AI 모델·AI 에이전트
Vision AI와 Domain AI, 현장 판단·계획을 위한 AI Agent를 산업 목적에 맞춰 연구합니다.
핵심 기술 체계
Industrial Physical AI
PPC — 인지·계획·제어
현장 목적에 맞춰 AI 모델을 설계하고, 2D·3D Industrial Perception과 NPU Edge AI를 제품·설비에 구현하며, 안전 검증를 통과한 실행을 산업 제어 계층과 연결합니다.
전체 시스템 구성도
Research에서 Physical System까지 하나의 기술체계로 연결합니다
AI 모델·AI 에이전트 연구와 Model Engineering을 기반으로 Perception, Planning, 안전 검증, Control, Physical System, Feedback을 하나의 폐루프로 연결합니다.
현장 구축 사례
녹조제거설비 Industrial Physical AI 통합제어
2026년 환경 인프라 현장에 RGB-D·RADAR·CCTV 기반 인지, 현장 AI Agent, MCU 안전·제어 계층, PLC 인터록과 실제 설비 피드백을 연결한 폐루프 Industrial Physical AI 시스템을 구축했습니다.
현장 인지RGB-D · RADAR · CCTV
AI 에이전트Algae Agent · Hoist Agent
안전 검증·제어MCU · PLC Interlock
현장 설비수문·이젝터 펌프·플라즈마 설비·호이스트
상태 피드백센서·설비 상태·이벤트·CCTV
AI Agent의 판단은 MCU 안전·우선순위 제어와 PLC 인터록의 검증을 거쳐 최종 설비 출력으로 실행됩니다.
AI 연구 → 설계·개발 → 현장 설비
AI를 연구하고 현장 연산환경과 실제 설비에 연결합니다
ILLUVATION의 Industrial Physical AI는 AI 모델·AI 에이전트 연구를 출발점으로, 목적·데이터·연산 제약에 맞춘 Engineering과 Edge 배치를 거쳐 실제 산업시스템의 인지·판단·안전한 실행으로 연결합니다.
Model Engineering · NPU Edge
문제·데이터·목표 성능·연산 제약을 함께 고려해 모델 구조를 설계·재설계하고 NPU·Embedded 환경에 배치합니다.
인지·운영 판단·안전 검증·제어
센서·AI·제어 계층을 실제 설비와 연결하고 실행 결과를 Feedback으로 다시 반영합니다.
기술 연결 구조 AI Research → AI 모델 설계·개발 / Agentic AI → NPU Edge · Embedded AI → Industrial Physical AI
기술 협력
기술·R&D·SI 협력 범위
AI 모델 설계·개발
Domain AI와 목적·데이터·연산환경에 맞춘 모델 구조 설계·재설계.
2D·3D Industrial Perception
Camera, RGB-D, Depth, 3D와 현장 센서를 이용한 상태·객체·공간 인지.
NPU · Embedded AI
제품·장비 내부 NPU급 연산환경을 위한 Edge AI 배치와 최적화.
MCU · PLC · PPC Integration
안전 검증, MCU·PLC·Controller와 실제 설비를 연결하는 제어·시스템 통합.
인지·계획·제어 구조
Perception에서 Feedback까지
현장 인지, 운영계획, 안전 검증, 실제 설비 실행, 피드백을 폐루프로 연결합니다.
현장 상태 인지
카메라, RGB-D, 3D 센서와 현장 센서 데이터를 바탕으로 물체·상태·변화를 인지합니다.
→
규칙 기반·에이전트 기반 판단
사전에 정의된 Rule-Set을 선택하거나 복합 상황에서는 JENNA Agentic AI를 이용해 실행 후보 Rule-Set을 생성·조정합니다.
→
안전 검증 · 결정론적 실행
실행 후보를 안전조건으로 검증한 뒤 Edge Controller, MCU, PLC 등 산업 제어 계층에서 실행하고 결과를 다시 피드백합니다.
핵심 AI 모델 자산
자체 AI 모델 자산
Domain AI, Industrial Perception AI, Agentic Planning AI를 산업 문제에 맞춰 선택·결합합니다.
축산 특화 AI
고정밀 체중 추론 AIRGB-D 기반 3D 데이터를 활용한 개체 무게 추론 AI
실시간 체중 추론 AI연속 RGB-D 데이터를 활용해 복수 개체의 무게를 실시간 추론하는 AI
분만 모니터링 AI모돈 1개체의 분만 상태를 모니터링하는 AI · PigTocTok 적용
범용 시각 인지
SwiftYOLOILLUVATION이 개발한 General-Purpose Object Recognition AI
JENNA Agentic AI
GPU 기반 에이전트 판단On-Premise Agentic AI for Local-First Engineering. 복합 상황에서 Rule-Set 생성·수정·최적화를 지원합니다.
운영 판단·계획
Deterministic Rule-Set · JENNA Agentic AI
Planning은 현장 복잡도에 따라 Predefined Rule-Set과 GPU 기반 JENNA Agentic AI를 선택적으로 구성합니다.
사전 정의된 결정론적 규칙
운영조건과 안전조건이 명확한 현장에서는 사전에 검증한 Rule-Set을 사용해 실행 계획을 구성합니다.
- 설명 가능한 운영 조건
- 검증 가능한 제어 로직
- 고정 규칙 기반의 안정적 운용
JENNA Agentic AI
다중 조건과 상황 변화에 따라 운영계획 조정이 필요한 현장에서 Rule-Set 생성·수정·최적화를 지원합니다.
- 상황 기반 계획 지원
- Rule-Set 형태로 결과 출력
- 실행 전 안전 검증 적용
에이전트 기반 판단·결정론적 제어
JENNA가 생성한 Rule-Set은 안전 검증 계층의 검증을 거쳐 산업 제어 계층에서 결정론적으로 실행됩니다.
현장 중심 시스템 설계
On-Device · On-Premise · On-Site Control
NPU 기반 현장 인지
카메라·센서와 가까운 NPU급 연산환경에서 필요한 데이터 수집과 현장 추론을 수행합니다.
운영 판단·현장 AI 실행 환경
현장 로컬 환경에서 JENNA와 Rule-Set 관리 등 계획 기능을 구성합니다.
결정론적 제어
검증된 Rule-Set을 PLC, MCU, Edge Controller 및 현장 제어 인프라에서 실행하고 안전 인터록과 비상정지 체계를 유지합니다.
연구개발 방향 · 디지털 트윈
Industrial Physical AI에서 DTBS로
현재 Digital Twin 연구를 통해 객체·공간·설비·공정 상태를 표현하고 Feedback으로 갱신하는 방법을 연구합니다. DTBS — Digital Twin Based System은 고도화 목표 시스템입니다.
Industrial Physical AI
Perception → Planning → 안전 검증 → Control → Physical System → Feedback.
디지털 트윈
객체·공간·설비·공정 상태를 Digital Twin에 표현하고 현장 Feedback으로 갱신하는 연구.
DTBS
Digital Twin 상태를 Planning과 Control에 연결하는 폐루프 목표 시스템.
기술 협력
Industrial Physical AI 공동 구현
AI 공동연구, 2D·3D Perception·Sensor·Edge 결합, MCU·PLC·설비 통합, SI 구축과 공동 R&D 범위를 협의합니다.
기술·R&D·SI 협력 상담