수확로봇

수확로봇은 사람의 도움 없이 과일 및 채소와 같은 작물을 스스로 수확하는 인공지능 로봇이다. 센서와 카메라를 사용하여 작물을 수확해야 하는 시기를 감지한 후 로봇 팔이나 기타 다른 도구를 사용하여 농산물을 손상시키지 않고 조심스럽게 수확힌다.

개발배경

전세계적으로 인구가 증가하고 있으며, 점진적으로 증가되는 인구에 대한 식량 문제를 해결하기 위해서 작물 생산량 증대가 필요한 시점이다. 하지만, 현재 농업의 형태로는 인구고령화, 노동력부족, 기후변화, 농촌인구 감소, 토양의 황폐화, 도시화로 인한 농촌토지 감소 등의 이유로 오히려 생산량이 감소할 수 있다. 이를 극복하기 위해 농업은 4차 산업혁명을 맞이하여 빅데이터, 인공지능(AI), 로봇, 사물인터넷(IoT), 정보통신기술(ICT)를 활용하여 효율적인 농작물 관리와 생산량 향상을 도모하고 있으며 정밀농업과 스마트농업 활성화에 힘쓰고 있다. 농업은 생산량 향상과 더불어 품질, 제품의 다양성 등에 대한 요구에 직면해 있다. 이는 생산 과정을 개선해야만하며, 일반적으로 수확 비용을 상승시킨다. 비용은 단순한 가격적인 측면뿐만 아니라 가장 중요한 노동력 또한 포함되며 로봇화, 자동화를 통한 생산 방식은 비용증가와 그에 따른 이윤감소를 초래할 수 있다. 과실을 획득하기 위해서 이식, 접목, 방제, 파종, 수확, 가지치기 등 다양한 작업이 진행되며 그 중 수확작업은 일본농업의 경우 25%를 차지할 정도로 많은 시간과 노동이 투자된다. 수확작업의 비용(시간, 노동력)절감을 위해 수확작업의 로봇화, 자동화에 많은 연구가 진행되었지만, 노력에도 불구하고 상용화에 성공하지 못했다. 수확로봇의 주요 연구에는 작물에 대한 색상, 크기 및 모양 등에 대한 인식을 위한 영상처리 기술, 엔드이펙터, 매니퓰레이터 자세 제어기술, 그리퍼 구동 메커니즘이 있다. 이중 엔드이펙터는 대상 작물에 직접적인 작업을 수행하기 때문에 엔드이펙터의 특성에 따라 수확 과정 중 주변 줄기, 과실에 대한 손상 등이 발생할 수 있다. 즉, 수확로봇 성능에 가장 큰 영향을 줄 수 있는 요소다.

재배환경

수확로봇 설계 및 제작을 위해 수확 대상인 작물의 특성과 로봇의 작업이 이루어지는 환경을 파악하는 것이 중요하다. 작물은 과수원, 시설원예 등 다양한 환경에서 재배되며, 각각의 작물마다 크기, 위치, 모양, 재배방법, 수확방법 등이 다르다. 또한 재배환경에서 이루어지는 수확 과정 중 작물을 인식하는 과정이나 수확로봇이 이동하는 과정에서 장애물이 되는 다양한 물체들이 많이 전재한다. 수확로봇에 영향을 주는 작물의 특성과 환경에 대한 요인, 수확방법들을 충분히 고려하여 수확로봇을 설계 및 제작해야 한다. 작물을 재배하는 환경에는 과 같이 과수원, 시설원예, 노지환경으로 크게 세 가지가 있다. 사과, 오렌지, 키위처럼 큰 나무에서 자라는 작물들은 주로 과수원에서 재배되고 비교적 작은 줄기에서 자라는 작물들은 시설원예, 노지환경에서 재배된다. 수확로봇에 대한 영향을 주는 요인은 작업이 이루어지는 재배환경에 따라 차이점이 존재한다. 과수원과 노지환경은 시설원예와 달리 비와 바람의 영향을 많이 받는다. 또한 플랫폼의 이동 용이성이 떨어지고 작물의 일관성이 떨어진다. 그리고 시설원예는 나머지 재배환경과 달리 광 조건을 제어할 수 있다는 이점과 비교적 장애물이 적기 때문에 작물에 대한 가시성과 접근성이 더 높다. 결론적으로 재배환경 중에서 시설원예가 수확로봇을 사용하여 작업을 수행하기에 가장 적합한 환경이다. 재배 환경을 기준으로 비교하였을 때 시설원예 71.5%, 과수원 19%, 노지환경 9.5%로 시설원예에서 재배하는 작물의 수확로봇이 가장 많았다. 또한 작물을 기준으로 비교했을 때 토마토 수확로봇, 딸기 수확로봇 19%(4개, Horticulture), 파프리카 수확로봇 14%(3개, Orchard)로 토마토, 딸기, 파프리카를 대상으로 한 수확로봇이 많았다.

구성

엔드이펙터

엔드이펙터는 로봇이 작업을 할 때 작업 대상에 직접 작용하는 기능을 가진 부분으로 수확용으로 사용될 뿐만 아니라 산업용, 의료용 등 다양하게 사용된다. 그 중 수확용 엔드이펙터는 작업환경의 복잡성, 조작 대상의 불규칙성으로 인해 정확하고 유연성을 필요로 하며, 작물의 다양한 특성에 맞춰 연구 및 설계가 진행되고 있다. 수확로봇의 중요한 구성 요소인 엔드이펙터는 과채류를 수확하는 과정에서 결정적인 역할을 수행한다. 수확로봇의 성능을 향상시키기 위해서는 과채류의 수확속도를 높이거나 수확 성공률 향상을 도모해야 한다. 또한, 과실에 대한 손상없이 수확할 수 있어야 하기 때문에, 과실의 특성에 맞춰 다양한 형태로 개발되었다. 즉, 수확로봇의 성능은 엔드이펙터의 특성과 밀접한 관련이 있다.

그리퍼

수확용 엔드이펙터의 구성요소 중 하나인 그리퍼는 단단한 재료를 이용하여, 특정 작물에 적용하기 위해 작물이 갖는 물성치를 고려하여 설계되었다. 단단한 재료를 갖는 그리퍼는 보다 강하게 파지할 수 있으나, 물체를 접촉하면 충격이 발생하여 물체가 손상되거나 원하는 경로 밖으로 밀려날수 있는 단점이 존재한다. 단순한 해결 방안으로 그리퍼 접촉부분에 고무패드 등의 적합한 재료를 추가하는 것이다. 대상작물에 대한 정확한 위치를 필요로 하며 만약 정확한 위치를 파악할 수 없다면 줄기로부터 작물을 분리할 때, 그 작물이 파손되거나 식물의 핵심줄기를 자르거나 손상을 입힐수 있다. 두 번째 방법은 소프트로봇 기술을 응용한 소프트 그리퍼를 제작하는 것이다. 이 방식은 활발히 연구가 계속되고 있는 방식으로, 유연한 재료를 사용함에 따라 대상작물에 대한 손상을 최소화하고 작물의 특성인 비정형성을 극복할 수 있는 장점을 갖고 있어 과채류대상으로 적용하고 있다. 재료가 갖는 유연성에 의해 물질이 변형되기 쉬워 제어 복잡성이 크게 줄어든다. 하지만 이 그리퍼 또한 작물을 직접 잡는 방식이므로 정확한 위치를 요구하는 단점이 있다.

수확모듈

엔드이펙터에 사용되는 절단 시스템은 작물, 플랫폼에 따라 다양하게 사용되고 있는데 대표적으로는 칼날을 사용한 방식과 사용하지 않는 방식으로 분류할 수 있다. 먼저칼날을 사용하지 않는 방식은 매니퓰레이터를 비틀거나, 엔드이펙터를 회전하는 방식으로 작물을 줄기로부터 분리하는 방식이다. 토마토 수확 엔드이펙터의 경우 무한회전 조인트의 회전을 통하여 과실을 수확하였다. 칼날을 이용한 방식은 칼날에 정확히 줄기를 넣어야 하기 때문에 줄기 추정의 정확도를 요구하는 반면, 회전을 통한 수확 메커니즘은 줄기 방향을 고려하지 않고 수확을 할 수 있어 추정오차에 강인한 방법이다. 하지만, 실제 어플리케이션에서 줄기로부터 과실분리 성공률은 62.2%로 비교적 낮은 성공률을 보인다. 엔드이펙터의 절단부 중 한 방법은 두 개의 전극을 니크롬선으로 연결한 후 발생하는 고온의 아크를 이용해서 줄기와 과실을 분리하는 방법으로 파프리카, 오이를 대상으로 개발되었다. 고온의 열을 이용해서 절삭하기 때문에 일반적으로 가위로 절단하는 것과 비교하여 바이러스나 곰팡이 등의 감염을 지연시키거나 줄일 수 있는 장점을 보인다. 오이 수확로봇은 오이를 잡기위한 흡착 컵이 있는 그리퍼와 열절단 장치로 과실을 줄기로부터 분리시키는 방식의 엔드이펙터로 개발되었다. 시설원예 내에서 실험이 진행되었으며, 평균 45초의 속도와 80%의 수확성공률을 보였다. 칼날을 사용한 방식의 예로서, 수확로봇의 대표적인 프로젝트인 CROPS는 파프리카를 대상으로 2가지 타입의 엔드이펙터를 개발했다. 2가지 타입의 파프리카 수확로봇은 RGB 및 ToF (Time of Flight) 이미지를 기반으로 과실의 숙도 판별 및 위치추정을 수행하였다. 추정된 위치에 대한 자세추정을 통해 수확작업을 진행하였다. 장착된 카메라의 시점에서 발생하는 행동계획의 문제를 해결하기 위해 매니퓰레이터는 중앙작업공간으로 이동하여 작업을 진행하였다.

핀-레이(fin-ray) 타입의 엔드이펙터는, 4개의 핑거를 사용하여 파프리카를 파지 후, 위쪽에 존재하는 가위를 사용하여 수확하는 방식이다. 핑거는 열가소성 탄소체(TPE)를 사용하여, 재료가 갖는 탄성을 이용해 수확물의 불규칙적인 모양에 적응할 수 있도록 개발되었다. 수확과정 중 줄기와 과실과의 간격이 좁은 경우 주변 잎, 줄기에 대한 손상이 발생하였다. 하지만 수작업으로 수확을 진행하여도 발생하는 문제로 큰 영향이 없을 것으로 판단하였다. 립-타입(lip-type)의 엔드이펙터는 중앙에 존재하는 흡착컵을 매니퓰레이터의 TCP로 두어, 1차로 파프리카를 파지 후 위 아래 립에 부착된 칼날을 이용하여 줄기를 절단한다. 아래 립의 움직임으로 수확이 이뤄지며 이와 동시에 하단에 부착된 튜브를 통해 이송하는 방식이다. 수확 후 운송시간을 줄임으로써 수확속도를 향상시켜 수확로봇의 성능을 높이고자 하였다. 최근에 이뤄진 연구에 따르면 과실을 수확하기위한 비용(시간)을 줄이기 위하여 파지를 수행하지 않고 수확하는 방식의 엔드이펙터를 개발하였다. 작물환경을 최적의 상태로 구축하였을 때와 평상시 작물환경에서 수확로봇을 도입하였을 때를 비교하여 수확로봇의 성능에 작물의 환경이 미치는 영향을 실험을 통해 유의미한 차이를 보였다. 딸기 수확용 로봇은 위치 추정에 대한 오차와 군집을 이루며 자라는 작물에서 특정 대상을 분리하기 위해 케이블 드리븐(cable-driven) 방식의 그리퍼를 갖는 엔드이펙터를 개발하였다. 줄기의 위치 추정은 특정 대상의 줄기뿐 아니라 주변 줄기와 특징을 분리하기 어려워 목표 줄기의 추정이 어려운 환경이므로, 과실의 위치추정에 중점을 두어 진행하였다. 강인한 위치추정을 기반으로 잡아 삼키는 방식의 파지를 수행하였고, 굽은 칼날로 줄기를 절단하여 줄기 위치 추정에 중점을 둔 다른 수확로봇에 비해 수확 성능 향상의 효과를 보였다.

종류

일본 피방 수확로봇

애그리스트(Aglist)는 피망 수확로봇 엘(L)을 개발했다. 피망 수확로봇은 온실 상단에 설치한 케이블에 매달려 이동한다. 모바일 로봇은 온보드 스카라 매니퓰레이터와 비전 시스템을 탑재하고 있다. 수확로봇은 이동 중에 인공지능과 비전카메라를 이용해 수확할 피망을 선별하고, 그리퍼로 픽킹한다. 수확한 피망은 보관용 박스에 한꺼번에 방출할 수 있다. 피망은 줄기에서 임의의 방향으로 자라기 때문에 수확을 위해 많은 숙련된 노동력이 필요하다. 하지만 엘 로봇은 수정 없이 기존 농장 레이아웃에 맞게 설계되어, 농부들이 인공지능 수확에 더 쉽게 접근할 수 있다. 이 로봇은 비전 카메라, AI 알고리즘 및 인식 모델을 통해 작동한다. 농장을 순찰하면서 3D 데이터를 수집해 고추가 성숙하는 데 필요한 일수를 분석하고, 작물의 양을 예측하며 성장을 최적화하는 방법에 대한 분석을 제공한다. 애그리스트는 이 로봇이 노동력이 부족한 농가에 도움을 줄 수 있을 것으로 기대하고 있다. 애그리스트는 일본 경제산업성과 일본기계공업연합회가 공동 주최한 로봇대상에서 농림수산대신상을 수상했으며, CES 2023의 혁신상도 수상했다.

스위스 파프리카 수확로봇

스위퍼(Sweeper)는 네덜란드 와헤닌겐 대학 연구팀이 개발하고있는 세계 최초의 파프리카 수확로봇이다. 온실 자율주행하면서 로봇 팔에 내장 된 카메라로 파프리카의 열매를 감지하고 색상에서 숙도를 평가 한 후 열매를 손상시키지 않고 수확 컨테이너로 이동시키는 구조다. LED 플래시 라이트가 장착되어 있기 때문에 밤낮을 가리지 않고 작업 할 수있는 것이 장점이다. 스위퍼는 상업용 온실에서 활용될 수 있도록 설계된 로봇으로, 파프리카를 따는데 필요한 엔드이펙터를 가진 팔과 자율 이동 플랫폼으로 구성돼있다. 온종일 파프리카를 수확하는 테스트에서 무려 62%의 정확도를 달성했다. 실험실에서 진행된 실험에서도 1개를 수확하는 데 15초도 걸리지 않은 것으로 나타났다. 스위퍼가 수행하는 시간이 가장 많이 걸린 작업은 수확한 파프리카를 용기에 담는 일이었다. 개발자들은 안전 문제를 이유로 로봇의 작업을 약간 느리게 유지하고 있다고 설명했는데, 하지만 인건비가 비싸고 노동력이 부족할 때 농가에 큰 역할을 할 수 있을 것으로 기대된다. CORDIS는 스위퍼 프로젝트를 진행하는데 CROPS 소프트웨어를 활용했다. CROPS는 '작물 수확을 위한 영리한 로봇'이라는 의미로, 그리퍼와 센서를 비롯한 스프레이어, 그리고 알고리즘 등의 지능적인 도구들이 포함돼있다. CROPS 로봇 플랫폼은 장소 맞춤형의 스프레이 작업 수행이 가능하다. 열매를 감지하고 성숙도를 판단한 뒤, 열매가 있는 쪽으로 이동해 부드럽게 잡은 뒤에 수확하는 과정이다. 소프트웨어는 또한, 로봇이 장애물을 인식할 수 있어 충돌이 없는 열매쪽으로 경로를 계산할 수 있다. CROPS의 연구원인 잔 본트세마 박사는 "로봇 시스템 도입이 농부들에게 고품질 수확을 가져다줄 수 있는 선택적 수확 기회를 제공할 뿐만 아니라 안전성도 향상할 수 있다"고 평가했다. 향후에는 트롤리와 컨베이어 벨트도 탑재한다는 계획이다. 또한 연구팀은 채소 포장과 수확 후 과정을 모두 자동화하는 방법도 모색중이다. 만일 이러한 계획이 모두 성공적으로 진행된다면, 농부들이 온실에서 직면할 수 있는 몇 가지의 문제들을 해결할 수 있을 것이라는 기대다. 게다가 인건비와 품질, 식품 안전 문제도 해결할 수 있을 것으로 보인다. 스위퍼 개발에는 이스라엘을 비롯해 스웨덴, 벨기에, 네덜란드의 4개국 6개 파트너사가 협력했다. 파트너로는 원예 엔지니어링과 온실 작물 관리, 머신 비전, 지능형 시스템, 시스템 통합 및 소프트웨어 아키텍처를 비롯한 다양한 분야의 전문가들이 참여했다.

독일 오이 수확로봇

독일에서 피클용으로 재배되는 오이는 플라이어(flyers)라는 이름을 가진 날개가 부착된 농기계의 도움을 받아 수확된다. 수확철에 인부들은 이 농기계 날개 위에서 잘 익은 오이를 수확한다. 노동집약적이지만 경제적이라고는 볼 수 없는 방식이다. 게다가 독일 정부가 최저 임금을 도입한 뒤 단위 수확 비용도 높아졌다. 이런 이유로 오이 재배 지역이 이미 동유럽이나 인도 등으로 옮겨 갔다. 오이 경작을 경제적으로 할 수 있는 기술이 필요해졌다. 프라운호퍼연구회는 유럽연합의 오이 수확 자동화 연구 프로젝트(CATCH)의 일환으로 오이 수확로봇을 개발하는 데 나선 것이다. CATCH 프로젝트에 참여한 연구자들은 저렴한 경량 모듈로 구성된 두 팔 달린 로봇시스템을 개발하고 테스트에 나서고 있다. 궁극적인 목표는 오이 수확과 재배를 자동화 시스템으로 구현하는 것이다. 물론 비용이 저렴하고 성능이 좋고 신뢰성이 높아야 한다. 또 날씨가 좋지 않아도 오이를 먼저 식별하고 2개의 팔을 사용해 오이가 으스러지지 않도록 집을 수 있어야 한다. 이를 위해 로봇에 적용된 팔에 최첨단 촉각 인식 시스템을 적용하고 주변 조건에 적응할 수 있도록 했다. 또한 사람의 움직임을 모사해 로봇 시스템이 오이를 효율적으로 수확하는 데도 힘을 썼다. 로봇이 작물을 손상시키지 않고 뿌리를 흙에서 뽑지 않도록 하는 데도 신경써야 했다. 이뿐만이 아니다. 1분당 최소 13개의 오이를 수확할 수 있는 숙련된 인부만큼 효율적으로 작업을 할 수 있어야 한다. 이같은 모든 조건을 충족하는 로봇 시스템 개발은 쉬운 게 아니다. 연구진이 개발한 로봇은 무작위로 식물이 널려 있는 곳에서 오이를 정확하게 식별해야 한다. 또 다양한 조명 조건에서도 이같은 임무를 수행할 수 있어야 한다. 연구진은 다중 스펙트럼 카메라와 지능형 이미지 처리 기술을 이용해 오이의 위치를 파악하고 로봇 팔을 이용해 오이를 뽑을 수 있도록 하는 데 성공했다. 로봇에 적용된 카메라 시스템은 오이 식별 성공률이 약 95%에 달했다. 연구진은 향후 단순히 오이만 식별하는 게 아니라 잘 익은 오이만 식별할 수 있도록 기술을 개발한다는 계획이다. 프라운호퍼 연구회 IPK의 전문가들은 오이를 수확하는 로봇의 행동을 계획, 프로그래밍, 제어할 수 있다. 사전 프로그래밍을 통해 만들어진 행동 패턴으로 오이를 찾고 잘 익은 오이만 식별해서 오이 뿌리와 가지를 손상시키지 않고 수확할 수 있도록 한 것이다.

한국 다수 로봇시스템

한국기계연구원 인공지능 로봇 연구본부 로봇메카트로닉스연구실 최태용 책임연구원 연구팀이 인력 부족이 심각한 농업 현장에서 사람을 도와 작물을 자동으로 수확하고, 수확한 작물을 자율주행을 통해 하역장으로 나를 수 있는, 원예작물 수확을 위한 다수 로봇 시스템을 개발했다. 수확로봇과 운반로봇으로 구성된 원예작물 수확용 다수 로봇 시스템은 인력난이 극심해져 농사를 짓고도 수확을 못해 갈아엎는 농업 현장의 어려움을 해결하는 데 도움을 줄 수 있을 것으로 기대된다. 원예시설 전체 공정의 수확과 이송 과정을 전자동화하여 수확뿐만 아니라 농업 현장의 다양한 노동집약 작업을 무인화할 수 있는 가능성을 보여주었다. 농업 환경은 로봇을 적용하기에 복잡하고 변화가 심해 요구 기술의 수준이 매우 높다. 시설원예 환경의 수확을 위한 로봇 연구가 초기 연구수준에 머물러 있었던 것도 이 때문이다. 기존 원예작물 수확을 위한 로봇 기술은 단일 작물 수확 기능 구현에 국한돼 있었다. 네덜란드의 스위퍼(SWEEPER) 로봇은 파프리카만을 수확하기 위해 개발되었고, 국내에서는 딸기, 오이, 참외 등의 수확 전용 로봇이 개발되고 있다.

반면, 기계연구원이 개발한 원예작물 수확을 위한 다수 로봇 시스템은 단순히 수확에는 그치는 것이 아니라 다수의 로봇 기반 수확-운반 연계 기술을 구축하여 원예시설 전체에 대한 작물 수확 작업의 자동화가 가능하도록 했다. 실제 작물을 수확하는 작물 수확로봇과 수확한 작물을 후방으로 운반하는 운반로봇으로 구성되어 있으며, 대수의 제한은 없어 복수의 수확로봇이 작물 수확을 동시에 하고, 복수의 운반로봇이 후방으로 나르는 것이 가능하다. 특히 수확로봇은 기계연구원의 첨단 기계기술과 인공지능 기술을 적용하여 시설원예 환경에서 작물의 정보를 높은 속도와 정밀도로 인식하고, 로봇팔과 직접 개발한 고파워 로봇손을 이용하여 질긴 작물도 무리 없이 수확하도록 했다. 또한 운반로봇은 시설원예 환경에서 정밀 자율주행이 가능하다. 수확로봇은 작물의 위치와 자세를 인식하는 인공지능(AI) 기술을 적용하여 정확하게 작물의 위치를 인식하고, 인식한 작물은 특수 제작한 수확용 로봇손을 이용하여 수확한다. 수확한 작물은 수확로봇에 임시 저장하였다가, 박스가 어느 정도 차면 운반로봇을 불러 작물을 전달한다. 연구팀은 작물인식률 90 % 이상, 24시간 동작을 가정하여 사람 대비 80 % 효율로 작물 수확이 가능하도록 개발하는 데에 성공했다.

사진

방울토마토 수확로봇

사과 수확로봇

상추 수확로봇

딸기 수확로봇

참고자료

• 〈독일 프라운호퍼연구회 - 잘 익은 오이만 수확하는 '로봇 시스템'〉, 《네이버 지식백과》
• Katharina Strohmeier, 〈Lightweight robots harvest cucumbers〉, 《Fraunhofer》, 2018-02-01
• 임지혜 기자, 〈파프리카 수확 로봇 '스위퍼' 탄생〉, 《스마트에프엔》, 2018-10-19
• 소윤서 기자, 〈파프리카 따는 로봇 '스위퍼', 인건비 감소와 안정성에 기여〉, 《Ai타임스》, 2019-04-08
• 설재휘, 이세창, 손형일, 〈과채류 수확을 위한 로봇 엔드이펙터 리뷰 - A Review of End-effector for Fruit and Vegetable Harvesting Robot〉, 《로봇학회논문지》, 2020-06
• GRANCO, 〈산업용로봇의 구성 (로봇 구동방법) - ②〉, 《네이버 블로그》, 2020-11-03
• 장길수 기자, 〈일본 농업용 로봇 스타트업 '애그리스트', 피망 수확 로봇 CES 2023 출품〉, 《로봇신문》, 2023-01-03
• 김정은 기자, 〈(CES 2023) 일본 스타트업, 참신한 발상과 독자 기술로 '주목'〉, 《더데일리포스트》, 2023-01-09
• 구본혁 기자, 〈(영상) “흠집없이 과일 따고, 운반까지 척척” 똑똑한 ‘로봇 해결사’ 나섰다〉, 《헤럴드경제》, 2023-03-09
• 김봉수 기자, 〈사람없이 로봇이 농산물 수확해 운송한다〉, 《아시아경제》, 2023-03-09
• 이유진 기자, 〈스스로 수확하고 운반···'로봇농부' 나왔다〉, 《헬로디디》, 2023-03-09
• 정종오 기자, 〈"스마트팜에서 농작물은 로봇이 수확·운반한다"〉, 《아이뉴스24》, 2023-03-09
• 기계기술, 〈‘원예작물 수확·이송 전자동화 로봇 시스템’ 개발··농촌의 일손 부족 문제 해결〉, 《네이버 포스트》, 2023-03-15

같이 보기

• 운반로봇
• 인공지능 로봇

이 수확로봇 문서는 인공지능 활용에 관한 글로서 검토가 필요합니다. 위키 문서는 누구든지 자유롭게 편집할 수 있습니다. [편집]을 눌러 문서 내용을 검토·수정해 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