똑똑한 AIV(자율지능차량)

이동로봇과 협업에 완벽하게 통합하기 위해서는 극복해야 할 많은 도전 과제들이 있다.

브루노 아담(Bruno Adam): Europa 모바일 프로젝트 디렉터

생산라인의 건설은 효율적인 프로세스를 위해 세심한 분석과 다양한 평가가 필요하다. 로봇에 의한 프로세스가 훨씬 복잡해지기 때문이다. 시스템은 생산라인의 효율을 유지하면서 로봇과 안전하게 상호작용할 수 있어야 한다. 여기에 로봇이 이동식이라면 공장 안의 사람과 다른 로봇, 기타 다른 장애물을 피하기 위해 세심하게 계획해야 할 것이다.

시스템 아키텍처가 로봇 내비게이션을 가능하게 한다

이동로봇은 제조사의 적응 문제를 해결한다.

이를 위해 전체 시스템에 대한 아키텍처를 분석하고 정의하고 구현할 수 있다. 아키텍처에서 정의된 규칙과 루트를 로봇에 프로그래밍하면, 로봇은 공장 안에서 자유롭게 돌아다닐 수 있다. 이는 시스템 효율성을 유지하기 위해 매우 중요하다. 예를 들어 무선 연결이 일시적으로 고장을 일으키거나, 예상치 못한 상황에서 로봇은 중앙 컨트롤 유닛과 별개로 반응할 수 있어야 한다. 따라서 로봇은 동적이든 정적이든 지능적이어야 한다. 로봇이 지능적이어야 한다는 것은 무슨 뜻일까? 로봇이 지능적인 결정을 내릴 수 있으려면, 먼저 주변을 인식할 수 있어야 한다. 이를 위해 로봇에 센서, 카메라, 레이저, 레이더 등이 필요한데, 많은 로봇들은 이동 경로에 있는 물체를 인식하기 위해 전방을 향하는 라이다 센서를 사용한다. 이 센서는 수평 방향으로 왼쪽에서 오른쪽으로 스캔하여 전방의 사물을 감지한다. 그렇다면 이동 경로에서 움푹 파진 곳에 들어가 있는 사물이나 올바르지 않게 적재된 팔레트, 선반에서 튀어나온 사물은 어떻게 구별할 수 있을까? 로봇은 이를 감지하기 위해 수직 방향에 장애물이 있는지 스캔하는 추가의 라이더 센서가 있어야 한다. 하지만 이는 로봇이 사물을 피하기 위해 필요한 규칙과 센서 네트워크의 복잡성을 더욱 높이는 반작용이 나타난다. 결국 로봇이 훨씬 더 똑똑해야 한다.

로봇은 복잡한 알고리즘을 통해 시나리오를 분류할 수 있다

로봇은 독립적으로 결정하기 위해 심화된 프로그래밍을 통해 똑똑해질 수 있다. 로봇이 스캔한 사물을 인식하고 가능한 모든 시나리오에서 어떤 결정을 하기 위해서는 복잡한 알고리즘을 필요하다. 컴퓨터가 잘 할 수 있는 것은 복잡한 상호작용을 관리하는 것이다. 자체적인 결정을 내리는 로봇의 능력 외에 제조환경에서는 현대식 플릿 관리시스템이 로봇을 보다 효율적으로 관리할 수 있다. 이 시스템은 최적화된 계획을 기반으로 작업을 분담하고, 일부 로봇이 작업하는 동안 나머지 로봇은 자신의 배터리를 충전하여 항상 완전한 충전상태를 유지한다.

셀 기반의 공장에서 효율적으로 작업하기 위해서는, 자신이 투입된 주변을 인식하고, 각 포인트 사이에서 최상의 루프틑 계산할 수 있는 지능형 이동로봇이 필요하다.

체스 프로그램과 같이, 몇 번의 말 이동을 나중에 체크 메이트로 연결하는 현대식 시스템은 몇번의 단계를 미리 계획하고 논리적으로 보이지 않는 임무를 할당한다. 예를 들면 한 시스템이 바로 옆에 배치된 로봇에게 작업을 실행하도록 전송하지 않는다. 하지만 해당 로봇은 이미 다른 작업에 배정되었거나, 자신의 화물을 이송한 후에 다시 다른 화물을 로딩해야 하며 이송 위치 근처에 로딩 스테이션이 있기 때문이다. 인간의 경우 이렇게 앞을 내다보는 관리가 거의 불가능하다. 무엇보다 전체 로봇 플릿을 제어하기 위해 시도하는 경우가 그렇다. 현대식 플릿 관리 프로그램을 이용하면 제조라인을 보다 효율적으로 만들 수 있다. 이 시스템은 로봇 입력부에 접근하여 루트가 막힌 것을 감지하면, 시스템에 막혔음을 고지하고 새로운 경로를 계산한다. 플릿 관리 시스템은 또 다른 로봇에게 막힌 경로가 있다는 것을 알려주고, 해당 로봇은 이를 피하여 다른 경로를 이용하게 된다. 그렇다면 이런 막힘 현상이 언제 풀리는지 시스템이 어떻게 알 수 있을까? 이를 위해 이동 경로가 비었는지 점검하기 위해 그 경로에 로봇을 다시 보낸다.

산업용 로봇은 올바른 경로를 찾기 위해 자동차의 GPS 시스템 같은 카드를 사용한다. 또한 작업을 위해 이동하는 경로에서 사고나 정체가 발생할 수 있으므로, 이동 로봇은 이동경로에 있는 장애물이나 사람을 피해야 한다. 로봇은 외부의 도움 없이 방향을 찾기 위해 주변 환경에 대한 맵과 주변을 감지하는 센서가 필요하다. 이를 통해 자신의 경로가 막혀 있는 것을 확인하면 우회하기 위해 맵과 센서를 사용한다.

고정 장애물인 경우 일이 간단하지만 대상이 움직이는 경우는 어떻게 될까? 이는 이동로봇과 포크리프트를 사용하는 공장을 예로 들어 설명할 수 있다. 포크리프트가 자신의 경로를 막고 있다는 것을 로봇이 감지하면 로봇은 먼저 이 대상이 서 있는지 아니면 움직이는지, 그리고 움직인다면 어느 방향으로 움직이는지 감지할 수 있어야 한다. 이렇게 로봇은 포크리프트를 뒤따라 추월운전이 예상되지 않는 경로를 계획할 수 있다. 사람에게는 이런 일이 아주 쉬운 일이지만, 로봇은 여러 센서의 움직임을 감지하기 위해 속도 제한, 우선 순위, 원웨이 시스템 등과 같은 모든 규칙을 정하는 복잡한 알고리즘이 필요하다. 자율성이 증가하면서 센서의 수도 증가하고 로봇의 안전한 제어를 위해 필요한 소프트웨어가 복잡해진다.

연산성능이 커지면 배터리 용량도 커져야 한다

협소한 환경에서 일하기 위해 AIV는 복잡한 이동경로를 이동하고 이때 자신의 화물을 포함하여 차량의 전체 윤곽을 고려할 수 있어야 한다.

이러한 복잡성의 증가는 많은 연산능력이 필요하고, 로봇의 배터리 용량도 큰 것을 요구된다. Omron의 첫 번째 로봇은 배터리 수명의 약 10%만 데이터 처리 시스템에 사용하였고, 데이터 처리 시스템은 자신이 감지하고 할 수 있는 일에서 매우 제한적이다. Omron의 최신 로봇은 훨씬 더 지능적이고 자율적이면서, 처리 성능도 배터리 용량의 30 ~ 50%를 요구한다. 일반적으로 인간의 뇌도 인간이 사용하는 에너지의 30 ~ 60%를 사용한다고 한다.

많은 사람들이 로봇이 자신들의 일자리를 가져갈 것을 염려하지만 일부 작업에서는 로봇을 사용하는 것이 훨씬 효율적이다. 어느 공장에서는 직원들이 운반 트롤리를 매일 최대 14km까지 밀고 다닌다고 한다. 이렇게 신체에 부담이 되는 작업은 로봇으로 대체할 수 있다. 로봇이 이처럼 무겁고 반복되는 위험한 작업을 수행한다면, 인간은 더 유용하고 흥미로운 작업을 할 수 있고 보다 여유로워질 것이다. 로봇의 지능이 점차 커지면서 인간과 로봇의 협동에는 많은 가능성이 주어지고, 이를 통해 인간의 작업장이 더욱 효율적이고, 안전하고, 목표를 달성하는 작업장이 될 것이다.