로보틱스에 컴퓨터 비전을 통합하는 방법 알아보기

로보틱스 분야의 AI는 놀라운 속도로 발전하고 있으며, 로봇은 사람의 개입을 줄이면서 더 복잡한 작업을 수행하도록 제작되고 있습니다. 예를 들어 DeepMind의 RoboCat은 단 100회의 시연만으로 새로운 작업을 학습할 수 있는 AI 기반 로봇입니다. 이후 RoboCat은 이러한 입력을 사용해 더 많은 학습 데이터를 생성하고 기술을 향상할 수 있으며, 추가 학습 후 성공률을 36%에서 74%로 높였습니다. Robocat과 같은 혁신은 사람의 개입을 최소화하면서 폭넓은 작업을 처리할 수 있는 로봇 개발을 향한 중요한 진전을 보여 줍니다.

그림 1. DeepMind의 RoboCat 작동 방식.

AI 기반 로봇은 이미 창고 운영을 간소화하기 위한 Amazon의 로봇 활용, 농업 분야의 농업 방식을 최적화하는 AI 로봇 등 다양한 실용 애플리케이션에서 영향을 미치고 있습니다. 이전 글에서는 로보틱스 분야의 AI가 수행하는 전반적인 역할을 살펴보고, 물류부터 헬스케어까지 여러 산업을 어떻게 변화시키는지 알아봤습니다. 이 글에서는 로보틱스에서 컴퓨터 비전이 왜 중요한지, 그리고 로봇이 주변 환경을 인식하고 해석하도록 어떻게 돕는지 자세히 살펴보겠습니다.

로보틱스에서 비전 시스템의 중요성#

로보틱스에서 비전 시스템은 로봇의 눈 역할을 하며, 로봇이 환경을 인식하고 이해하도록 돕습니다. 이러한 시스템은 일반적으로 카메라와 센서를 사용해 시각 데이터를 수집합니다. 그런 다음 컴퓨터 비전 알고리즘이 수집된 동영상과 이미지를 처리합니다. 로봇은 객체 검출, 깊이 인식, 패턴 인식을 통해 객체를 식별하고 주변 환경을 평가하며 실시간으로 의사결정을 내릴 수 있습니다.

그림 2. 머신 비전을 탑재한 로봇(출처: roboticstomorrow.com).

비전 AI 또는 머신 비전은 로봇이 동적이고 비정형적인 환경에서 자율적으로 작동하는 데 필수적입니다. 로봇이 물체를 집어야 한다면 컴퓨터 비전을 사용해 그 물체의 위치를 찾을 수 있어야 합니다. 이는 매우 간단한 예입니다. 컴퓨터 비전 시스템의 동일한 기본 토대는 로봇이 제조 현장에서 제품을 검사하거나 의료 수술을 정밀하고 정확하게 보조하는 애플리케이션을 구축하는 데 필요합니다. 비전 시스템은 실시간 의사결정에 필요한 감각 입력을 제공하여 로봇이 주변 환경과 더 자연스럽게 상호작용하고 다양한 산업에서 처리할 수 있는 작업의 범위를 넓혀 줍니다.

자율 로봇을 위한 컴퓨터 비전의 최근 발전#

최근 전 세계적으로 로보틱스 분야의 컴퓨터 비전 활용이 늘고 있습니다. 실제로 글로벌 로봇 비전 시장은 2028년까지 40억 달러 규모에 이를 전망입니다. 효율성을 높이고 복잡한 문제를 해결하기 위해 실제 로봇 애플리케이션에 비전 AI를 적용한 사례 연구를 살펴보겠습니다.

비전 AI와 로보틱스를 활용한 수중 검사 개선#

해양 시추 시설, 파이프라인, 해저 케이블과 같은 구조물을 양호한 상태로 유지하려면 수중 검사가 필수적입니다. 이러한 검사는 모든 것이 안전하게 정상 작동하도록 하여 비용이 많이 드는 수리나 환경 문제를 방지하는 데 도움이 됩니다. 그러나 시야가 좋지 않고 접근하기 어려운 구역이 있어 수중 환경을 검사하기는 쉽지 않습니다.

컴퓨터 비전을 탑재한 로봇은 선명하고 품질이 높은 시각 데이터를 수집하여 현장에서 분석하거나 검사 대상 영역의 상세한 3D 모델을 만드는 데 사용할 수 있습니다. 사람의 전문 지식과 이 기술을 결합하면 검사가 더 안전하고 효율적으로 이루어지며, 유지보수와 장기 계획에 필요한 더 나은 정보를 얻을 수 있습니다.

예를 들어 상업용 잠수 서비스 선도 기업인 NMS는 진입 지점의 시야가 탁한 까다로운 수중 파이프 검사를 위해 Blue Atlas Robotics의 Sentinus 원격 조종 수중 로봇(ROV)을 사용했습니다. 컴퓨터 비전을 탑재한 Sentinus ROV는 14개의 조명으로 해당 구역을 밝히고 다양한 각도에서 고해상도 이미지를 촬영했습니다. 그런 다음 이 이미지를 사용해 파이프 내부의 정확한 3D 모델을 만들었으며, 이를 통해 NMS는 파이프 상태를 철저히 평가하고 정보에 기반한 유지보수 및 위험 관리 결정을 내릴 수 있었습니다.

그림 3. Blue Atlas Robotics의 Sentinus ROV 작동 방식.

비전 AI와 로봇 정밀도를 활용한 주택 건설#

건설 산업에서는 인력 부족 문제와 함께 일관된 품질을 유지하기가 쉽지 않습니다. 산업용 로봇으로 건설 작업을 자동화하면 시공 과정을 간소화하고 수작업의 필요성을 줄이며 정밀하고 품질 높은 작업을 보장할 수 있습니다. 컴퓨터 비전 기술을 자동화에 통합하면 로봇이 실시간 모니터링과 검사를 수행할 수 있습니다. 특히 컴퓨터 비전 시스템은 로봇이 소재의 정렬 불량이나 결함을 감지하도록 도와 모든 것이 올바른 위치에 있고 품질 기준을 충족하는지 다시 확인할 수 있습니다.

ABB Robotics와 영국 기반 스타트업 AUAR의 파트너십이 좋은 사례입니다. 두 회사는 비전 AI를 탑재한 로봇 마이크로 팩토리를 활용해 목재 패널로 저렴하고 지속 가능한 주택을 짓고 있습니다. 컴퓨터 비전을 통해 로봇은 소재를 정밀하게 절단하고 조립할 수 있습니다. 자동화 공정은 인력 부족 문제를 해결하고 단일 소재에 집중해 공급망을 간소화합니다. 또한 마이크로 팩토리는 지역의 수요에 맞춰 규모를 조정하고 인근 일자리를 지원하면서 건설의 효율성과 적응성을 높일 수 있습니다.

그림 4. 비전 AI 기반 로봇 마이크로 팩토리.

3D 비전 AI를 활용한 전기차 충전 자동화#

전기차 충전은 로보틱스 분야에서 비전 AI를 활용하는 또 다른 흥미로운 사례입니다. 3D 비전과 AI를 사용하면 로봇이 야외 주차장처럼 까다로운 환경에서도 전기차 충전 포트를 자동으로 찾아 연결할 수 있습니다. 비전 AI는 차량과 주변 환경의 고해상도 3D 이미지를 촬영하여 작동하며, 이를 통해 로봇은 충전 포트의 위치를 정확하게 식별할 수 있습니다. 그런 다음 충전기를 연결하는 데 필요한 정확한 위치와 방향을 계산할 수 있습니다. 비전을 탑재한 AI는 충전 과정을 빠르게 할 뿐만 아니라 안정성을 높이고 사람의 개입 필요성을 줄입니다.

Mech-Mind가 대형 에너지 기업과 함께 진행한 작업이 한 사례입니다. 두 회사는 까다로운 조명 조건에서도 전기차의 충전 포트를 정확히 찾아 연결할 수 있는 3D 비전 유도 로봇을 개발했습니다. 전기차 충전 자동화는 사무실 건물과 쇼핑몰 같은 상업 공간의 충전 효율과 속도를 높입니다.

그림 5. 3D 비전 기반 EV 충전.

로봇 공학 애플리케이션에서 비전 AI의 이점#

컴퓨터 비전은 로봇 공학에 여러 이점을 제공하며, 기계가 더 높은 자율성, 정밀성, 적응성으로 작업을 수행하도록 돕습니다. 로봇 공학에서 비전 AI가 제공하는 몇 가지 고유한 이점은 다음과 같습니다.

• 비용 효율성: 높은 정밀도와 일관성이 필요한 작업을 자동화하면 비전 AI가 수작업의 필요성을 줄이고 오류율을 낮추며 생산성을 높여 장기적으로 비용을 절감합니다.
• 적응형 학습: 시각 데이터를 지속적으로 분석하면 로봇은 시간이 지남에 따라 성능을 개선하고 상호작용을 통해 학습하며 새로운 작업이나 환경 변화에 적응할 수 있습니다.
• 안전 및 규정 준수: 비전 AI는 로봇이 장애물을 감지하고 피하며, 안전하지 않은 상황을 인식하고, 규제 표준을 준수하도록 지원하여 사람과 함께 작업하는 로봇의 안전성을 높입니다.
• 멀티태스킹: 이미지 분석을 통해 로봇은 물체를 분류하는 동시에 검사하는 등 여러 작업을 동시에 처리하여 전반적인 효율성을 높일 수 있습니다.

로봇 공학의 컴퓨터 비전 과제#

비전 AI는 로봇 공학에 많은 이점을 제공하지만, 로봇 공학에 컴퓨터 비전을 구현하는 데는 여러 과제가 따릅니다. 이러한 과제는 다양한 환경에서 로봇의 성능과 작동 신뢰성에 영향을 줄 수 있으므로, 로봇 시스템의 개발 및 배포를 계획할 때 고려해야 합니다. 로봇 공학에 컴퓨터 비전을 사용할 때의 주요 과제는 다음과 같습니다.

• 다른 센서와의 통합: 비전 시스템은 LiDAR 또는 초음파 센서와 같은 다른 센서와 함께 작동해야 하는 경우가 많습니다. 환경을 완벽하게 파악할 수 있도록 서로 다른 센서가 원활하게 연동되게 하는 일은 복잡합니다.
• 구현 비용: 고급 비전 시스템을 개발하고 배포하는 데는 많은 비용이 들 수 있습니다. 비전 AI 구현 비용과 예상되는 이점 사이의 균형을 맞추는 일은 많은 조직이 직면하는 과제입니다.
• 데이터 품질 및 가용성: 머신 비전 시스템은 학습에 대규모 데이터셋을 사용하지만, 로봇이 처할 수 있는 다양한 상황을 정확히 나타내는 고품질 레이블 데이터셋을 확보하기는 어려울 수 있습니다. 데이터 품질이 낮거나 불완전하면 모델의 정확도가 떨어지고 로봇의 성능이 저하될 수 있습니다.
• 다양한 조건에서의 신뢰성: 컴퓨터 비전 시스템은 실내외 환경과 같은 다양한 조건에서 신뢰성 있고 일관된 성능을 발휘해야 합니다. 그러나 잦은 조정이나 수동 개입 없이 이러한 내구성을 보장하기는 어려울 수 있습니다.

비전 AI가 차세대 로봇을 만들어 갑니다#

비전 AI는 과거에는 상상할 수 없었던 수준의 이해력과 정밀성을 로봇에 제공하여 로봇이 환경과 상호작용하는 방식을 바꾸고 있습니다. 제조와 헬스케어 같은 분야에서는 컴퓨터 비전이 이미 큰 영향을 미치고 있으며, 로봇은 점점 더 복잡한 작업을 처리하고 있습니다. AI가 계속 발전하고 컴퓨터 비전 시스템이 개선됨에 따라 로봇이 할 수 있는 일의 가능성도 계속 커지고 있습니다. 로봇 공학의 발전은 단지 첨단 기술에 관한 것이 아니라, 우리와 함께 일할 수 있는 로봇을 만드는 일입니다. 로봇의 역량이 향상되면서 일상생활에서 로봇의 역할은 더욱 커질 것이며, 새로운 기회를 열고 세상을 더욱 효율적이고 연결된 곳으로 만들 것입니다.

커뮤니티에 참여하고 GitHub 리포지토리를 살펴보며 다양한 비전 AI 활용 사례를 알아보세요. 솔루션 페이지에서 자율주행 및 제조 분야의 컴퓨터 비전 애플리케이션에 대해서도 자세히 알아볼 수 있습니다.