NC AI(대표 이연수)가 연산 자원이 제한된 로봇과 산업용 엣지 디바이스에 직접 탑재하도록 설계한 경량 비전언어모델(VLM) ‘배키 비전 3B(VAETKI Vision 3B)’를 개발했다. 회사가 공개한 벤치마크에서 로봇·공간 이해 평가 3종 평균 63.8점을 기록해 비교 대상으로 고른 글로벌 공개 모델 6종보다 높은 점수를 받았다. 이를 기반으로 한 용접 공정 특화 모델 ‘VAETKI-Vision-3B-Weld’도 함께 만들었다.
제조·조선 현장에서는 제한된 연산 자원으로 복잡한 시각 정보를 처리할 고성능 경량 모델이 필요하고, NC AI는 모델 개발 과정에서 자체 학습 체계 확보에도 주력했다고 밝혔다. 외부 모델 의존도를 줄이려는 취지다. 배키 비전 3B는 이미지뿐 아니라 동영상도 입력받는 멀티모달 모델로, 동영상이 들어오면 4초 구간의 8개 프레임을 함께 분석한다.
BLINK·ERIQ·ERQA 평균 63.8점, 비교 모델 6종 상회
성능 평가에는 다중 이미지 공간 지각을 보는 BLINK, 체화 추론을 보는 ERIQ, 체화 공간 추론을 보는 ERQA가 쓰였다. 일반 응답 모드에서 세 평가의 평균은 63.8점이다. 비교 대상은 Qwen3-VL-2B·4B, Qwen3.5-2B·4B, Ministral-3-3B·8B 등 NC AI가 선정한 글로벌 공개 모델이다. 비교 모델 중에는 배키 비전 3B보다 큰 4B·8B급도 포함돼 있다.
추론 모드(Think mode)에서도 평균 63.2점을 제시했다. 회사가 제시한 비교 결과에서 8B급 비교 모델 Ministral-3-8B-Reasoning의 점수는 48.4점으로, 배키 비전 3B가 웃돌았다. NC AI는 차트 이해 능력을 평가하는 ChartQA와 이미지 속 텍스트 인식을 평가하는 TextVQA에서도 비교 모델 가운데 가장 높은 성능을 냈다고 설명했다. 이상의 수치는 모두 회사가 공개·제시한 결과다.
자체 인프라로 사전학습과 2단계 미세조정 구축
NC AI는 자체 인프라에서 사전학습과 2단계 미세조정 체계를 구축했다. 철강·조선·국방처럼 보안과 기술 공급망 안정성이 중요한 분야를 겨냥해 자체 학습 체계로 외부 의존도를 줄이는 전략이기도 하다. 산업용 AI 모델은 외부 서버 연결이 제한되고 기업별 공정 데이터와 설비에 맞춘 추가 학습이 필요해 자체 기술 기반이 요구된다는 설명이다.
용접 특화 모델, 소규모 데이터 추가 학습으로 지표 상승
VAETKI-Vision-3B-Weld는 배키 비전 3B에 소규모 용접 데이터셋을 추가로 학습시킨 모델이다. 용접 분류 성능을 보는 RIAWELC 정확도는 기존 베이스 모델 41.1점에서 80.9점으로 올랐다. 결함 감지·상태 추론 지표인 Khvatskii(온라인 기준)는 39.3점에서 69.8점으로 상승했다.
용접 위치·형상 인식을 평가하는 RefWeld의 박스 정확도는 5.3점에서 72.5점으로 높아졌다. NC AI는 범용 VLM을 특정 제조 공정에 맞게 소규모 데이터로 추가 학습하면 작업 대상의 상태·위치 인식 성능을 개선할 수 있음을 확인했다고 설명했다.
이연수 대표 “고성능 경량 모델이 필수적”
이연수 NC AI 대표는 “피지컬 AI가 가상 시뮬레이션을 넘어 실제 산업 현장의 로봇과 장비에서 실시간으로 작동하려면, 제한된 하드웨어 자원에서도 공간을 정확히 이해하고 판단하는 고성능 경량 모델이 필수적”이라고 말했다. 또 “글로벌 동급 모델을 뛰어넘는 ‘배키 비전 3B’는 NC AI가 추진 중인 철강, 조선, 국방 분야의 로보틱스 및 VLA 기술을 현장에 안착시키는 핵심 동력이 될 것”이라고 밝혔다.
NC AI는 현재 한화오션과 자율 용접 로봇용 피지컬 AI를 개발하고 있고, 포스코DX와는 산업 현장 휴머노이드 로봇 실증을 진행 중이다. 현대로템과도 월드모델 구축 협력을 추진하고 있다.
RL 추가해 피지컬 AI 프로젝트에 적용 예정
NC AI는 배키 비전 3B를 시각·언어·행동을 결합한 VLA(Vision-Language-Action)와 월드모델로 확장하기 위한 핵심 시각 인식 기술로 활용할 방침이다. 강화학습(RL)을 추가해 성능을 고도화한 뒤에는 진행 중인 피지컬 AI 프로젝트의 로봇·엣지 장비에 적용할 예정이다. 회사는 VLA 기술 개발도 이어간다는 구상이며, 목표는 시각 인식 결과를 실제 로봇 행동으로 연결하는 것이다.