LG CNS表示，已将融合现实世界与人工智能的“Physical AI”确定为2025年核心战略方向，机器人业务也被纳入重点布局。

公司称，将依托其在制造、物流等场景积累的现场经验，以及AI和系统集成能力，推动机器人从“能动起来”进一步走向真正胜任现场作业。

LG CNS总裁Hyun Shin-gyun表示，公司正把企业掌握的各类产业现场数据用于机器人优化，目标是打造能够在真实作业现场落地的机器人。他指出，对已投放现场的机器人持续进行学习、作业效果监测和再训练，是机器人进入产业现场的关键环节。

LG CNS认为，韩国制造业占比较高，且在多元产业基础上形成了大量成熟工序流程，因此是验证并加速Physical AI落地的合适市场。

Hyun Shin-gyun表示，LG CNS将以韩国制造业市场为基础，快速获取Physical AI技术并推动其落地，从而建立竞争优势。他同时强调，最了解产业现场需求的企业，将在Physical AI市场竞争中占据主动。

在Physical AI战略上，LG CNS提出“Maestro”协同模式。公司并不只聚焦单一机器人，而是希望让不同厂商、不同用途的机器人像团队一样协同作业，通过统一的系统设计与调度实现联动。

为此，LG CNS计划覆盖机器人训练、测试到验证的全流程。公司表示，制造和物流现场各工序职责、作业方式差异明显，前提是深入理解真实业务流程本身。

Hyun Shin-gyun表示，基于长期积累的多产业现场经验，LG CNS对业务运行方式、各环节所需判断和经验有更深入的理解。公司将综合考虑不同行业的工序特性、难度和作业流程，训练机器人掌握现场作业方式，并形成对现场语言和规则的“产业智能”。

LG CNS还在筹建数据平台，以支持机器人持续学习现场数据。公司计划借此提升机器人在环境和作业条件持续变化情况下的自适应能力，从而完成更精细的任务。

与此同时，LG CNS正将Physical AI布局延伸至机器人硬件，并加快工业人形机器人在智能制造、智能物流等场景中的验证应用。

目前，LG CNS已在10余家客户的工厂和物流中心开展概念验证（PoC）。其中，在造船领域，公司正在推进用于检测船舶部件装配状态的人形机器人概念验证（PoC）；在物流中心，则推进可执行箱体码放、空箱回收等多项任务的人形机器人概念验证（PoC）。

LG CNS表示，未来将重点推动机器人较难覆盖的高附加值作业自动化，重点包括需要瞬时判断、作业内容频繁变化的工序，以及因安全风险较高而给人员带来较大负担的任务。公司目标是通过导入人形机器人，同时提升生产效率与安全水平。