제한된 연산 자원으로 복잡한 시각 정보를 처리해야 하기 때문에 고성능이면서도 가벼운 인공지능(AI) 모델의 중요성이 커지고 있다. 이러한 요구에 대응하기 위해 시각 정보와 언어를 함께 이해하는 비전언어모델(VLM)을 로봇의 행동 제어 기술과 결합하려는 개발이 이어지고 있다.

NC AI(대표 이연수)는 로봇과 산업용 장비의 시각 인식에 활용할 수 있는 경량 비전언어모델 ‘배키 비전 3B(VAETKI Vision 3B)’를 개발했다. 배키 비전 3B는 연산 자원이 제한된 로봇이나 산업용 엣지 디바이스에 직접 탑재할 수 있도록 설계한 멀티모달 AI 모델이다. 카메라 등으로 입력되는 시각 정보를 해석하고 주변 공간과 물체의 상태를 이해하는 기능에 초점을 맞췄다.

피지컬 AI가 실제 환경에서 물리적인 행동을 수행하려면 시각 정보를 인식하는 단계를 넘어 상황을 판단하고 적절한 동작으로 연결해야 한다. 이를 구현하는 기술 가운데 하나가 시각·언어·행동을 결합한 VLA(Vision-Language-Action) 모델이다. NC AI는 배키 비전 3B를 향후 VLA와 월드모델로 확장하기 위한 핵심 시각 인식 기술로 활용할 방침이다.

회사가 공개한 벤치마크 평가 결과에 따르면 배키 비전 3B는 로봇과 공간 이해 능력을 측정하는 3개 평가에서 평균 63.8점을 기록했다. 다중 이미지 공간 지각을 평가하는 ‘BLINK’, 체화 추론을 측정하는 ‘ERIQ’, 체화 공간 추론을 평가하는 ‘ERQA’를 종합한 결과다.

이는 NC AI가 비교 대상으로 선정한 Qwen3-VL-2B·4B, Qwen3.5-2B·4B, Ministral-3-3B·8B 등 글로벌 공개 모델 6종보다 높은 평균 점수다. 일부 비교 모델은 배키 비전 3B보다 매개변수 규모가 큰 4B급 또는 8B급이다.

이번 비교는 별도의 심층 추론 과정 없이 답변을 생성하는 ‘일반 응답 모드’를 기준으로 진행됐다. 산업용 로봇처럼 입력된 정보를 빠르게 처리해야 하는 환경에서 모델의 공간 이해 성능을 평가했다는 설명이다.

심층 추론을 수행하는 ‘추론 모드(Think mode)’에서도 평균 63.2점을 기록했다. 회사가 제시한 비교 결과에서 8B급 모델인 ‘Ministral-3-8B-Reasoning’의 48.4점을 웃도는 수치다. 차트 이해 능력을 평가하는 ‘ChartQA’와 이미지 속 텍스트를 인식하는 ‘TextVQA’에서도 비교 모델 가운데 가장 높은 점수를 기록했다고 NC AI는 설명했다.

용접 결함 감지·위치 인식 성능 개선…산업 특화 VLM으로 확장

NC AI는 모델 설계 단계부터 로봇 제어와 제조 현장의 특성을 반영했다. 배키 비전 3B는 동영상 입력 시 4초 구간의 8개 프레임을 함께 분석해 시간에 따른 움직임과 공간 변화를 파악하도록 설계됐다. 개별 이미지의 정보뿐 아니라 프레임 사이의 관계를 함께 처리해 로봇의 미세한 움직임이나 작업 대상의 이동 궤적을 인식하는 데 활용할 수 있다. 학습 과정에는 용접 결함 등 산업 현장 이미지와 로봇·공간 추론 관련 데이터도 포함했다.

범용 모델을 산업별 업무에 맞게 조정하는 작업도 진행했다. NC AI는 배키 비전 3B를 기반으로 용접 공정에 특화된 ‘VAETKI-Vision-3B-Weld’ 모델을 개발했다. 기존 모델의 범용 시각 인식 능력을 유지하면서 소규모 용접 관련 데이터셋으로 추가 학습하는 방식을 적용했다.

회사 측이 공개한 용접 분야 벤치마크 결과에서는 주요 지표가 개선됐다. 용접 분류 성능을 평가하는 ‘RIAWELC’ 정확도는 기존 베이스 모델의 41.1점에서 80.9점으로 상승했다. 결함 감지와 상태 추론을 평가하는 ‘Khvatskii’ 지표는 온라인 기준 39.3점에서 69.8점으로 높아졌다.