물류로봇

물류로봇(Logistic Robots)은 창고나 공장에서 물건을 옮기는 작업을 수행하는 로봇이다. 물류로봇의 기능은 로봇이 직접 이동하며 물건을 원하는 위치까지 이송하는 주행 기술과 로봇팔을 통해 물건을 집어 적재나 집하, 분류, 포장을 하는 조작 기술로 구분할 수 있다.

상세

국제로봇연맹은 물류로봇을 상품의 흐름, 운반, 취급 및 포장과 같은 역할을 수행하는 로봇이라고 정의하고 있다. 그리고 대한민국 중소벤처기업부는 물품의 이송, 핸들링, 포장, 분류 작업을 자동으로 수행하거나 판매자와 소비자간 물품을 자동으로 배송하는 작업을 수행할 수 있는 로봇시스템을 물류로봇이라 일컫는다. 물류 활동의 혁신 니즈 대응은 물론 디지털 신기술 발달에 따른 새로운 비즈니스 등장이 예상되고, 고령화에 따른 노동력 부족 우려 대응 및 생산성 개선 필요성이 확대됨에 따라 물류로봇의 필요성과 활용 정도가 증대되고 있다. 물류의 기능은 크게 운송·배송과 물류센터 내 하역(물건 반·출입, 적재 등)과 보관, 포장, 유통 가공으로 나뉘며, 현장에서 이루어지는 주요 작업으로 물건 검품과 피킹, 이동, 분류, 포장, 하역, 그리고 배송을 꼽을 수 있다. 이러한 작업들은 대체로 단순 반복 작업이며, 처리량에 따라서는 상당히 고되고, 무거운 물건을 다루다 보면 부상 위험도 있다. 하지만, 로봇에게 단순 반복 작업은 제일 자신 있는 분야이며, 24시간 365일 쉼 없이 작업 수행이 가능하고 부상의 염려도 없다. 이러한 로봇의 장점에 주목한 다양한 기업들이 물류 분야에 로봇 도입을 시도하고 있다. 가장 대표적인 물류로봇은 아마존(Amazon) 키바(Kiva)와 같은 타물품이 실린 선반을 들어올려 필요한 곳까지 이동해주는 솔루션으로 사람이 일일이 물품을 찾아 돌아다니는 수고를 덜어줄 수 있을 뿐 아니라, 작업 속도 향상과 공간 효율성을 추구할 수 있다는 장점이 있다. 아마존의 키바시스템즈 인수를 필두로 글로벌 물류, 유통기업들의 물류로봇 도입은 가속화되었다. 최근에는 이동 로봇에 로봇 팔(Arm)을 부착한 매니퓰레이션 기능과 SLAM 등 로봇 자율주행 기술, 인공지능(AI)을 활용한 비전 인식 기술의 발전으로, 물품 분류와 포장, 상하차, 피킹 업무까지 로봇의 업무 영역이 확장되었으며, 라스트 마일 배송에도 로봇 활용이 시도되고 있다. 개별적으로 로봇을 활용하는 방법 외에 물류 창고를 통째로 자동화해 효율성과 신속성을 극대화한 큐브형 창고 시스템도 많은 주목을 받고 있다. 물류로봇 도입 시 기대 효과는 인력 부족 해소와 운영 효율성 증대, 물류 공간 효율화, 작업자의 신체적 부담 경감, 비용 절감 등 다양하다.

종류

이송 자동화 로봇

물류센터가 대형화되면서, 상품을 긴 거리로 이송하는 일이 빈번하게 발생되고 있다. 이러한 이송작업은 로봇으로 충분히 대체가 가능한 작업이다. 이로 인해 이동로봇의 도입으로 전체적인 생산성을 크게 높일 수 있다.

AGV

AGV는 Automated Guided Vehicle의 약어로 주행 라인에 부착된 RFID 또는 태그(바코드)를 인식해, 그 데이터를 기반으로 이동하는 로봇이다. AGV는 자율주행 기술, 센싱 기술 모니터링 기술, 기기 운영기술, 시스템 분석 및 관리기술 등을 갖춰 기존 물류 이송방식인 컨베이어 시스템을 대체하는 기술로, 자체의 동력을 통해 독립적으로 동작하고 정의된 경로를 따라 이동하는 로봇이다. 이는 제조혁신을 위한 스마트팩토리 보급이 세계적으로 확대됨에 따라 생산 환경이 기존의 기업 중심 구조에서 소비자 중심 구조로 변화되고, 나아가 생산 방식도 다품종 소량생산으로 전환되고 있는 유연한 제조 물류시스템을 위해 활용되고 있다. 제조 관련 4차 산업혁명 분야 전반에 적용 가능한 넓은 범용성을 가진 AGV는 자동차 산업, 로봇 산업, AGV 등 다양한 산업군에 활용되고 있으며, 물류 로봇 산업에 대한 기대가 높아짐에 따라 전 세계적 R&D 투자 또한 적극적으로 이뤄지고 있다. 공장에서 중요하게 생각하는 다섯 가지는 정리, 정돈, 청소, 표준화, 유지로, 질서 있는 작업장을 유지하고 작업자들에게 시각적 신호를 제공해 비효율성은 줄여, 생산성을 최적화하는 시스템이다. 공장내부의 물류를 지칭하는 공장물류는 공장을 운영함에 있어 가장 중요한 요소로써, 공장 안에서 생산 과정이 물 흐르듯이 이어지도록 하는 총체적인 활동을 일컫는다. 만약 부품의 수급이 더디게 이뤄지거나 완성된 제품들이 적절한 타이밍에 창고 또는 화물로 이동되지 못하면 생산의 흐름은 막히거나 중단된다. 이처럼 공장물류 효율성의 차이는 단순히 익숙함과 속도의 차이를 넘어 기업의 이익과 직결되는 부분이다. 이러한 가운데 자율주행 기술을 도입한 무인 운반차인 AGV는 개별 공정들 사이에서 부품들이 적절한 타이밍에 맞게 차질 없이 공급하고, 제품들이 쌓이지 않고 지속적으로 이동시켜 생산의 흐름이 원활히 진행되도록 돕는 기능을 하고 있다. AGV의 가장 큰 장점은 인건비 절감과 작업효율 향상 등이 있다. 인간작업자를 AGV로 교체하면 회사는 장비에 대한 초기투자 비용을 지불함으로써, 신규 고용에서 발생하는 지속적인 인건비를 낮출 수 있다. 특히 AGV는 장기적 사회 트렌드인 최저임금 상승과 근로시간 단축문제를 해결할 수 있는 방안으로 다시금 주목받고 있다. 또한 AGV는 안전을 최우선으로 두고 개발된 것으로 사람과 구조물 주변에서 안전하게 작동할 수 있도록 하는 카메라, 레이저 및 기타 센서들로 이뤄져있다. 물론 장점이 명확한 만큼 리스크와 단점도 존재한다. AGV는 초기 투자비용이 크므로 단기적으로는 인건비보다 비용이 많이 들고, 자본 조달이 힘든 소규모 운영에는 부담이 될 수 있다.

AMR

AMR은 자율주행이 가능한 로봇으로, 이동간의 사람이나 장애물을 인식하고 스스로 길을 탐색하여 목적지까지 도달하는 로봇이다. 카메라 및 라이다 등의 센서를 통해 사물을 인식하여 공정 내에서 발생하는 변수에 대처하는 능력이 뛰어나다. AMR은 AGV 대비 무거운 무게를 다룰 수 없지만, 기술이 발달함에 따라 그 격차를 많이 좁혀나가고 있다. 최근 AGV보다는 AMR 로봇의 채택이 증가하고 있다. 그 이유는 1) 단순 선형식을 벗어나 복잡해지는 공정과 2) 상대적으로 저렴한 투입 비용이 발생하기 때문이다. 먼저 과거 표준화된 공정 속에서 소품종 대량생산, 다품종 소량생산이 중요했다면, 최근에는 맞춤형 생산과 적량의 재고관리, 공정효율성 제고를 위한 스마트 물류의 중요성이 높아지고 있다. 스마트 물류를 달성하기 위해서는 인공지능(AI) 및 공정 내의 사물인터넷(IoT)과 연계하여 적시에 작동 가능한 목적 지향적인 자율 물류 수단을 시스템에 편입시킬 필요가 존재하기 때문에 AGV 대비 AMR의 필요성이 높아지고 있다. 인공지능 기반의 자율주행이 가능한 AMR의 채택이 증가하는 이유다. 비용 측면 역시 강점이 존재한다. AMR의 ASP는 약 2,000만원~1억원, AGV의 ASP는 약 500만원~1,500만원으로 개별 로봇의 가격은 AMR이 더 비싼 편이지만 AGV는 이동 경로 수정 및 공정이나 로봇의 수량이 변경되었을 때 프로그램을 수정해야하기 때문에 지속적인 추가 비용이 발생한다. 따라서 로봇의 초기 비용은 AMR이 높지만 중장기적인 관점에서 자동화 솔루션을 구축하기 위해서는 AMR이 비교적 저렴하고 공정별 대체가 용이하다.

AMR은 기존 물류 산업뿐만 아니라 적용되고 있는 산업이 확대되고 있다는 점을 주목해야 한다. 먼저 자동차 산업이다. 해외 사례를 살펴보면, 미국의 자동차 회사인 포드(Ford)는 발렌시아가에 위치한 자동차 공장 내부에 AMR을 도입해 생산 효율성을 높이고 있으며, 독일의 자동차 회사인 메르세데스-벤츠(Mercedes-Benz)는 팩토리 56에 조립 동선 최적화를 위해 AMR을 적극 도입하고 있다. 영국 전기차 기업인 어라이벌(Arrival)은 AMR 기반 생산 공장인 마이크로팩토리를 개발 중이다. 한국에서도 이와 같은 변화를 선도적으로 도입하고 있는 기업은 현대자동차그룹이다. 현대차는 그동안 무거운 엔진을 사람이 컨베이어 벨트를 통해 옮겼다면, 2021년부터 이를 AMR이 대체해 공정 효율성을 높이고 산업재해를 줄이고 있다. 이와 같은 방식은 현대차 국내 생산 공정뿐만 아니라 해외 생산 거점에도 적용될 예정으로 현대위아에서 2024년부터 미국 전기차 전용 공장 및 현대모비스 미국 공장 라인에 AMR 물류로봇을 공급한다고 발표한 것이 이에 대한 예시이다. AMR 로봇은 자동차 산업은 물론, 이차전지 공정으로도 적용 및 테스트가 진행되고 있다. 이차전지 관련 주요 기업들은 북미와 유럽 향으로 신규 공장 건설을 진행 및 계획하고 있는데 1) 선진국의 높은 산업안전보건법과 2) 부족한 노동력을 대체할 생산 자동화, 3) 효율성을 높이기 위한 스마트팩토리 구축 등의 이유로 AMR 로봇 도입을 적극 검토 중인 것으로 파악된다. 다만, 기술력은 AMR 로봇이 AGV 로봇 대비 정밀도가 다소 떨어지기 때문에 원자재 이송, 동선 최적화, 공정간 병목 현상 완화 등에 선제적으로 활용되고 있지만 이후 점진적으로 활용처가 넓어질 것으로 예상된다.

비교

AGV와 AMR은 성능에 맞춰 가격 또한 큰 차이를 보인다. 1) AGV 로봇의 대당 비용은 약 500~1,500만원 내외로 비교적 저렴한 편이지만, 주로 대규모 물류 자동화가 필요한 공장 및 창고에 커스터마이징을 통한 시스템 구축이 중요하기 때문에 구축 시 수십여 대에서 수백여 대에 이르는 다수의 로봇을 운용해야 한다는 특성을 지닌다. 따라서 최소 투자비용이 높기 때문에 대기업 위주의 적용이 주를 이루고 있다. 또한 AGV 적용 이후 공장의 라인 이동 및 구조 변경 시, AGV 라인 구축 또한 다시 진행해야 하며 적지 않은 시간이 필요하다는 단점이 존재한다. 중국에서 저가 라인을 통한 적극적인 시장 공략으로 AGV 물류로봇 가격은 지속해서 낮아지는 추세다. 반면 AMR 로봇은 센서를 통한 자율주행 기능을 수행하기 때문에 많은 데이터 축적 및 인공지능(AI) 고도화가 필요하여 높은 가격을 형성하고 있다. 자율주행에 필요한 카메라, 라이다 등의 센서를 AGV 대비 많이 부착하기 때문에 가격 또한 천차만별이다. AMR 크기 및 성능에 따라 로봇의 대당 비용은 약 2,000만원에서부터 약 1억원 이상까지 다양한 라인업이 존재하며, 최근 기술 고도화에 따라 적용 산업 또한 확장되고 있다. 로봇의 대당 단가는 AMR이 높지만 AGV 대비 소량으로 운용 및 구축이 가능하고, 이동 경로 수정 등 프로그램 수정에 대한 추가적인 비용이 발생하지 않는다는 점을 고려하면 중장기적인 관점에서 전체적인 구축비용은 AGV 대비 저렴하다. 따라서 기존 AGV 로봇이 큰 규모의 투자가 가능한 대기업 위주의 시장에 주로 적용됐다면, 구축비용이 적은 AMR 로봇은 대기업은 물론, 중소기업의 물류 자동화까지 채택되면서 물류로봇 시장의 점유율을 빠르게 높여가고 있다.

기타

한편 더 5가지의 범주로 더 세분화하여 물류 분야의 디지털 전환 기술을 나누기도 한다.

• GTP(Goods To Person) : GTP 로봇은 상품을 사람에게로 가져다주는 로봇을 의미한다. 물류센터에서 구역별로 지정된 재고를 사람을 대신하여 운반하는 로봇이다. 상품을 꺼낼 때도, 보관할 때도 사람의 이동을 전제로 보조하는 역할을 한다. 여기서 사람은 상품의 운반 외에 필연적으로 상품 확인, 수량 파약, 정보 입력 등 추가 작업을 수행하게 된다. GTP 방식의 로봇으로는 그 영향력이 매우 지대하여 GTP 로봇의 표준이 된 아마존(Amazon)의 키바(Kiva)가 있다.
• GTRGood To Robot) : GTR은 상품을 로봇에게로 가져다주는 로봇을 의미한다. GTR은 자율적으로 피킹 로봇으로 상품을 전달하여 피킹 로봇이 물품을 이송, 적재, 또는 하역하도록 협업하는 작업을 수행한다.
• AMR(Autonomous Mobile Robot) : 소프트웨어가 현장에서 또는 사전에 로딩한 시설 도면을 통해 구성하는 지도를 이용해 경로를 찾으며 물류를 이송하는 로봇이다. 정교한 센서, 인공지능, 머신러닝 및 경로 계획을 위한 컴퓨팅을 사용하며, 유선 전력의 구애를 받지 않고 환경을 해석하여 탐색한다. AMR은 카메라와 센서가 장착되어 있기 때문에 환경 탐색 중에 떨어진 상자나 모여있는 사람들과 같은 예기치 않은 장애물을 경험할 경우 충돌 회피 등의 탐색 기술을 사용하여 속도를 늦추거나, 정지하거나 물체 주변으로 경로를 다시 찾은 다음 작업을 계속 수행할 수 있다.
• APR(Autonomous Picking Robot) : 자율 피킹 로봇으로서 물류 창고에서 피킹 프로세서의 전부 또는 일부를 자동화하는 주문 이행 시스템을 의미한다. 정교한 비전 기술을 사용하여 물품을 구분하고 그리핑 및 EOAT(End-of-arm tooling) 기술을 이용하여 다양한 현상의 물품을 자율적으로 피킹할 수 있도록 설계된 로봇을 의미한다.

범주	주요 내용
GTP (Goods to Person)	상품을 자동화 시스템으로 운반, 작업자가 걷지 않고 찾지 않으며 깊게 판단하지 않는 피킹 작업을 지원 자동 창고·컨베이어 방식과 운반 로봇 방식이 대표적
GTR (Goods to Robot)	GTP처럼 자동화 시스템으로 상품을 운반하나 작업자가 아닌 자율 피킹 로봇(APR)에 전달
AMR (Autonomous Mobile Robot)	동시적 위치 추정 매핑(SLAM) 기법으로 작업자를 지원하는 자율 이동 로봇
APR (Autonomous Picking Robot)	케이스, 피스 단위로 자동 핸들링하는 자율 피킹 로봇 3D 비전 센서의 눈으로 사물을 파악·운반하는 팔과 손, 최적 동적 모션을 모션 플래닝 기술로 구축하는 뇌를 보유, 스스로 판단하면서 작동
ASR (Autonomous Sorting Robot)	틸트 트레이 또는 슬림 컨베이어 벨트 등 분류 유닛이 설치된 자율 분류 로봇 지금까지 이들 유닛을 갖춘 컨베이어가 라인 상에서 분류하던 작업을 자유자재로 주행하면서 대행

핸들링 로봇

물류센터의 개선을 위해 중요한 작업 중 하나는 핸들링 자동화이다. 핸들링이란 박스 혹은 상품을 집어 이동시키는 등 피킹의 모든 행위를 의미하며, 주문 건에 대한 출고를 위한 피킹, 재고 보충을 위한 피킹 등과 같이 목적에 따라 다양한 피킹 행위를 하게 된다. 피킹 작업은 작업의 복잡성에 의해 대부분 작업자가 하게 되는데, 그 중 단순하고 작업 시 위험성이 높으며, 반복성이 높은 작업들부터 점차 로봇으로 대체되어 가고 있다. 이러한 피킹 프로세스의 자동화를 위해 다양한 핸들링 로봇의 개발이 요구된다.

박스 핸들링 로봇

박스 핸들링 로봇은 박스를 팔레트 위에서 피킹 및 컨베이어 투입을 하는 디팔레타이징 로봇과 일정하게 공급되는 박스들을 팔레트 위에 적재하는 팔레타이징 로봇으로 나눌수 있다. 제조 현장에서는 팔레트 위에 동일한 상품이 정형 패턴으로 적재된 경우가 많지만, 물류 현장에서는 팔레트 위에 사이즈가 다른 상품이 다양한 패턴으로 적재된 경우가 흔하다. 이런 사유로 제조 현장의 디팔레타이징 로봇 대비 물류 현장의 로봇이 개발 난이도가 높으며, 자체 학습기능을 통해 지속적으로 바뀌는 박스를 핸들링 할 수 있어야 한다. 디팔레타이징 로봇과 함께 팔레트의 공급을 AGV, AMR 등으로 자동화하면 작업물 투입을 위해 작업자가 대기하는 시간을 줄여 더욱 큰 생산성 개선 효과를 낼수 있다. 팔레타이징 로봇도 제조 현장에서는 널리 사용되고 있지만, 규격화된 박스를 정형패턴으로 적재하는 솔루션으로 상용화 되어 있다. 물류현장의 팔레타이징 로봇은 공급되는 박스를 출고 혹은 이송하기 위해 무작위 순서로 공급되는 다양한 종류의 박스를 팔레트 위에 안정되게 적재하는 기능이 필요하다. 팔레타이징 로봇에는 박스의 구분을 위한 바코드 인식, 박스의 체적정보 측정, 체적 정보 기반 적재 팔레트 내 적재 위치 도출 등의 작업이 요구된다. 디팔레타이징 로봇과는 다르게 착지 구분 및 적재 위치 도출이 요구되어 적재 알고리즘이 필수적인 사유로 상용화 된 사례가 부진한 상태이다. 현재 팔레타이징 로봇의 수준은 단일 착지 및 물성 정보의 사전 제공 기준으로 상용화되어 있다. 이는 비정형 및 이형 박스의 적재가 가능한 수준이지만, 다수 착지 및 무작위 배출에 대해서는 적재가 불가한 상황이다. 이에 팔레타이징 설비가 물류 현장에 적용되기 위해서는 다양한 특성을 가진 화물의 핸들링과 적재 위치 그리고 도출된 위치에 대한 정확한 적재를 수행하여야 한다. 이에 물류 현장 맞춤형 팔레타이징 설비가 개발된 바 있다.

낱개 핸들링 로봇

낱개 핸들링 로봇은 낱개 단위의 소형 비정형 사물을 인식 및 피킹 하여 출고용 오더박스에 투입하는 로봇을 말한다. 핸들링 로봇 기술에 있어 가장 고난이도의 개발 특성을 가지고 있는데 기본적으로 다관절타입을 사용 중이며, 비전을 통해 1) 물성을 인식 2) 물성의 형태 파악 3) 파지점 도출 4) 로봇 이동 및 피킹으로 구분할 수 있다. 이들 중 2~4에 해당하는 프로세스가 다양한 연구를 통해 개발 중에 있다. 낱개 핸들링 로봇을 현장에 적용하는 데 있어서 극복해야 할 가장 중요한 요소는 다수 상품의 동시처리 능력이다. 작업자는 동시에 여러 상품을 한 번에 픽업할 수 있는 반면 로봇은 아직 한 번에 한 개의 상품만 픽업하는 방식으로 동작한다. 이를 극복하기 위해서는 보다 빠른 로봇팔과 정교한 로봇 핸드, 빠른 비전 인식, 촉각센서의 활용 등이 필요하다.

하차 자동화 로봇

택배 간선 차량의 화물 하차 작업은 작업자의 노동강도가 매우 높아 자동화에 대한 요구가 매우 높은 작업 중 하나이다. 해외에서는 상용화된 로봇 기반 하차자동화 시스템들도 있지만 박스, 마대, 파우치 등 다양한 형태의 화물이 오정렬 또는 비정형으로 적재되어 있는 실제 택배 현장에 적용 가능한 설비는 국내외적으로 개발된 사례가 없는 상황이다. 매우 다양한 택배 화물의 형태, 크기, 재질 등에 모두 대응할 수 있는 자동화 시스템 개발을 위해서는 고난이도의 기술이 요구된다. 기본적으로 물류의 위치 및 형태 파악을 위한 비전시스템, 인식된 형상에 대한 파지점을 판단하는 알고리즘, 제한된 구획 내에서 로봇을 효과적으로 움직이는 경로 제어, 다양한 면(Plane)에서의 피킹 및 적재를 위한 그리퍼 기술 등이 있다. 그밖에도 하차 작업 시 화물이 무너짐에 대응 가능해야 하며 큰 기온편차 및 분진에도 강인해야 하는 등 매우 도전적인 분야이다.

웨어러블 슈트

일반적으로 웨어러블 로봇은 외골격 형태가 많이 알려져 있고 주로 군사목적용, 재활치료용 등으로 개발된 사례가 있다. 택배 하차와 같이 노동강도 높은 현장에서 웨어러블로봇에 대한 필요성 및 활용성은 매우 높지만 외골격 형태의 웨어러블 로봇은 착용성, 자유도 및 가동시간 등의 문제로 실제 활용은 어려운 상황이다. 물류 현장에서 웨어러블슈트의 효과적인 활용을 위해서는 1) 착용성, 2) 근력보조, 3) 유지보수 용이성 등이 전제되어야 한다. 이러한 이유로 무전원방식의 웨어러블슈트가 효율적이라 할 수 있다. 특히 물류 프로세스 별로 작업자의 주된 움직임이 정해져있어 특정 움직임에 대한 근력 보조력이 높아야 한다. 한국에서도 택배 하차작업과 다양한 화물 이재/적재에 활용 가능한 경량 무전원 웨어러블 슈트의 시범 적용이 진행되고 있다. 작업자가 혼자 쉽게 착용할 수 있고 착용에 따른 이질감이 적으며 효과적인 근력 지원을 제공하는 것이 관건이다.

관련 기술

자율주행

물류로봇은 공장이나 단순 창고 등의 정해진 환경에서 마그네틱 라인 등의 미리 지정된 표식을 따라 이동하는 형태에서 점차 다양한 작업 수행이 가능한 자율주행 기능을 포함하고 활용하는 방향으로 기술 발전이 진행하고 있다. 자율주행은 플랫폼과 센서(카메라, 라이더, 초음파, 적외선, 범퍼 등)를 포함한 하드웨어 자체, 센싱된 데이터를 융합 및 처리하는 정보처리 및 환경인지, 그리고 주어진 목표를 달성하기 위해 필요한 로봇 제어 등 다양한 기능을 조화시키도록 발전하고 있다. 인공지능과 머신러닝 등을 통해 주변 환경을 스스로 감지 및 반응하면서 주행할 수 있는 기술들이 자율주행 기술에 접목되고 있다. 오픈소스로 쉽게 취득 가능한 수치지도를 이용하여 로봇 자율주행 시 동적으로 위치를 인식할 수 있는 기술을 이용하여 처음 가는 지역에서도 자율주행이 가능하도록 하는 기술이 개발되고 있다. 복잡한 실내 환경으로 인해 GPS를 활용하기 어려운 실내 자율주행의 문제를 해결하기 위하여 센서 기반의 자기 위치 추정 방법을 통해 복잡한 실내 환경에서도 자기 위치 추정과 지도 생성을 가능하게 하는 기술이 개발되고 있다. 기존의 자율주행 기술에 포함되는 세부 핵심기술을 3차원 공간으로 확장하고 적용에 필요한 부분을 추가하면서 보다 우수한 물류 서비스를 제공할 수 있도록 발전하고 있다.

피킹기술

물류로봇에서 피킹 기술, 즉 물건을 집어 옮기는 작업은 물건의 크기와 형상, 무게, 재질이 상이한 경우가 많기 때문에 물건을 인지하고 이를 집는 것은 자율주행에 비해 상대적으로 복잡하고 어려운 문제이다. 이 때문에 아마존(Amazon)은 피킹 작업을 사람이 수행하고, 물건을 이송하는 작업만 로봇이 수행하는 형태로 로봇의 역할을 단순화하였다. 그러나 노동 환경 개선과 보다 효율적인 물류 처리에 대한 요구에 많은 관련 기술이 개발 및 연구되고 있다. 복잡하고 다양한 물체를 피킹하고자 하는 기술의 예로서, 280개의 물체에 대하여 파 지점을 포함한 1035개의 이미지가 라벨링된 데이터베이스를 제안하고, CNN(Convolutional Neural Networks)을 통하여 학습하고 피킹하는 인공지능 기술을 이용한 피킹 기술이 제안되고 있고, Fast R-CNN(Regions with CNN)을 활용하여 박스에 잇는 다양한 물체가 혼재되어 있어도 인식할 수 있는 인공지능 기술이 제안되고 있다. 빈(Bin) 피킹과 같은 센서 일체형 단일 품목 피킹 솔루션이 시장에 나오고 있으며, 대규모 데이터베이스를 이용하여 많은 종류의 물체를 미리 학습시켜 놓아 범용적인 물체에 대하여 파지점을 인식할 수 있는 능력을 갖추는 Novel Object Picking의 접근 방법이 이용되고 있다. 로봇 그리퍼를 이용하여 피킹하는 방법 외에 진공 흡착 방식을 활용하여 이송하는 기술이나, 진공 흡착 방식의 이송 안정성을 향상시키기 위하여 진공 흡착 방식으로 파지 후 유연 그리퍼로 고정하는 형태의 기술도 물류 현장에 도입되고 있다. 더불어 파지 대상물의 학습데이터를 파지 대상 각도, 파지 위치, 파지 종류 등으로 분류하고, 3D Mzx MassFX 기능으로 랜더링된 가상 증강 학습데이터까지 포함하여 약 8만여 개의 학습데이터를 통해 수집 종의 파지 대상물이 불규칙하게 혼재되어 있는 환경에서도 물체를 효과적으로 인식한다. 파지 실패 시 다른 파지 전략을 사용하는 방법을 통하여 96.5% 물체 인식 성공률, 82.6% 최초 파지 성공률 및 100% 재파지 성공률을 보고한 사례도 있다.

분류기술

분류로봇은 충돌 회피 기술을 기반으로 작동하는 고속 이동 로봇의 집합이다. 이들은 자신이 동작하는 영역 주변의 바코드를 판독하여 경로 별 분류 작업을 수행한다. 인간 작업자들이 소포를 분류로봇에 놓으면, 로봇은 포털 프레임을 통해 소포를 운반하고 주문 정보를 읽는다. 자동으로 소포 무게를 재고 운영자 인터페이스 시스템에 필요한 모든 정보를 표시한다. 플릿 관리 시스템을 통해 로봇들이 서로 협력하도록 관리하고 모든 제어 및 스케줄링을 관리한다. 그 결과 각각의 로봇은 적용된 알고리즘에 기초하여 이송을 위해 가장 최적화된 경로상에 배치된다. 분류 로봇이 목적지에 도착하면 주행을 멈추고 소포를 해당 분류함에 적재함으로써 분류 작업을 끝내게 된다. 산업용 카메라와 스마트 분류 시스템의 퀵코드 판독기술을 분류로봇에 통합하여 소포 코드 판독 후 빠른 선별이 가능하도록 하는 로봇이 출시되었다. 여기서 스마트 분류 시스템은 분류 정보 시스템, 분류 계획 시스템, 설비 제어 시스템, 운영 감시 시스템으로 구성되며, 설비 제어 시스템은 스케줄링 제어 서비스와 바코드 판독 서비스로 구성된다. 이 시스템은 고속 운송장 정보의 판독, 배달 위치의 디코딩, 고속 패키지의 정확한 배달, 고속 패키지 경로의 정보의 기록 및 추적을 실현할 수 있다. 하나의 스케줄링 제어 서비스는 수백 개의 장비에 대한 스케줄링 제어, 맵 모델들의 확립, 최적화된 다중 경로 계획, 태스크들의 합리적인 할당 및 동적 트래픽 관리를 달성하도록 설계된다. 바둑판 모양으로 상자들을 층층이 쌓아 올린 CFC(Customer Fulfilment Centre) 꼭 대기에서 캐비닛 모양의 바퀴 달린 로봇 수백~수천대가 격자 레일 위를 오가며 벌집 속 상자에서 물건을 집어 올리고, 제어시스템은 각 로봇과 통신하며 로봇이 서로 부딪히지 않으면서 물품을 가져오도록 명령을 내리며, 머신러닝으로 여러 상황을 학습한 로봇들이 협업하여 아래에 있는 상자를 꺼내고 물품을 집어 올려 분류하는 기술도 대표적인 분류 로봇의 기술 예이다.

기타

• 수령인 인식기술 : 잠겨진 화물칸을 수령인만 열 수 있도록 하고, 물품의 위치를 스마트폰 등으로 쉽게 확인할 수 있도록 하는 기술이 접목되고 있다. 수령인 인식과 관련하여 원격 제어 기술을 적용하여 준비되지 않은 상황도 극복할 수 있도록 하는 기술과, 수령인의 얼굴을 인식하고 인식 결과에 따라 화물칸을 열어주는 인식 기술이 접목되고 있다.
• 자세 제어기술 : 지면 환경에 따라 주행 중인 로봇 바디의 흔들림을 최소화함으로써 탑재된 물품이 흔들리거나 파손되지 않고 배송할 수 있는 기술이다.

참고자료

• 지능로봇연구실 연구원 다수, 〈제4차 산업혁명 시대의 물류/배송로봇의 동향 및 시사점〉, 《한국전자통신연구원》, 2019-08
• 이상오 기자, 〈로봇, '실내 자율주행'으로 물류 혁신 일으킨다〉, 《공학저널》, 2019-08-09
• 현대경제연구원, 〈물류로봇 시장 동향과 시사점〉, 《KDI경제정보센터》, 2020-03-04
• 윤소원 기자, 〈미국 내 공장의 핵심기계 무인운반차 AGV - 공장물류 효율성 극대화 위한 필수적 요소로 자리매김〉, 《로봇기술》, 2021-12-31
• 곽경민, 박범, 고은지, 윤철주, 김경훈, 〈급속 확산되는 물류현장의 로봇적용 사례 - Rapidly Spreading Logistics Robot Applications〉, 《한국로봇학회》, 2022
• 김지섭 기자, 〈바둑판 물류센터의 비밀… 사람이 200개 꺼낼 때, 로봇은 700개 꺼낸다〉, 《조선일보》, 2022-01-13
• 융복합기술심사국 지능형로봇심사과, 〈RobotIP -물류로봇 특집편〉, 《특허청》, 2022-05
• 양승윤, 〈NEW ERA 로봇과 공존하는 세상 - ROBOTICS〉, 《유진리선치센터》, 2022-06-07
• 우재혁, 〈글로벌 로보틱스 (비중확대/Initiate) - '현실'의 로봇에 투자하라!〉, 《미래에셋증권》, 2022-11-08
• 최종윤 기자, 〈서비스‧물류시장서 기술 완성도 높인 AMR, 제조업 본격 진입 시작〉, 《인더스트리뉴스》, 2023-03-25
• 류한석 류한석기술문화연구소장, 〈죽음의 '택배 상하차'도 대신하는 로봇의 탄생〉, 《주간조선》, 2023-04-23
• 김경아 기자, 〈하나증권 "물류로봇 산업 저평가 국면...브이원텍·티로보틱스 주목"〉, 《파이낸셜뉴스》, 2023-05-15
• 김두현, 최재호, 이승태, 박희철, 〈물류로봇(AMR) Overweight - 왜 지금 물류 로봇에 투자해야 하는가?〉, 《하나증권》, 2023-05-15

같이 보기

• 인공지능 로봇
• 운반로봇
• 키바

이 물류로봇 문서는 인공지능 활용에 관한 글로서 내용 추가가 필요합니다. 위키 문서는 누구든지 자유롭게 편집할 수 있습니다. [편집]을 눌러 문서 내용을 추가해 주세요.

인공지능 : 인공지능 기술, 인공지능 활용 □■⊕, 인공지능 개발업체, 인공지능 인물 인공지능 스피커(한국) 갤럭시홈미니 • 기가지니 • 기가지니2 • 누구 • 누구네모 • 엑스붐AI씽큐 • 카카오아이 • 카카오미니 • 큐보이스 • 클로바 • 클로바웨이브 인공지능 스피커(글로벌) 구글홈 • 구글홈미니 • 구글홈허브 • 두어 • 빅스비 • 샤오두 • 스마트스피커 • 시리 • 알렉사 • 어시스턴트 • 에코 • 에코닷 • 에코쇼 • 코타나 • 티몰지니 • 홈팟 챗봇 그록 • 라마 • 라온 • 믿음 • 바드 • 빙 • 소버린 AI • 숍봇 • 심심이 • 아숙업(AskUp) • 알로 • 알리GPT • 엑사원 • 오토GPT • 옴니서치 • 이루다 • 제미나이 • 챗GPT • 챗뤼튼 • 테이 • 하이퍼클로바X 인공지능 이미지 AI 모션 • AI 프로필 • NUI 스튜디오 • 달리(DALL·E) • 레오나르도 AI • 비디스커버 • 카카오브레인 • 칼로 서빙로봇 LG 클로이 • 가우시움 • 다이너봇 T5 • 다이너봇 T6 • 딜리플레이트 • 럭키 • 럭키프로 • 리치테크로보틱스 • 마트레디 • 마트레디L • 마트레디X • 바오바오 • 방역로봇 • 버틀러봇 W3 • 베어로보틱스 • ㈜베어로보틱스코리아 • 벨라봇 • 브이디로봇 • 브이디컴퍼니㈜ • ㈜비로보틱스 • 서비 • 서비플러스 • 서빙고 • 서빙로봇 • 소프트뱅크 로보틱스 • 써봇 • 아담 • 안내로봇 • ㈜알지티 • 오리온스타 • 요리로봇 • 이리온 • 청소로봇 • 케티봇 • 코가로보틱스㈜ • 쿡봇 • 키논 • 퇴식로봇 • ㈜폴라리스쓰리디 • 푸닥터 • 푸두로보틱스 • 푸두봇 • 플래시봇 • 한국키논로보틱스㈜ • 현대 S1 • 현대 T5 • 현대 T6 • 현대 T8 • 현대 W3 • 홀라봇 주방로봇 다관절로봇 • 알파그릴 • ㈜에니아이 • 인디 배달로봇 메디봇 • 모비 • 모빈 • 물류로봇 • 수확로봇 • 운반로봇 • 자율주행로봇 • 키바 • 핸들 청소로봇 LDS센서 • LG 로봇청소기 • 로봇청소기 • 삼성 로봇청소기 • 샤오미 로봇청소기 • 소매틱 • 소매틱 (기업) • 일렉트로룩스 • 트릴로바이트 인공지능 로봇 HRP-5P • 다르파 로봇 챌린지 • 드림워커 • 디지트 • 렉스 • 로봇개 • 마로솔 • 병렬로봇 • 비전60 • 빅독 • 산업로봇 • 샌드플리 • 생활로봇 • 서비스로봇 • 소피아 • 수레나IV • 스카라로봇 • 스턴트로닉스 로봇 • 스팟 • 아스나 • 아시모 • 아이보 • 아이언 에그 로봇 • 아쿠아노트 • 아틀라스 • 알로하 • 알파독 • 액트로이드 미나미 • 에리카 • 에버 • 옵티머스 • 와일드캣 • 유니메이션 • 유니메이트 • 전투로봇 • 제노봇 • 지아지아 • 직교좌표형 로봇 • 직렬로봇 • 치타 • 페퍼 • 펫맨 • 피규어 01 • 협동로봇 • 휴머노이드 • 휴보 위키 : 자동차, 교통, 지역, 산업, 기업, 단체, 업무, 쇼핑, 블록체인, 암호화폐, 인공지능, 개발, 인물, 행사, 일반