기업들은 펜데믹을 비롯한 여러 요소들의 작용으로 빠르게 변화하는 산업환경에 대응하여 유연하게 변화할 수 있는 새로운 의사결정 플랫폼과 인프라를 구축해야 하는 과제에 직면해 있다. 

국내 산업현장 곳곳에서는 제조경쟁력 제고와 생산성 혁신을 위해 로봇을 도입하는 ‘공정 자동화’ 시도가 한창이다. 

주로 포장이나 이송처럼 단순 작업들을 점차 자동화하고 있고, 로봇의 물체인식 및 제어 기능 향상에 많은 관심과 투자를 쏟고 있지만 제조생태계의 핵심인 중소기업들은 자동화에 필요한 비용이 부담돼 주저하고 있으며, 그에 필요한 고급인력도 부족한 상황이다.

이에 한국생산기술연구원(원장 이낙규. 이하 생기원)이 스마트제조혁신연구부문 이상형 박사 연구팀은 작업자가 1번만 시연해줘도 스스로 작업방식을 학습해 공정 자동화에 필요한 비용과 시간을 대폭 절감해주는 ‘인공지능(AI) 기반 스마트 머신(로봇) 솔루션’을 개발했다.

기존 공정 자동화 방식은 현장 맞춤형 설비와 로봇을 제작·설치해야 했고, 작업환경이 완벽히 통제된 상황에서 사전 입력된 반복 작업만 가능했다.이 때문에 작업환경이 바뀌면 데이터 프로그래밍을 통해 로봇을 매번 새롭게 학습(티칭)시켜야 하는 단점이 있었다. 

이 경우 근로자가 수작업으로 로봇에 수 만장의 사진 데이터를 입력하고 여러 상황을 합성해줘야 해서 비용과 시간이 상당히 많이 소모됐다.

이상형 박사 연구팀은 모방과 강화 학습을 적용해 프로그래밍 절차를 제거함으로써, 스스로 무엇을 배워야할지 판단하고 최적의 작업방식을 알아낼 수 있는 스마트 머신 솔루션을 구현한 것이다.

작업자가 어떻게 일하는지 1번만 보여주면, 로봇은 가상세계에서 이를 따라하려고 노력하고 시행착오를 겪으면서 작업 데이터를 수집한다. 이후, 축적된 데이터를 기반으로 실제 현실에서 작업하면서 최종적으로 상황에 적합한 작업방식을 배우는 강화학습이 일어난다.

이처럼 로봇이 알아서 최적 작업방식을 도출해내기 때문에 사람이 데이터를 일일이 입력하거나 불필요한 설비를 추가 설치하는 낭비를 막을 수 있다. 이를 통해 기업들은 공정 자동화 비용의 절반 이상(약 56~73%)을 차지하는 커스터마이징(Customizing) 비용을 대폭 절감하게 된다.

나아가 연구팀은 개발한 솔루션을 적용해 공정에 바로 투입할 수 있는 다양한 스마트 머신들도 만들어냈다.

대표적으로, ‘딥패커(Deep Packer)’는 흔들기, 집기 등 기능을 통해 무작위로 쌓인 물체를 자유롭게 다루고 포장할 수 있는 스마트 머신이다.

한 단계 더 발전한 ‘딥소터(Deep sorter)’는 형상이 정형화되지 않은 불량품을 실시간 검출하고 분류하는 머신으로, 기존 라인에 간편하게 설치할 수 있고 필요에 따라 이동시키면서 작업할 수 있다.

개발된 머신들은 부가 설비가 필요하지 않고 어떤 물체든 작업할 수 있으며, 무엇보다 단 하루면 현장에 설치할 수 있다는 장점이 있으며, 공정에 구축될 경우, 기존 작업에 투입되는 근로자들의 총 인건비 대비 30~40% 가량 비용을 절감할 수 있을 것으로 기대된다.

이상형 박사는 “개발된 로봇들은 작업자의 시연이 용이한 제조업, 유통업 등 다양한 산업분야와 작업에 확장될 수 있다”며, “궁극적으로 기존 설비에 부착하면 완제품처럼 사용할 수 있는 셋톱박스 형태로 제공하는 것이 목표”라고 밝혔다.

한편, 이번 성과는 생기원 대표기술 ‘키테크(Key-Tech)’ 성과 중 하나로, 2014년 산업통상자원부의 ‘로봇산업핵심기술개발사업’으로부터 비롯됐다.

이상형 박사는 겸직창업한 회사 ‘토트’를 통해 오는 2022년 1월 딥패커와 딥소터를 정식 출시할 계획이며, 이 두 머신은 현재 국내의 한 종이제품 제조업체 Y사에서 현장 실증을 마친 상태라고 한다.