Upstream, 연결된 차량에서 로봇 및 물리적 AI로 실시간 디지털 트윈을 확장

창고 로봇이 평소보다 뜨거워진다면 기계적 결함이 발생하고 있는 것이거나—단순히 더 따뜻한 건물에서 더 열심히 작업하고 있는 것일 수도 있습니다. 드론이 정상적인 패턴에서 벗어난다면 임무에 대응하고 있거나, 소프트웨어 문제이거나, 사이버 공격일 수 있습니다. 자율 기계가 더 많은 산업으로 확산됨에 따라, 기계가 무엇을 하고 있는지를 아는 것은 왜 그렇게 하는지를 이해하는 것과 떼려야 뗄 수 없는 관계가 됩니다.

Upstream이 연결된 차량을 모니터링한 경험을 해당 문제에 적용하고 있습니다. 회사는 물리적 AI 시장 전반으로 확장을 발표했으며, 실시간 디지털 트윈 인프라를 로봇, 인간형 로봇, 드론, 자율 이동 로봇 및 농업 장비로 확대합니다.

이번 발표는 Upstream이 4,000만 개가 넘는 연결된 자산에 걸쳐 검증되었다고 말하는 인프라를 기반으로 합니다. 이 수치는 새로 배치된 로봇 군집이 아니라 기존 연결 자산 규모를 나타냅니다. 회사는 자동차 보안 및 운영에서 얻은 교훈이 제조업체가 자율 기계를 상업적 배치 단계로 옮길 때 관리하는 데 도움이 될 수 있다고 제안합니다.

연결된 자동차에서 자율 기계로

연결된 차량은 소프트웨어, 센서, 원격 서비스 및 실제 결과를 결합하고 있기 때문에 유용한 출발점을 제공합니다. 문제는 구성 요소, 애플리케이션, 통신 인터페이스 또는 이들 간의 관계에서 발생할 수 있습니다. 이를 진단하려면 단순히 개별 오류 메시지만 보는 것보다 더 많은 것이 필요합니다.

로보틱스도 유사한 복잡성을 가지고 있습니다. 기계의 행동은 환경, 작업량, 구성 및 소프트웨어에 따라 달라집니다. 한 군집에 적합한 경고가 다른 군집에서는 오해를 불러일으킬 수 있습니다. 배치가 확대됨에 따라 운영자는 개별 기계와 자산 그룹 전체에 걸쳐 이러한 컨텍스트를 유지할 방법이 필요합니다.

“연결 및 자율 차량은 오늘날 상업 규모로 운영되는 가장 진보된 물리적 AI 시스템 중 하나입니다,”라고 발표에서 Upstream의 공동 설립자이자 CEO인 Yoav Levy가 말했습니다. 그는 회사가 자동차 제조업체와 함께 개발한 기술과 전문성을 로봇, 인간형 로봇, 드론 및 기타 자율 기계로 확장하고 있다고 밝혔습니다.

Upstream은 새로운 물리적 AI 분야와 함께 자동차 사업을 계속 확대할 것이라고 말했습니다. 이번 조치는 플랫폼이 다루는 환경을 확대하여 기존 모니터링 방식을 추가적인 연결 장비 카테고리로 확장합니다.

실시간 디지털 트윈이 실제로 제공하는 것

이 맥락에서 디지털 트윈은 기계의 행동 및 운영 상태를 지속적으로 업데이트하는 표현이며, 주변 디지털 생태계와 결합됩니다. 포토리얼리스틱 3D 복제본일 필요는 없습니다. 그 가치는 별도 시스템에 존재할 신호들을 연결함으로써 얻어집니다.

이번 확장을 위해 Upstream은 텔레메트리, 운영 상태, 임무 컨텍스트, 소프트웨어 활동 및 이상 현상을 결합한다고 설명합니다. 이러한 입력은 조사 시 의도된 작업과 관련된 행동을 주목해야 할 변화와 구분하는 데 도움이 될 수 있습니다.

회사의 플랫폼 문서는 기본 데이터 파이프라인에 대한 세부 정보를 추가합니다. 들어오는 정보는 정규화 및 정제되며, 공통 사전이 다양한 데이터 소스를 조정하는 데 도움을 줍니다. 플랫폼은 익명화와 토큰화와 같은 개인정보 보호 기능을 포함하고, 알려진 위협에 대한 규칙을 익숙하지 않은 패턴을 식별하는 머신러닝과 결합합니다.

그 아키텍처는 플릿이 거의 완전히 균일한 데이터를 생성하지 않기 때문에 중요합니다. 서로 다른 하드웨어 세대와 소프트웨어 버전은 동일한 이벤트를 다르게 설명할 수 있습니다. AI 시스템이 변화를 조사하기 전에, 어떤 자산이 신호를 생성했는지와 그 주변에서 무슨 일이 일어나고 있었는지에 대한 일관된 기록이 필요합니다.

Upstream은 인프라가 하드웨어 및 프로토콜에 구애받지 않으며 장치 자체에 소프트웨어 에이전트를 설치할 필요가 없다고 말합니다. 이는 고객의 클라우드 환경에 배포될 수 있습니다. 실질적인 의존성은 유용한 텔레메트리에 대한 접근성으로, 에이전트 없는 아키텍처도 운영자가 이해하고자 하는 행동을 드러내는 데이터 소스와 통합이 필요합니다.

머신러닝 및 AI 에이전트가 적용되는 위치

Upstream의 사이버보안 플랫폼은 Ocean AI가 이상 탐지를 위한 머신러닝, 조사를 위한 생성 AI, 대응을 위한 에이전트 AI를 결합한다고 설명합니다. 이는 별개의 작업입니다. 탐지는 비정상적인 활동을 식별하고, 조사는 관련 증거를 수집·해석하며, 대응은 발견 내용을 운영 워크플로와 연결합니다.

물리적 AI의 경우, 이 순서는 팀이 유지보수, 보안 대응 또는 추가 관찰이 필요한지 결정하기 전에 플릿 전체의 예상치 못한 변화를 조사하는 데 도움이 될 수 있습니다. 이는 특정 로봇 고객의 공개된 결과가 아니라 아키텍처의 예시적 활용 사례입니다.

이 구분은 Upstream이 발표하는 내용을 명확히 합니다. 이는 연결된 기계를 모니터링, 이해 및 관리하기 위한 인프라입니다. 이번 릴리스는 로봇 기반 모델, 새로운 조작 정책 또는 로봇이 물리적 작업을 독립적으로 학습하도록 하는 시스템을 도입하는 것이 아닙니다.

동일한 운영 컨텍스트의 네 가지 활용 사례

Upstream은 사이버 보안, 품질 및 안전, 운영, 그리고 규정 준수를 자사의 확장된 플랫폼의 주요 적용 분야로 식별합니다. 각각은 기계 행동을 이해하는 데 의존하지만, 데이터에 대해 서로 다른 질문을 제기합니다.

보안 팀은 잠재적인 악의적 활동을 인식하고 그 영향을 조사해야 합니다. 엔지니어링 팀은 성능 저하, 소프트웨어 이상 및 새로운 결함을 식별해야 합니다. 운영 팀은 플릿 상태, 활용도 및 가동 시간을 파악해야 합니다. 규정 준수 팀은 보고서나 감사에 사용할 수 있는 증거를 확보해야 합니다.

공유된 행동 기록은 이러한 노력들을 연결하는 데 도움이 될 수 있습니다. 예를 들어, 엔지니어링 이상 현상과 비정상적인 원격 상호 작용이 별도의 팀이 처음 받더라도 함께 검토될 필요가 있을 수 있습니다. 이러한 연결이 특정 배포를 개선하는지는 데이터 커버리지, 탐지 품질 및 발견 결과가 기존 워크플로에 어떻게 반영되는지에 달려 있습니다.

규제 시점은 정밀성을 요구한다

이번 확장은 유럽 연합의 Cyber Resilience Act가 보고 의무를 부과하기 시작함에 따라 이루어집니다. European Commission’s 보고 지침에 따르면, 이러한 의무는 2026년 9월 11일부터 시행되었습니다. 규정에 해당하는 디지털 요소가 포함된 제품 제조업체는 적극적으로 악용된 취약점과 제품 보안에 영향을 미치는 중대한 사고를 보고해야 합니다. 초기 경보는 인지 후 24시간 이내에 제공되어야 하며, 그 다음 통지는 72시간 이내에 이루어져야 합니다.

위원회의 CRA 요약은 해당 보고 일정이 2027년 12월 11일에 적용되는 규정의 보다 광범위한 적용과 구별된다는 점을 명시합니다. 적용 범위와 제외 항목은 중요합니다; 장치가 로봇이나 물리적 AI 시스템으로 분류된다고 해서 모든 의무가 자동으로 부과되는 것은 아닙니다.

모니터링은 사고 탐지, 조사 및 증거 수집을 지원할 수 있습니다. 그러나 단독으로는 규정 준수를 확립할 수 없습니다. 제조업체는 여전히 사고를 평가하고 통지를 수행하며 자사 제품에 적용되는 요구사항을 충족시키는 프로세스가 필요합니다.

플랫폼 확장 시 주시해야 할 사항

이번 발표에서는 새로운 로봇 애플리케이션에 대한 가격 정보나 특정 고객을 밝히지 않았습니다. 이러한 세부 사항과 실제 배포 사례에서 얻은 증거는 자동차 기반 접근 방식이 운영 환경과 데이터 제약이 다른 기계에 얼마나 잘 적용되는지를 보여주는 데 도움이 될 것입니다.

핵심 기회는 명확합니다: 자율 기계는 배포 후 행동을 설명할 수 있는 시스템에 대한 수요가 증가하고 있습니다. Upstream은 연결된 차량을 이해하는 데 사용된 디지털 인프라가 이러한 운영 기반의 일부가 될 수 있다고 기대합니다. 다음 과제는 동일한 상황 인텔리전스가 로봇 팀에게 충분히 빠르게 유용한 답변을 제공하여 보안, 신뢰성 및 일상적인 플릿 성능을 향상시킬 수 있는지 여부입니다.