NC AI(대표 이연수)가 연산 자원이 제한된 로봇과 산업용 엣지 디바이스에 탑재하도록 설계한 경량 비전언어모델 ‘배키 비전 3B(VAETKI Vision 3B)’를 개발했다. 이 모델은 동영상이 입력되면 4초 구간의 8개 프레임을 함께 분석하는 멀티모달 구조다. NC AI는 이 모델을 기반으로 용접 공정에 특화한 ‘VAETKI-Vision-3B-Weld’도 개발했다.
제조·조선 현장에서는 제한된 연산 자원으로 복잡한 시각 정보를 처리할 고성능 경량 모델이 필요하다. NC AI는 자체 학습 체계를 구축한 데에는 외부 모델 의존도를 줄이려는 취지도 있다고 밝혔다.
기술 사양: 학습 체계와 벤치마크 성능
배키 비전 3B는 사전학습과 2단계 미세조정 체계를 자체 인프라로 구축해 만들었다. 산업용 AI 모델은 외부 서버 연결이 제한되고 기업별 공정 데이터와 설비에 맞춘 추가 학습이 필요하기 때문에 자체 기술 기반이 있어야 한다는 것이 회사 설명이다. 보안과 기술 공급망 안정성이 중요한 철강·조선·국방 분야를 겨냥한 전략이기도 하다.
회사가 공개한 결과에 따르면 이 모델은 로봇·공간 이해를 보는 BLINK(다중 이미지 공간 지각), ERIQ(체화 추론), ERQA(체화 공간 추론) 3개 평가에서 일반 응답 모드 평균 63.8점을 기록했다. NC AI가 비교 대상으로 고른 글로벌 공개 모델 6종은 Qwen3-VL-2B·4B, Qwen3.5-2B·4B, Ministral-3-3B·8B이며, 배키 비전 3B는 이들보다 점수가 높았다. 비교 모델 중에는 더 큰 4B·8B급도 포함돼 있다.
추론 모드(Think mode)에서도 회사가 제시한 비교 결과상 평균 63.2점이다. 같은 모드에서 8B급 비교 모델 Ministral-3-8B-Reasoning은 48.4점이었다. NC AI는 차트 이해 능력을 보는 ChartQA와 이미지 속 텍스트 인식을 보는 TextVQA에서도 비교 모델 중 가장 높았다고 설명했다.
용접 특화 모델의 지표 개선
VAETKI-Vision-3B-Weld는 배키 비전 3B를 바탕으로 소규모 용접 데이터셋을 추가 학습한 용접 공정 특화 모델이다. 용접 분류 성능을 보는 RIAWELC 정확도는 기존 베이스 모델 41.1점에서 80.9점으로 올랐다. 결함 감지·상태 추론 지표 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 소규모 용접 관련 데이터셋으로 추가 학습하면 작업 대상의 상태·위치 인식 성능을 개선할 수 있음을 확인했다고 설명했다.
산업 밸류체인에서의 위치
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 한화오션과 자율 용접 로봇용 피지컬 AI를 개발하고 있고, 포스코DX와는 산업 현장 휴머노이드 로봇 실증을 진행하고 있다. 현대로템과는 월드모델 구축 협력을 추진하고 있다.
회사는 배키 비전 3B를 VLA(Vision-Language-Action)와 월드모델로 확장하기 위한 핵심 시각 인식 기술로 활용할 방침이다. 강화학습(RL)을 더해 성능을 끌어올린 다음, 현재 진행 중인 피지컬 AI 프로젝트의 로봇·엣지 장비에 넣을 예정이다. NC AI는 시각 인식 결과를 로봇의 실제 행동으로 잇는 VLA 기술의 개발도 계속한다는 구상이다.