| LG CNS / ‘피지컬 AI’ 물류 혁신 주도 | |||
 
|
|||
|
|||
|
‘피지컬 AI’ 물류 혁신 주도 로봇 기술 4세대 지능화 진입 ‘자율성·범용성’ 갖춰  “휴머노이드 로봇의 산업현장 활용을 높이기 위해서는 복잡하고 다양한 작업을 수행할 수 있는 브레인을 현장의 작업 데이터로 학습시키고, 로봇에 탑재한 맞춤형 로봇서비스 구축이 중요하다” 미래물류기술포럼이 ‘변화의 시작, AI와 로봇이 이끄는 물류 대전환’을 주제로 지난달 21일 개최한 세미나에서 LG CNS 이준호 사업부장은 “최근 물류현장에서 휴머노이드 로봇의 PoC를 진행하는 사례가 늘어나고 있다”며, “초기에는 토트박스를 이송하는 등의 단순 반복 업무를 대체하다가, 점차 택배 상하차 등 기존 자동화설비 도입이 어렵거나 비정형성 때문에 수작업 의존도가 높았던 영역으로 확대될 것으로 전망된다”고 밝혔다. 이어 “장기적으로 피지컬 AI와 휴머노이드 로봇의 기술적 완성도가 높아지면 기존의 정형화된 자동화에서 탈피해, 자율성과 범용성을 갖추게 될 것으로 예상된다”고 덧붙였다. 휴머노이드 로봇 물류센터 적용 가시화 피지컬 AI 발전으로 물류산업 자동화의 패러다임이 전환되고 있다. 로봇기술은 2세대 자동화(Automatic)에서 3세대 자율화(Autonomous)으로 진화해왔으며, 현재는 4세대 지능화(Intelligent) 단계로 진입하고 있다 2세대 로봇은 정해진 라인에 따라 움직이는 AGV 중심, 3세대는 AMR 기반 자율 이동과 비전 인식, 4세대는 피지컬 AI 기반의 복잡한 판단과 조정이 가능이 가능한 것이 특징이다. 즉, 4세대 로봇은 피지컬 AI와 만나 실시간으로 환경을 인식하고 상황에 맞게 스스로 판단해 행동을 조정하는 자율성과, 특정 업무만을 수행하는 것이 아니라 다양한 업무를 수행할 수 있는 범용성까지 갖추게 된다. 이러한 기술 발전은 물류현장의 자동화 수준을 한층 끌어올리고 있으며, 하나의 로봇이 다양한 업무를 수행할 수 있는 범용성이 중요한 가치로 떠오르고 있다. 실제 AI 기술은 물류현장에서 적극 사용되고 있다. 대표적으로 택배 허브터미널에 적용되고 있는 AI 지능형 분류시스템이 있다. 차량에서 택배 물량이 하차하면 크기별로 분류를 하는데, 과거에는 많은 인원이 투입돼 수작업으로 했지만 최근에는 AI 딥러닝을 통해 화물 크기와 형상을 학습해 자동으로 분류하며 정확도는 99.8%에 달한다. 디파렛타이징과 파렛타이징에도 AI 기술이 적용된다. AI 비전을 통해 화물을 인식하고 위치를 결정해 파렛트에서 박스를 해체하거나 적재한다. 이처럼 AI와 로봇의 결합은 박스 인식, 분류, 이동, 적재 등 다양한 작업에서 활용되고 있으며, 기존 수작업 인력의 부담을 줄이는 동시에 작업 환경의 안정성과 효율성을 확보할 수 있는 방안으로 주목받고 있다. 그러나 한계도 존재한다. 현장의 복잡한 작업을 자동화하는데 있어서 AI 로봇은 AI 모델의 학습과 검증에 많은 시간과 비용이 소요되기 때문이다. 이준호 사업부장은 “이같은 한계에도 불구하고 학습 속도 향상과 기술 고도화가 지속되면서, 물류현장의 로봇 활용 범위는 점차 확대될 것으로 전망된다”고 밝혔다. 특히 범용 지능과 사람의 손재주를 갖춘 휴머노이드 로봇 적용이 가시화되고 있다. 휴머노이드 로봇은 VLA 모델 학습을 통해 인간의 자연어 명령을 이해하고, 시각정보로 상황을 파악해 스스로 행동을 결정할 수 있다. 또한 16개의 자유도를 지원해 인간과 거의 동일 한 작업을 처리할 수 있다. 따라서 투자대비 효과가 큰 단순반복, 고강도 작업과 유해환경 작업에 우선 적용될 것으로 전망된다. 물류에서는 GTP 워크스테이션에서 상품을 피킹하는 작업이나 소터에서 슈트로 떨어지는 상품을 꺼내 적재하는 작업 등 다수의 작업자가 투입되는 단순 반복 업무부터 시작할 가능성이 높다. 실제 이런 단순 반복 작업에 휴머노이드 로봇을 투입하는 PoC를 진행하고 있으며, 지속적으로 확대될 것으로 예상된다. 로봇 학습 데이터 확보가 핵심 과제 현재 휴머노이드 로봇 생태계는 미국과 중국이 기술을 주도하고 있다. 특히 미국은 오픈AI, 엔비디아, 구글 딥마인드 등 AI 하드웨어와 소프트웨어 생태계 전반에서 핵심 기술을 주도하는 기업들이 포진해 있다. 또한 보스톤 다이나믹스, 피겨 등 올인원(All-in-One) 업체도 다수 존재한다. 중국은 유니트리 로보틱스(Unitree Robotics), Agibot 등 하드웨어 중심의 생태계를 빠르게 확장하고 있다. 반면 한국은 레인보우로보틱스, 로보티즈, 투모로 로보틱스 등을 중심으로 연구와 실증 초기 단계에 머무르고 있다. 이같은 글로벌 경쟁 속에서 피지컬 AI를 기반으로 로봇의 활용성을 극대화하기 위한 핵심은 ‘현장 데이터 기반의 Fine-Tuning’에 있다. 광대한 데이터로 Pretrain된 범용 지능 모델을 실제 제조 및 물류 현장에서 얻은 ‘현장 데이터(Field Data)’를 기반으로 Fine-Tuning해 현장 적용의 완성도를 높이는 것이 필수적이다. 현장 데이터는 공정별 수작업 수행 영상, 프로세스 작업 수행 데이터, 원격 제어 데이터, 시뮬레이션 데이터 등 다양한 형태로 수집될 수 있다. 이준호 사업부장은 “Pretrain은 사람이 태어나서 대학교를 졸업하기까지의 교육을 받는 것과 유사한 일반적인 대량 지식 학습 과정이고, Fine-Tuning은 대학을 졸업한 사람이 취업해 짧은 기간동안 OJT(On- the-job Training, 현장훈련)를 받는 것과 유사한 현장 업무 학습 과정”이라며, “로봇의 학습 데이터 확보가 향후 휴머노이드 로봇의 핵심 성공 요소가 될 것”이라고 밝혔다 따라서 휴머노이드 로봇의 성공적 현장 안착을 위해서는 정제된 학습 데이터 확보와 활용 역량이 핵심 변수로 작용할 전망이다. 이에 대해 이준호 상무는 “한국은 물류현장에서 데이터를 취합해 잘 활용할 수 있는 강점이 있다”며, “피지컬 AI 플랫폼 기반 산업별 특화 서비스로 맞춤형 로봇 서비스를 구축하는 전략이 필요하다”고 밝혔다. 이어 “향후 휴머노이드 로봇은 인간과 유사한 신체 구조와 작업 능력으로 작업자 업무 대체가 가능해져, 기술적 난이도로 자동화 전환이 더뎠던 영역의 완전 자동화로 인해 장기적으로는 운영까지 무인화된 24시간 체계로 전환될 것으로 예상된다”고 덧붙였다. <저작권자 ⓒ 월간 물류매거진(www.ulogistics.co.kr) 무단전재 및 재배포금지>
|
| 
|
