SW Technology Development

Physical AI를 위한
SW 기술 개발 분야

SGWorks는 Physical AI 구현에 필요한 핵심 SW 기술을 세 가지 축으로 연구·개발합니다. sLLM 엔진, 디지털트윈 시뮬레이션, AI Agent S/W가 유기적으로 결합되어 현실의 로봇과 디바이스를 지능적으로 제어합니다.

01 sLLM Engine
핵심 sLLM 기술 개발
02 Digital Twin
디지털트윈 기술 개발
03 AI Agent S/W
추론·제어 SW 기술 개발
SW 기술 개발 분야

SGWorks의 Physical AI를 위한
SW 기술 개발 분야

피지컬 AI가 현실에서 동작하려면 AI의 두뇌, 학습 환경, 실행 소프트웨어의 세 가지 핵심 기술이 필요합니다. SGWorks는 이 세 영역을 독자 기술로 연구·개발합니다.

1

Physical AI를 위한 핵심 sLLM (small Large Language Model) 기술 개발

GPU 기반의 sLLM 및 RAG 기술을 이용하여 피지컬 AI에 특화된 생성형 AI 모델을 개발합니다. 파운데이션 모델 파인튜닝과 RAG Vector DB를 결합해 현장에서 작동하는 경량 AI 엔진을 구현합니다.

GPU 가속 Fine-tuning RAG Vector DB
2

Physical AI를 시뮬레이션하고 데이터를 생성하는 디지털트윈 기술 개발

피지컬 AI의 물리법칙을 디지털트윈으로 시뮬레이션해서 구현하고 AI Agent와 연동하여 실제와 동일한 가상 환경을 구성합니다. 로봇·디바이스 제작 비용절감과 개발 시간 단축이 가능합니다.

3D 시뮬레이션 물리 알고리즘 합성 데이터
3

Physical AI에서 발생하는 센서 데이터를 이용하여 AI 기술로 추론, 인지, 제어, 의사결정 SW 기술 개발

피지컬 AI를 위한 AI Agent S/W 기술을 개발합니다. 음성·센서·디바이스 데이터를 수신하고 sLLM으로 추론하여 제어·실행 명령을 출력하는 멀티 에이전트 구조를 설계합니다.

AI Agent 제어·추론 의사결정
Report View

세 가지 핵심 기술의 구성과 역할

각 기술을 개별 기능으로 나누어 설명하는 대신, 실제 개발 체계 안에서 어떤 역할을 맡고 어떤 입력과 산출을 가지는지 보고서 형식으로 정리했습니다.

Executive Summary

SGWorks는 세 가지 핵심 기술을 독립 모듈이 아니라, 하나의 Physical AI 개발 체계로 설계합니다.

sLLM 엔진은 도메인 지식을 해석하고 추론하는 두뇌 역할을 맡습니다. 디지털트윈은 실제 장비를 만들기 전에 실험과 검증을 반복할 수 있는 학습 환경을 제공합니다. AI Agent S/W는 센서 입력을 받아 이해, 추론, 실행, 학습까지 연결하며 최종적으로 디바이스를 움직이는 운영 계층을 담당합니다.

핵심 분담 구조

1
sLLM Engine지식 해석, 질의 응답, 추론을 담당하는 인지 계층
2
Digital Twin가상 환경에서 실험, 학습, 데이터 생성을 수행하는 검증 계층
3
AI Agent S/W센서 입력과 실행 명령을 연결하는 제어 및 운영 계층
01 · sLLM Engine

현장 지식을 해석하고 추론하는
sLLM 인지 엔진

1

Physical AI에 필요한 도메인 지식, 작업 맥락, 장비 상태를 이해하고 응답하는 핵심 AI 레이어입니다. 경량화된 모델 구조와 RAG를 결합해 현장 적용성을 높입니다.

주요 역할

도메인 해석: 보행, 모빌리티, 로봇, 드론 등 장비별 문맥을 이해합니다.
현장 추론: 센서나 작업 로그를 기반으로 상황 판단과 응답 생성을 수행합니다.
지식 연결: RAG Vector DB를 통해 최신 문서, 메뉴얼, 운영 지식을 함께 참조합니다.

구성 흐름

도메인 데이터 파인튜닝 sLLM RAG 검색
보고서 관점에서 sLLM은 “질문에 답하는 모델”이 아니라, Physical AI 전체 시스템에서 판단 근거를 제공하는 인지 엔진입니다.
02 · Digital Twin

실험과 검증을 수행하는
디지털트윈 학습 환경

실제 장비를 바로 제작하거나 반복 테스트하기 전에, 물리법칙 기반 3D 환경에서 동작을 시뮬레이션하고 필요한 학습 데이터를 생성하는 가상 검증 레이어입니다.

주요 역할

가상 환경 구성: 실제 장비와 유사한 3D 공간과 조건을 재현합니다.
물리 검증: 물리 알고리즘을 적용해 제어 결과와 동작 특성을 시뮬레이션합니다.
데이터 생성: AI Agent 학습과 검증에 필요한 합성 데이터를 안정적으로 확보합니다.

구성 흐름

3D 환경 물리 알고리즘 시뮬레이션 데이터
디지털트윈은 비용 절감 수단에 그치지 않고, 실제 장비 투입 전 검증 정확도를 높이는 개발 인프라 역할을 수행합니다.
03 · AI Agent S/W

센서 입력을 행동으로 연결하는
AI Agent 제어 소프트웨어

센서 데이터 수집, 상황 이해, 추론, 제어 명령 생성, 실행 결과 학습까지 전체 루프를 운영하는 계층입니다. 실질적으로 Physical AI가 움직이게 만드는 실행 소프트웨어입니다.

주요 역할

입력 통합: 음성, 센서, 장비 상태 데이터를 수집하고 구조화합니다.
실시간 판단: sLLM과 결합해 상황별 추론과 의사결정을 수행합니다.
행동 실행: 제어 명령을 생성하고 실행 결과를 다시 학습 루프로 환류합니다.

운영 사이클

Understand Reason Act Learn
AI Agent S/W는 단순 자동화 모듈이 아니라, 센서 데이터와 실제 동작을 연결하는 운영 중심 소프트웨어 계층입니다.
SW Architecture

SGWorks의 sLLM은 다음과 같이
S/W 구성을 통한 기술 개발을 합니다

세 가지 기술 요소가 하나의 시스템으로 연결되어 Physical AI 디바이스를 지능적으로 제어합니다.

디바이스 연동
Physical AI
Real-time Link
실시간 데이터 연동
센서 / 액추에이터
① 특화 sLLM 구축

도메인 특화 추론 엔진

Physical AI에 최적화된 소형 언어 모델과 검색 증강 시스템을 구축합니다.

특화 sLLM 모델
GPU 기반 경량 추론
RAG Vector DB
도메인 지식 검색
프롬프팅 엔진
대화 요약 · 컨텍스트
추가 학습 파이프라인
파인튜닝 · LoRA
연동
② Digital Twin

Physical AI
디지털 트윈 환경

현실 디바이스를 가상으로 복제해 AI Agent를 시뮬레이션합니다.

3D 환경 구축
NVIDIA Omniverse · Isaac Sim
물리 알고리즘
충돌·중력·동역학 시뮬레이션
결과 데이터 분석
실시간 피드백 루프
AI Agent 시뮬레이션 실행
데이터
③ AI Agent 서비스

지능형 디바이스
제어 Agent

실제 디바이스와 연동되는 다양한 AI Agent SW를 개발합니다.

Input
음성 연동 기술
디바이스 센서 연동
Execution Agents
대화 Agent
Act 제어 Agent
추론·의사결정 Agent
추가 학습 Agent
Expected Outcome

세 가지 SW 기술 개발로
Physical AI 전주기 솔루션을 완성합니다.

1
GPU 기반의 sLLM 및 RAG 기술을 이용한 피지컬 AI에 특화된 생성형 AI 모델을 개발합니다.
2
피지컬 AI를 위한 AI Agent S/W 기술을 개발합니다. (제어, 추론, 의사결정 등의 S/W 기술 개발)
3
피지컬 AI의 물리법칙을 디지털트윈으로 시뮬레이션해서 구현하고 AI Agent와 연동하여 실제와 동일한 환경을 구성함으로써 피지컬 AI 로봇·디바이스 제작을 위한 비용절감, 개발 시간 단축 가능