[첨단 헬로티]

AI(인공지능) 도입의 경제적 파급효과는 7,000조 원에 이르며, 가장 빠른 파급효과를 가져올 수 있는 산업은 유통과 물류 분야가 될 것이다. 그리고 주행로봇 플랫폼이 AI 기술과 접목하며 물류산업을 뒤바꾸고 있다. AI가 자율주행 로봇에 어떻게 접목되고 있으며, 현재 유통·물류에 대한 시장 현황은 어떤지, 지난 7월 18일에 열린 ‘AI 융합 비즈니스 개발 컨퍼런스 2019’에서 테크플로어 강석준 대표가 강연한 내용을 정리했다.

▲ 테크플로어 강석중 대표는 “주행로봇 플랫폼은 목적지로 단순 이송만 해주는 형태, 컨베이어나 시스템에 붙어 있어서

제품이나 빈 박스 등을 라인으로 이송해주는 형태, 최종에는 팔이 달려서 각 단위의 제품을 집을 수 있는

형태로 적용되고 있다”고 말했다.

시장조사업체 멕킨지에 따르면, AI 도입의 경제적 파급효과는 7,000조 원에 이른다. 보고서에는 1위부터 3위가 유통·소매, 운송·물류, 자동차 산업의 순이었다. 글로벌 컨설팅업체인 PWC도 AI가 적용되는 부분에 있어 가장 빠른 파급효과를 가져올 수 있는 산업으로 헬스케어, 금융, 수송 및 물류를 꼽았다. 이처럼 유통·물류의 순위가 높은 이유는 단순 반복적인 작업이 많기 때문이다.

기술 현황

인공지능(AI)의 요소는 크게 소프트웨어 기술적인 측면으로 구분했을 때 기계학습(Machine Learning), 지식추론(Machine Reasoning), 시각 지능(Computer Vision), 언어 지능(Natural Language) 4가지가 있다.

여기서 기계학습은 또 딥러닝(Deep Learning), 전이학습(Transfer Learning), 강화학습(Reinforcement Learning), 선형 신경망(Feed Forward Neural Network), 순환 신경망(Recurrent Neural Network), 합성곱 신경망(Convolutional Neural Network), 생성적 적대 신경망(Generative Adversarial Network)으로 나뉘는데, 그중 강화학습까지가 최근 많이 사용되는 인공지능이다.

예를 들어, 이미지 검색으로 인물이나 문서, 지도 등을 찾고자 하는 요구 등이 있는데, 여기에 CNN(합성곱 신경망) 기술을 활용해 이미지 자체가 어떤 이미지인지 분석해 사용자 의도와 이미지 분석 정보를 연결시킨다.

GAN(생성적 적대 신경망)은 인공지능이 그림을 크리에이티브 하게 그려낼 때 기존 받은 데이터를 가지고 만들어 내는 형태이다. 유통·물류 경우는 현재 기본 단계인 선형 신경망을 가장 많이 사용한다. 소매·유통, 수송·물류, 제조, 마케팅까지 선형 신경망이 인공지능 활용도에서 높은 순위를 차지하고 있다.

그러면 이러한 인공지능은 어떻게 사용되고 있나. 물류에 있어서 실시간 경로의 최적화나 차량 간 정보, 유통물류 수요 예측, 거기에 대한 필요한 자원 활용, 그리고 고객관리와 제품 및 서비스 혁신 등에 인공지능이 활용되고 있으며, 수요의 공급망 관리도 마찬가지로 인공지능을 활용한 서비스로 보고 있다.

특히, 인공지능은 물류 자동화에 있어 신제조업이라는 환경 변화나 사고, 이탈, 고위험군 부분에 적용되고 있다. 물류창고 사고의 경우, 미국에서 발생한 사건 건수당 직간접 피해 손실액이 평균 2.5억 원에 달하고, 근로자 이탈에 따른 추가 비용이 연봉의 1.5배에서 2.5배까지 증가하고 있다.

또한, 다품종 소량생산을 하면서 발생하는 전용설비의 한계나 고위험군의 인력 부족, 무형비용의 부담을 안고 있는 신기술, 즉 자율주행 로봇이나 협업로봇이 시장에 들어오면서 가지는 또 하나의 문제점은 전문인력이 부족하다는 점이다. 지금 인공지능 기술이나 빅데이터 기술도 마찬가지지만, 자율주행 로봇에 대한 부분도 아직 전문인력이 많이 갖춰져 있지 않아 엔지니어의 경력과 전문화가 필요한 상황이다.

주행 기술과 적용 사례

그러면 주행 기술에는 어떤 것들이 있는지 살펴보겠다. 가장 잘 알려진 로봇 플랫폼으로 AGV가 있다. 이 무인운반차는 비전과 마그넷 등의 라인을 인식하여 이동하는 Line Trace 기능이 있다. 따라서 사람이 직접 조작하지 않고도 자동으로 짐을 운반할 수 있다.

인도의 하이테크 로보틱스 사례를 보겠다. 하이테크 기어와 하이테크 로보틱스 시스템들을 보유하고 있는 이 회사는 트랜스미션과 엔진 구성품을 제조하고 있다. 실제 AGV 기반 엔진 어셈블리 라인에 가보면 고가반 처리 가능한 AGV를 트랙터, 자동차 엔진 등 조립공정에 적용하는 모습을 볼 수 있다. 최근 이 업체는 하드웨어보다 소프트웨어 기반의 AGV, AMR에 집중하고 있다.

그다음 단계로 넘어온 게 QRGV(QR-Code Guide Vehicle)이다. Line Trace와 같은 형태이긴 하지만 바닥에 QR 코드가 붙어 있어서 QR을 좌표계로 인식하여 이동 및 경로를 설정할 수 있고 QR 코드별로 동작과 상태 임무를 지정할 수도 있다.

대표적인 예로, 아마존 키바(Kiva)와 인도의 그레이오렌지(GreyOrange) 등이 있다. 실제 사례를 보면, 아마존에서 키바를 인수하여 전 세계 물류센터에 투입한 결과 약 20% 운영비용을 감소했으며 50%의 물류창고 공간을 절감할 수 있었다. 아마존 또한 QGV 시스템 기술보다는 여러 대 로봇을 관제하는 솔루션과 물류선반 운영기술에 집중하고 있다.

더욱 발전된 주행로봇 플랫폼으로는 AMR(Autonomous Mobile Robot)이 있다. 여기서부터 로봇의 형태를 띤다. AMR은 크게 2D LiDar 슬램 방식과 3D Visual 슬램 방식이 있다. 3D LiDar 슬램 방식의 대표적인 예로는 일본의 옴론 LD와 중국에서 서비스 형태로 나온 Slamtec Zeus 등이 시장에 설치되어 사용되고 있다. 이 모바일로 봇의 가장 큰 특징은, 첫째 최적의 진로를 스스로 선택해서 주행할 수 있다. 둘째, 단시간 안에 라인 변경 대응이 가능하다. 셋째, Fleet Management가 탑재되어 있어 최대 100대까지 관리 및 효율적 운행이 가능하다.

3D SLAM 방식은 3D LiDar를 적용하거나 인공지능 데이터를 적용한다. 구글의 비주얼 포지셔닝 서비스는 카메라로 찍어 위치 기반을 만들어내고, 네어버랩스가 개발한 로봇 M1은 인공지능 데이터를 가지고 위치를 잡는다. 또한, 테크플로어와 협업하고 있는 국내 모 업체는 3D LiDar 기반의 데이터를 적용하고 있다.

3D SLAM의 또 하나의 장점은 인도어뿐만 아니라 비전을 적용함으로써 아웃도어까지 확대할 수 있다. 최근엔 5G 고속통신이 가능해지고 클라우드 기반의 수집된 데이터가 상위에서 처리가 됨은 물론, 고속 고성능의 프로세싱으로 전력 소모가 감소함에 따라 로봇의 물리적 부분의 한계가 줄어들면서 더욱 발전된 형태의 플랫폼이 개발되고 있다.

앞으로 과제

주행로봇 플랫폼은 목적지로 단순 이송만 해주는 형태, 컨베이어나 시스템에 붙어 있어서 제품이나 빈 박스 등을 라인으로 이송해주는 형태, 최종에는 팔이 달려서 각 단위의 제품을 집을 수 있는 형태로 적용되고 있다.

그러나 물류나 유통 매장에서 실제 적용되기 위해서는 점점 더 많은 고도화가 요구된다. 환경 인지까지 로봇이 스스로 할 수 있도록 비전에 대한 딥러닝이 들어가서 로봇이 운행 간에 발생할 수 있는 환경, 다니는 길목마다의 데이터를 축적하고 그 데이터의 변화에 따라 어떻게 행동할 것이냐 하는 것까지 판단해주는 기술이 필요한 상황이다.