PHYSICAL AI · MODULAR HUMANOID PLATFORM

「MAXIMA」물리 AI 기반
모듈형 휴머노이드 로봇

완전 자동화된 AI 팩토리 제조 현장을 위한
Physical AI 구동 휴머노이드

IRS는 표준화되지 않은 노후·비정형 제조 현장(Brownfield)에 최적화된
휴머노이드 플랫폼 MAXIMA를 통해,
사람 중심으로 설계된 기존 산업 현장에 로봇을 자연스럽게 적용합니다.

INTRODUCTION

Evolution of Industrial Automation

Greenfield에서 Brownfield로,
산업 자동화의 전환

기존 자동화는 로봇 친화적으로 설계된 표준화 환경(Greenfield)에 집중되어 왔습니다.
그러나 현장 유지의 필요성과 현장 맞춤형 자동화 수요가 빠르게 늘면서,
사람 중심으로 설계된 비정형 환경(Brownfield)에서도 동작 가능한 범용 플랫폼으로서 휴머노이드에 대한 관심이 커지고 있습니다.

지속적인 자동화 확산

안전성 향상 · 생산성 향상

기존 자동화의 한계

표준화된 설비·공정,
로봇 친화적 인프라 중심

Brownfield 자동화 수요 증가

기존 작업 환경 유지 필요,
현장 맞춤형 자동화 요구

휴머노이드 수요 증가

사람 중심 환경 적용 가능,
범용 현장 적용성

Greenfield Automation

로봇 친화적 표준화 환경

표준화된 공정

로봇 지향 인프라

높은 안정성/예측성

대량생산 최적화

패러다임 전환
로봇 친화적 공장을 짓는 방식에서,
기존 환경에 로봇을 적응시키는 방식으로

Brownfield Robotics

사람 중심의 비정형 환경

기존 시설 활용

기존 장비 활용

인간과의 공존

다양한 직업 수행

IRS 휴머노이드는
사람을 위해 설계된 환경에서
가장 자연스럽게 동작할 수 있는
범용 로봇 플랫폼입니다.

Why Brownfield Environments Are Difficult

Brownfield 환경이 어려운 이유

Brownfield 환경의 주요 과제

01

비정형 대상물

위치와 형상이 개체마다 크게 다름

02

환경 변화

외부 요인에 의한 지속적 변화
(조도, 분진, 반사 등)

03

협소 공간 및 인간-기계 공존

공간 제약과 예측 불가능한 간섭

04

작업 조건의 높은 변동성

산업·공정별 상이한 요구사항

05

잦은 예외 상황

빈번한 돌발 상황과 예외 이벤트

Brownfield 환경의 대표 특성

비정형 대상물

조도 변화/분진/반사

협소 공간 및 공유 작업구역

공정·작업의 다양성

Brownfield Automation
불확실성과 동적 환경 조건 속에서도
안정적으로 동작 하는
로봇 시스템을 구축하는 것

SUGGESTION

Proposed Physical AI Strategy

Brownfield 로보틱스를 위한 Physical AI 전략

즉시 배포 가능한 규칙 기반 시스템으로 시작해,
현장 데이터를 축적하고 점진적으로 학습 기반 자율성을 확장하는 2단계 전략입니다.

Phase 1

Deploy & Collect

① 규칙 기반 제어를 통한 즉시 배포

·초기 배포를 위한 규칙 기반 제어

·기존 시설 변경 없는 즉시 배포

·검증된 로보틱스 기술로 작업 수행

② 운영 중 백그라운드 데이터 로깅

·비전·센서 데이터, 로봇 상태 데이터

·작업 성공/실패 로그, 예외·변이 상황 기록

Phase 2

Learn & Improve

③ Human-in-the-Loop 데이터 수집

·실패·예외 상황에 대한 전문가 원격조작(Teleoperation)

·고품질 시연 및 복구 데이터셋 구축

④ 정책 학습 및 점진적 자율화

·Visuomotor 정책 학습

·현장 데이터 기반 반복 개선 및 안전한 자율성 확대

Closed-loop Learning Framework

배포
(규칙기반)

로깅
(운영 데이터)

사람 개입
(원격조작)

데이터 큐레이션

정책 학습

안전한 배포
(제한적 자율)

Phase 1

규칙 기반 제어를 통한 즉시 배포

왜 규칙 기반 제어로 시작하는가

규칙 기반 시스템은 모든 상황에 대응하기 어렵지만,
배포를 위한 실용적인 출발점을 제공합니다

검증된 규칙 기반 제어는 즉시 배포와 초기 가치 창출을 가능하게 합니다

현장 배포 자체가 곧 실데이터 축적 과정이 됩니다

초기 배포의 목표

예시 기술

Motion Planning

충돌 회피, 경로 최적화

Navigation

위치 추정, 경로 추종

Perception

객체 탐지, 자세 추정

Task Orchestration

작업 순서 제어, 의사결정 로직

도입 초기부터 가치를 제공

Brownfield 데이터의 지속적 축적

통제된 작업에서의 안전한 운영 실현

학습 기반 자동화로 나아가는 기반 마련

Phase 2

원격조작 기반 학습 및
점진적 자율화

Ⅰ원격조작을 통한 시연 데이터 수집

전문가가 실제 작업을 원격조작으로 수행하며, 다양한 작업 조건에서 로봇 상태·센서 관측·조작자 명령·작업 결과를 기록합니다.

Ⅱ정책 학습 및 배포

Phase 1의 운영 데이터와 Phase 2의 원격조작 데이터를 결합해 Visuomotor 정책을 학습하고, 실제 작업에 배포합니다.

Ⅲ필요 시 사람 개입

실패·예외 상황 발생 시 오퍼레이터가 개입해 복구 행동을 데이터로 확보하고, 이를 학습 데이터로 전환합니다.

Ⅳ반복 개선 및 점진적 자율화

배포·개입 데이터를 지속적으로 통합해 정책을 재학습하고, 사람의 개입을 점진적으로 줄여 자율 작업 범위를 확장합니다.

CASE STUDY

MAXIMA-w1

IRS의 범용 휴머노이드 플랫폼, MAXIMA-w1

Head	멀티모달 센서 (3D LiDAR ×2, ToF, RGBD, 마이크, 스피커)
Neck	2DOF (Tilt, Roll)
Arm	7DOF, 가반하중 10kg (Roll-Pitch-Roll-Pitch-Roll-Pitch-Yaw)
Waist	2DOF (Tilt, Roll)
Dexterous Hand	6DOF (F/T 센서, 손목 카메라 2D, 촉각 센서)
Mobile	전방향 구동, 리튬이온 배터리 ×2
Lower Body	링크 메커니즘 + 선형 액추에이터, 3DOF (Tilt ×2, Roll)
Navigation	NVIDIA® Jetson Orin, 전/후방 2D LiDAR·RGBD 카메라, 충돌감지 센서
Perception Computing	NVIDIA Jetson NX
Training & Inference SoC	NVIDIA® Jetson Thor T5000™ (2070 TFLOPS)
Connectivity	Wi-Fi, Bluetooth, LTE / 상태 표시 LCD / 이중 비상정지 스위치

Physical AI 즉시 배포 + Human-in-the-Loop
학습이 가능한 고하중 휴머노이드

MAXIMA-w1

현장형 산업 구성 (방열복 등)

기본 동작 (Basic Motions)

고하중 핸들링 (편팔 10kg↑)

산업 자재 운반

원격조작 공구 조작

비전 기반 설비 조작

자율 배송 서비스

Physical AI Architecture

MAXIMA의 Physical AI 아키텍처

Phase 1

Rule-based Autonomy

Navigation

·자율 내비게이션 및 경로 계획

·장애물 회피

Manipulation

·모션 계획 및 충돌 회피

·규칙 기반 작업 수행

Perception

·객체 탐지 및 분류

·6D 자세 추정

Phase 2

Learning-based Autonomy

Teleoperation

·원격조작 기반 작업 시연

·실시간 모니터링 및 개입

Data Pipeline

·멀티모달 데이터 수집

·시연 데이터셋 구축

Policy Learning

·Vision-Language-Action(VLA) 정책 학습

·반복적 성능 개선

Phase 1 · ROS2 Architecture

ROS2 기반 모션 플래닝 및 내비게이션

Brownfield 환경의 주요 과제

Nav2

SOTA 내비게이션 기술 제공

SLAM, 경로 계획, 제어

MoveIt2

SOTA 모션 플래닝 제공

최적 궤적 생성

ros2_control

하드웨어 추상화 및
실시간 저수준 제어

TF2

좌표 변환 및 프레임 관리

ROS2

성숙한 ROS2 생태계 기반의
신뢰성·확장성 있는 로봇 시스템

Navigation (Nav2)

자율 내비게이션·경로 계획, 실시간 장애물 회피, 작업 위치로의 효율적 접근

2D/3D Mapping

Navigation with Nav2

Manipulation (MoveIt2)

양팔 모션 플래닝, 충돌 회피 및 최적 궤적 생성, 작업공간·관절한계 인식

Free-space Motion Planning

Collision-constrained Motion Planning

Phase 1 · Perception

인지 및 규칙 기반 작업 수행

Perception Pipeline — FoundationPose 기반 6D 자세 추정

YOLOv11 객체 분할

RGB 이미지 내 6D Pose (3D 박스)

RViz 포인트클라우드·6D Pose 시각화

규칙 기반 작업 수행 데모 (8배속)

Rule-based Task Execution Framework

Task Manager(시나리오 실행기)가 목표를
각 Action Server(내비게이션/조작/인지)에 전달하고
실행 상태·결과를 모니터링합니다.

Navigation Action Server

목표 위치 이동, 경로 계획·추종, 도착 상태 보고

Manipulation Action Server

팔·상체 제어, 모션 계획 및 실행, 작업 성공/실패 보고

Perception Action Server

객체 6D 자세 추정, 인지 결과 반환

Phase 2 · Teleoperation

시연 데이터 수집을 위한
원격조작 시스템

XR 기반 Ego-view 원격조작

·RGBD 카메라로 캡처한 포인트클라우드를 XR 헤드셋으로 스트리밍

·몰입형 1인칭 원격조작 환경

·머리·손·손가락 자세 트래킹

·몸통·양팔·목·손의 전신 제어 (Embodied Teleoperation)

XR 헤드셋 포인트클라우드 스트리밍

XR 디바이스 원격조작

마스터 디바이스 기반 원격조작

·이중 7DOF 마스터 디바이스

·모션 리타겟팅 (Motion Retargeting)

·6D 힘 피드백 (Force Feedback)

·MAXIMA 전용 자체 개발 마스터 디바이스 (개발 중)

자체 개발 마스터 디바이스

마스터 디바이스 원격조작

멀티모달 데이터 수집 파이프라인

원격조작 시야 (헤드 카메라)

Phase 2 · Policy Learning

Visuomotor 정책
학습 파이프라인

다양한 시연 데이터셋

범용 정책 학습을 위한 다양한 작업 시연 데이터

“슬링 벨트를 집어 후크에 건다”

“드라이버를 집어 통에 넣는다”

“사과를 집어 접시에 놓는다”

“파란 큐브를 집어
빨간 큐브 위에 쌓는다”

GR00T N1.7 정책 학습 및 추론

다양한 시연으로부터 범용 정책을 학습

Fine-tuning

사전학습된 VLA 모델을
MAXIMA 플랫폼에 맞춰 파인튜닝

대규모 시연 데이터셋

1,000+ 에피소드, 300,000+ 프레임

고성능 AI 서버

KIRO의 고성능 AI 학습 인프라 활용

대규모 병렬 학습

배치 사이즈 256, 60,000 스텝

학습 결과 (loss / learning rate / grad norm)

NVIDIA Isaac GR00T

NVIDIA가 개발한 Vision-Language-Action(VLA) 파운데이션 모델.
실시간 행동 생성을 담당하는 System 1과 비전-언어 기반 추론을 담당하는 System 2로 구성되며,
30억 파라미터 규모의 대형 모델입니다. N1.7 버전은 2026년 4월 공개되어 실시간 추론 성능이 개선되었습니다.

Phase 2 · Human Intervention

사람의 개입을 통한 지속적 학습

실패 복구 데이터 수집

자율 실행 중 실패 발생 시 로봇을 원격조작해 복구 시연을 수집합니다.

복구 사례1
(왼손 그립 실패)

복구 사례2
(오른손 그립 실패)

복구 사례3
(양손 그립 실패)

복구 사례4
(후크 그립 실패)

자율 실패 복구 (점진적 성능 향상)

개선된 정책은 실패를 스스로 감지하고 복구하여
작업을 성공적으로 완료합니다.

추가 학습 후 실패 복구 데모 (4배속)

CONCLUSION

고위험 산업 현장을 위한 Industrial Physical AI를 향하여

Key Contributions

	rownfield 환경을 위한 Physical AI 배포 전략 규칙 기반 배포(Phase 1), 원격조작 기반 시연 수집, Visuomotor 정책 학습, HITL 지속 학습 및 점진적 자율화
	MAXIMA 상의 Physical AI 구현 ROS2 기반 오픈 아키텍처, 내비게이션·조작·인지 통합, 원격조작 기반 데이터셋 생성, 정책 학습 및 작업 수행, 실패 복구 학습을 통한 개선

Future Work

	Physical AI 고도화 작업 다양성·데이터셋 확장, 장기 과업(Long-horizon) 학습, 복구 능력·강건성 강화, 실산업 환경에서의 지속 학습
	현장 검증 및 PoC 확대 건설 현장 PoC 계획, 실제 Brownfield 환경 검증, 고온·분진·협소공간 조건 평가, 건설·제철·조선 산업으로 확대

Expected Impact

고위험·노동집약적 산업 작업 자동화를 위한
실용적인 Physical AI 전략

기존 산업 환경의 최소한의
변경만으로 Brownfield 자동화 실현

Physical AI를 통한
작업장 안전성 향상 및 산업 경쟁력 강화

제철 현장 예지보전

용접 자동화

건설 현장 적용

제철 현장 예지보전

용접 자동화

건설 현장 적용

MAXIMA

MAXIMIZE YOUR CONTINUITY

Humans rest, MAXIMA runs.

1:1 문의하기 →

MAXIMA

PHYSICAL AI · MODULAR HUMANOID PLATFORM

「MAXIMA」물리 AI 기반 모듈형 휴머노이드 로봇

완전 자동화된 AI 팩토리 제조 현장을 위한 Physical AI 구동 휴머노이드

IRS는 표준화되지 않은 노후·비정형 제조 현장(Brownfield)에 최적화된 휴머노이드 플랫폼 MAXIMA를 통해, 사람 중심으로 설계된 기존 산업 현장에 로봇을 자연스럽게 적용합니다.

INTRODUCTION

Evolution of Industrial Automation

Greenfield에서 Brownfield로, 산업 자동화의 전환

Greenfield Automation

로봇 친화적 표준화 환경

Brownfield Robotics

사람 중심의 비정형 환경

IRS 휴머노이드는 사람을 위해 설계된 환경에서 가장 자연스럽게 동작할 수 있는 범용 로봇 플랫폼입니다.

Why Brownfield Environments Are Difficult

Brownfield 환경이 어려운 이유

Brownfield 환경의 주요 과제

01

02

03

04

05

Brownfield 환경의 대표 특성

Brownfield Automation 불확실성과 동적 환경 조건 속에서도 안정적으로 동작 하는 로봇 시스템을 구축하는 것

SUGGESTION

Proposed Physical AI Strategy

Brownfield 로보틱스를 위한 Physical AI 전략

즉시 배포 가능한 규칙 기반 시스템으로 시작해, 현장 데이터를 축적하고 점진적으로 학습 기반 자율성을 확장하는 2단계 전략입니다.

Phase 1

① 규칙 기반 제어를 통한 즉시 배포

② 운영 중 백그라운드 데이터 로깅

Phase 2

③ Human-in-the-Loop 데이터 수집

④ 정책 학습 및 점진적 자율화

Closed-loop Learning Framework

Phase 1

규칙 기반 제어를 통한 즉시 배포

왜 규칙 기반 제어로 시작하는가

초기 배포의 목표

예시 기술

Phase 2

원격조작 기반 학습 및 점진적 자율화

CASE STUDY

MAXIMA-w1

IRS의 범용 휴머노이드 플랫폼, MAXIMA-w1

Physical AI 즉시 배포 + Human-in-the-Loop 학습이 가능한 고하중 휴머노이드

Physical AI Architecture

MAXIMA의 Physical AI 아키텍처

Phase 1

Navigation

Manipulation

Perception

Phase 2

Teleoperation

Data Pipeline

Policy Learning

Phase 1 · ROS2 Architecture

ROS2 기반 모션 플래닝 및 내비게이션

Brownfield 환경의 주요 과제

Nav2

MoveIt2

ros2_control

TF2

ROS2

Navigation (Nav2)

Manipulation (MoveIt2)

Phase 1 · Perception

인지 및 규칙 기반 작업 수행

Perception Pipeline — FoundationPose 기반 6D 자세 추정

Rule-based Task Execution Framework

Phase 2 · Teleoperation

시연 데이터 수집을 위한 원격조작 시스템

XR 기반 Ego-view 원격조작

마스터 디바이스 기반 원격조작

멀티모달 데이터 수집 파이프라인

Phase 2 · Policy Learning

Visuomotor 정책 학습 파이프라인

다양한 시연 데이터셋

GR00T N1.7 정책 학습 및 추론

Phase 2 · Human Intervention

사람의 개입을 통한 지속적 학습

「MAXIMA」물리 AI 기반
모듈형 휴머노이드 로봇

완전 자동화된 AI 팩토리 제조 현장을 위한
Physical AI 구동 휴머노이드

IRS는 표준화되지 않은 노후·비정형 제조 현장(Brownfield)에 최적화된
휴머노이드 플랫폼 MAXIMA를 통해,
사람 중심으로 설계된 기존 산업 현장에 로봇을 자연스럽게 적용합니다.

Greenfield에서 Brownfield로,
산업 자동화의 전환

IRS 휴머노이드는
사람을 위해 설계된 환경에서
가장 자연스럽게 동작할 수 있는
범용 로봇 플랫폼입니다.

Brownfield Automation
불확실성과 동적 환경 조건 속에서도
안정적으로 동작 하는
로봇 시스템을 구축하는 것

즉시 배포 가능한 규칙 기반 시스템으로 시작해,
현장 데이터를 축적하고 점진적으로 학습 기반 자율성을 확장하는 2단계 전략입니다.

원격조작 기반 학습 및
점진적 자율화

Physical AI 즉시 배포 + Human-in-the-Loop
학습이 가능한 고하중 휴머노이드

시연 데이터 수집을 위한
원격조작 시스템

Visuomotor 정책
학습 파이프라인