로봇공학에 AI 도입: 생산성 향상과 일자리 우려 해소

로봇공학에서 인공지능이 수행할 역할은 주로 사용 사례와 프라이버시 및 컴퓨팅 문제 해결에 의해 결정됩니다.

로봇은 많은 작업을 자동화하여 기업의 비즈니스 방식을 바꿀 잠재력을 가지고 있습니다. 인공지능(AI) 기술과 결합하면 로봇은 자율적이 될 수 있습니다. 하지만 이 기술 결합은 많은 문제를 제기합니다. AI 지원 로봇이 일자리를 없앨 것인가, 아니면 작업자를 지원해 더 생산적으로 만들 것인가? AI가 로봇에 머신 비전 같은 능력을 부여함에 따라 프라이버시 문제도 있습니다. 그리고 사용될 수 있는 대량의 데이터를 어떻게 처리할 것인가? 클라우드에서? 엣지에서?

이러한 문제, 사용 사례, 엣지의 역할을 더 잘 이해하기 위해 ADLINK의 IoT 솔루션 및 기술 CTO 조 스피드(Joe Speed), Rover Robotics 창업자 닉 프라갈레(Nick Fragale)와 이야기를 나눴습니다. ADLINK는 산업 전반에 걸쳐 연결된 산업용 IoT 시스템으로의 전환을 지원하는 선도적인 엣지 컴퓨팅 솔루션을 제공합니다. Rover Robotics는 ROS(로봇 운영 체제)를 사용하여 견고한 산업용 로봇을 개발합니다.

AI 사용에 대한 우려가 있는가?

RTInsights: 기업들이 다양한 두려움으로 인해 AI 사용을 꺼리는 것 같습니다. 잠재적 사용자들이 AI 채택과 관련하여 어떤 우려를 하는지 듣게 되나요?

스피드: 제가 듣는 AI 관련 우려의 대부분은 프라이버시 측면에 관한 것입니다. 안면 인식이나 대규모 감시 같은 주제에 AI를 적용할 때 우려를 제기하는 사람들을 봅니다. 사람들이 다소 긴장합니다. 우리가 주로 집중하는 공간에서는 그만큼의 두려움이나 우려를 보지 못합니다. 우리의 기술은 보통 장비, 프로세스, 작업 셀, 시설 위, 위, 근처에 있습니다. 보통 그곳에서 우리의 AI가 사용됩니다.

이 경우 AI 적용은 기존 프로세스를 가져다가 신뢰성 있게 작동하도록 보장하는 것입니다. 기계 건전성 등에 도움이 됩니다. 기업이 작업 셀을 가져와 더 효율적으로 작동하게 합니다. 기존 레거시 시스템, 기존 기계, 기존 프로세스를 계측하여 더 안전하게 만들 수 있습니다.

이러한 애플리케이션 대부분에서 안면 인식 및 대규모 감시와 관련된 프라이버시 우려를 실제로 마주하지 않습니다. 시스템은 공개 장소에서 사람들을 감시하는 시스템이 아닌 회사 내부에서 사용됩니다. 회사 환경에서 AI 사용은 프로세스나 운영을 개선하고 작업자가 일을 더 잘하도록 돕는 데 초점을 맞춥니다. 우리가 보는 것 중 일부는 AI, 특히 컴퓨터 비전에 적용된 머신러닝이 매우 뜨겁다는 것입니다. 또 다른 인기 있는 용도는 센서 퓨전입니다. 이런 사용 사례에서 문제는 비전을 기존 레거시 장비의 다른 종류의 센서 데이터나 텔레메트리와 어떻게 결합하여 무슨 일이 일어나고 있는지 더 잘 이해하느냐입니다.

프라갈레: 우리 관점에서 고객은 연구 및 학술 공간에서 왔기 때문에 AI 사용에 매우 개방적입니다. 고객 평균 연령은 아마도 30세 정도일 것입니다. 새 제품인 Rover AMR 100으로 물류 시장에 진출하게 되면 바뀔 것입니다. 하지만 지금까지 AI 구현에 대한 저항은 보지 못했습니다.

로봇공학에서 AI는 어떻게 사용되고 있는가?

RTInsights: 좋은 전환입니다. 분명히 AI와 관련하여 관심 있는 분야 중 하나는 로봇공학입니다. 로봇공학에서 AI는 어떻게 사용되고 있나요?

스피드: 가장 큰 영역 중 하나는 인식(Perception)입니다. 카메라를 생각하면 되지만, 그보다 좀 더 복잡합니다. 로봇에 인식을 부여하는 데 사용할 수 있는 많은 기술이 있습니다. 명백한 것은 카메라지만, 카메라 내에서도 단일 카메라인지, 스테레오 카메라인지, 3D 뎁스 센싱 카메라인지, 가시광선인지 적외선인지 등이 있습니다. 또한 인식을 제공하는 다른 기술도 있는데, 시각적이라고 거의 생각할 수 있지만 약간 다릅니다. LIDAR(Light Detection and Ranging) 같은 것들입니다. 펄스 레이저 빛을 사용하여 거리를 측정하는 원격 감지 방법입니다. LIDAR를 사용하면 기본적으로 레이더를 생각하면 됩니다. 가족에게 설명하는 방식은: 레이더가 무엇인지 아시죠? 똑같지만 라디오파 대신 레이저입니다.

레이저가 회전하며 물체에 반사됩니다. 자율주행차에 사용하면 실제 차를 보는 것이 아닙니다. 하지만 점 구름 형태의 차 모양을 보며, 도플러 효과 덕분에 다른 정보도 얻습니다. 그 점 구름이 움직이는지, 나에게 다가오는지 멀어지는지, 어느 속도인지 알 수 있습니다.

참고: 엣지 컴퓨팅이 IoT의 잠재력을 최대한 발휘하는 데 도움이 되는 이유

또한 초음파, 레이더 및 오늘날 반드시 생각하지 않을 수 있는 다른 것들이 있습니다. 자율 운영을 시작하면 이러한 거리 측정 기술이 역할을 할 것입니다. Rover의 경우처럼 40파운드 로봇이 자율적으로 작동한다고 가정해 보세요. 하지만 이것을 400파운드, 4,000파운드로 가져가면 위험해지기 시작하는 장비 클래스에 들어갑니다. 중장비를 어떻게 안전하게 운영하고, 사람이나 재산 피해 없이 더 자율적이거나 자동화된 방식으로 어떻게 운영할 것인가? 이러한 다른 기술들 중 일부를 사용할 수 있습니다.

예를 들어, 카메라 커버리지가 없는 아주 가까운 거리에서는 초음파를 사용할 수 있습니다. 로봇공학에서 AI가 적용되는 두 가지 장소를 보며, 결국 AI와 로봇공학이 결합됩니다. 특히 모바일 로봇과 움직이는 것들의 자율 운영이 있는 경우입니다.

LIDAR, 레이더, 초음파는 내비게이션을 돕습니다. 로봇 또는 자율 시스템이 자신이 어디 있는지, 어디로 가는지, 어떻게 물체나 사람과 부딪히지 않고 갈 수 있는지 같은 질문에 답하는 데 사용될 수 있습니다. 또한 환경과 상호작용하는 로봇도 있습니다. 고전적인 예는 산업용 로봇, 즉 로봇 팔입니다. 팔이 주변의 것을 어떻게 인식하는가? 로봇 부품 피킹이 한 예로, 팔이 빈에서 부품을 꺼내 조립 중인 물건이나 다른 빈에 넣습니다. 이는 매우 인기 있는 애플리케이션입니다. 그런 다음 AI와 로봇공학을 결합할 수도 있습니다. 그리퍼가 달린 모바일 로봇을 가질 수도 있는데, 이들은 환경과 상호작용할 수 있습니다.

이것이 바로 AI 머신러닝의 전체 분야입니다. 우리가 이 기술이 적용되는 것을 보는 곳입니다.

프라갈레: Rover Robotics의 관점은 조의 관점과 꽤 비슷합니다. 하지만 대체로 우리가 사람들이 AI를 사용하는 1순위는 카메라, 카메라 데이터 분석, 특히 검사 수행입니다. 무언가를 지속적으로 모니터링하려는 모든 회사가 이 기술을 사용할 수 있습니다. 애플리케이션은 파이프에 녹이 슬고 있는지 모니터링하려는 석유 회사일 수 있습니다. 이제 모바일 로봇으로 24/7 할 수 있습니다. 또는 창고 시설에서 재고를 파악하기 위해 RFID 태그를 검사해야 할 수 있습니다. 시설에서 검사하고 싶은 모든 것을 이제 로봇과 카메라로 할 수 있습니다.

어떤 산업에서 AI와 로봇공학을 사용하고 있는가?

RTInsights: 제조, 물류, 노인 돌봄, 고객 서비스 등 특정 산업에서 이미 AI와 로봇공학이 사용되고 있나요?

프라갈레: 네. 가장 큰 산업은 물류, 제조, 건설이라고 봅니다. 로봇이 이미 AI를 사용하여 무언가를 하는 산업들입니다. 건설의 경우, 비효율성으로 인해 매년 손실되는 비용을 회수하려는 많은 회사가 있습니다. 예를 들어, 콘크리트를 타설하기 전에 올바른 배관, 스프링클러, 모든 안전 장비가 설치되었는지 확인하는 것은 모든 건설 프로젝트에 매우 중요합니다. 하지만 많은 하도급 업체가 관여하다 보니 종종 문제가 생길 수 있습니다. 로봇이 건설 현장을 돌아다니며 전체 건설 프로젝트에서 중요한 그런 것들을 찾게 하면, 일반적으로 손실되는 비용의 많은 부분을 회수할 수 있습니다.

스피드: 네, 확실히 검사가 큰 영역입니다. 우리는 검사, 특히 시각 검사 분야에서 많은 비즈니스를 합니다. 현장에는 우리 비전 시스템에 연결된 40만 개의 카메라가 이 및 기타 사용 사례를 수행하고 있습니다. 저에게 정말 흥미로워지는 것은 조립 라인, 작업대, 컨베이어의 고정 카메라가 지나가는 것들을 검사하는 대신, AI 기반 시각 검사와 자율 로봇이라는 두 가지 테마를 결합하는 것입니다. 로봇을 생각해 보세요. 물리적 물건이 카메라로 오는 대신, 카메라가 검사해야 할 곳으로 갑니다. 모바일 로봇이 현장을 돌아다니며 검사하는 건설 예시가 있습니다. 공기 덕트가 있어야 합니다. 제자리에 있나요? 일정보다 앞서나요, 뒤처지나요?

또 다른 예는 소매업체가 AI와 로봇을 사용하여 재고가 무엇인지 보는 것입니다. 소매업체는 로봇이 물리적으로 관찰한 것을 매장 관리 및 창고 물류 시스템이 말하는 재고와 비교할 수 있습니다. 제가 매우 흥분하는 분야이며, 우리는 오픈 로봇공학과 함께 전력투구하고 있습니다.

요즘 로봇공학은 R-O-S로 철자됩니다. 로봇 운영 체제입니다. 로봇도 아니고 운영 체제도 아닙니다. 로봇공학 개발을 위한 오픈소스 프레임워크입니다. 우리는 그것과 협력하고 기여하고 있습니다. 그런 다음 이것을 AI 비전과 결합하면, 다시 오픈소스에 많은 강조가 있는 분야입니다. 이것들이 결합되면서 정말 흥미로운 시기가 될 것입니다.

수행되는 주요 로봇 지원 기능은 무엇인가?

RTInsights: 모든 애플리케이션 영역에서 수행되는 로봇 지원 기능을 자세히 살펴보겠습니다. 시장에서 무엇을 보시나요?

스피드: AI 비전과 로봇공학으로 많은 사람들은 '이게 노동자를 대체할까?'라고 생각합니다. 그러나 기술을 대체하는 것이 아니라 돕는 많은 사용 사례가 있습니다. 사람과 협업하는 로봇, 즉 협동 로봇이라는 분야가 있습니다. 예를 들어 Rover가 하는 일을 보세요. 사람이 기능을 수행하며 돌아다녀야 한다고 가정해 보세요. 농장을 돌아다니며 작업을 수행해야 한다고 합시다.

Rover가 자율적인 손수레 역할을 하여 작업자를 따라다니며 작업자가 필요한 것이 항상 바로 그곳에 있게 한다면 어떨까요? 그런 종류의 사용 사례, 로봇이 사람이 작업하는 동안 조각을 고정해 주는 것, 작업자를 돕는 로봇들. 저는 노인과 장애인을 돕는 보조 기술에 진정한 열정을 가지고 있고 많은 작업을 해왔습니다. 이 기술들이 사람을 감지하고 상호작용하는 데 놀라운 잠재력을 봅니다.

참고: IoT가 실용적인 비즈니스 애플리케이션에서 여전히 뒤처지는 이유

프라갈레: 우리 고객을 두 범주로 나눌 수 있습니다. 로봇으로 물건을 운반하는 경우, 즉 창고나 농장에서 물건을 운반하거나, 로봇에 센서를 장착해 데이터를 수집하는 경우. 이들이 우리 로봇이 기업에서 사용되는 두 가지 가장 큰 기능입니다.

엣지 컴퓨팅과 AI는 어떻게 결합되는가?

RTInsights: 그런 시스템은 많은 센서와 IoT 디바이스에서 대량의 데이터를 수집할 수 있습니다. 생성되는 모든 데이터와 빠른 분석의 필요성으로 인해, 이것이 엣지 컴퓨팅과 AI를 함께 사용하기에 완벽한 폭풍인가요?

스피드: 분명히 그렇다고 생각합니다. AWS 친구들은 '왜 엣지인가?'라고 말합니다. 물리 법칙을 이야기합니다. 생성되는 데이터 양을 클라우드로 보낼 수 있나요? RF, 네트워크 토폴로지 등 많은 것들에 달려 있습니다. 경제 법칙이 있습니다. 경제적으로 타당한가요? 모바일 운영자가 바이트당 요금을 청구하는 일을 할 때는 아마도 아닐 것입니다. 네트워크 인프라와 대역폭이 있어 모든 데이터를 클라우드로 보낼 수 있다 해도, 워크로드 종류에 따라 그 데이터 볼륨으로 작업하는 것이 경제적인가요? 클라우드와 엣지에서 AWS 기술을 사용하여 비디오 처리 및 오디오 처리 워크로드 같은 것들을 비교 대조한 흥미로운 대학 연구가 있습니다.

클라우드에서 개발된 모델을 사용하여 머신러닝 분석을 수행하는 AWS IoT Greengrass 같은 것들을 살펴보았습니다. 그들이(대학 연구진) 내놓은 결론은 기본적으로 이러한 워크로드를 엣지에서 수행하는 것이 경제적으로 8배 더 낫다는 것입니다. 하지만 저에게 경제성보다 더 중요한 것은 지연 시간입니다. 많은 경우 즉시 일어나야 하므로 엣지로 이동합니다. 비디오를 클라우드로 가져가 분석하고 결정을 다시 가져오면 너무 늦거나 너무 느릴 수 있습니다. 사람이 다쳤거나, 장비가 망가졌거나, 건물이 불탔습니다. 이것이 엣지 사용의 한 예입니다.

그런 다음 토지 법(법적 관할권) 문제도 있습니다. 우리는 클라우드에서 모델 개발과 훈련을 하는 것을 믿습니다. 모델 개발은 계산 비용이 많이 들고, 예를 들어 하루가 걸린다면 엣지의 작은 장비에서 하는 대신 클라우드에서 돌려 한 시간 만에 끝낼 수 있습니다. 하지만 데이터 자체를 분석할 때는 앞서 말한 프라이버시 문제 중 일부를 고려해야 합니다. 개인 식별 정보가 있는 데이터를 어떻게 안전하게 처리하거나 안면 인식을 할 것인가? 공장에서는 작업자가 누군지 알 수 있습니다.

하지만 그 모든 원시 데이터에는 민감성 문제가 있을 수 있습니다. 직장에서 데이터를 밖으로 가져가는 것에 대한 법적, 사회적, 문화적 문제가 있을 수 있습니다. 이것이 토지 법 문제로 이어지는 곳입니다. 엣지에서 작업하면 이러한 많은 요구사항을 깔끔하게 충족시킵니다.

프라갈레: 빠르게 분석해야 하는 데이터의 폭발적 증가는确实 엣지 컴퓨팅과 AI를 함께 사용하기에 완벽한 폭풍입니다. 클라우드 컴퓨팅, 특히 로봇공학에 흥분하는 고객을 많이 봅니다. 넷플릭스를 4K로 스트리밍하거나 이 모든 비디오 데이터를 주고받을 수 있다면, 이미지 데이터를 클라우드로 스트리밍하여 처리하는 것도 쉬울 거라고 생각합니다. 거기서 더 많은 리소스가 있으니까요. 하지만 종종 간과되는 것은 로봇이 돌아다닌다면 이제 다른 액세스 포인트 사이를 왔다 갔다 해야 한다는 것입니다. 클라우드 컴퓨팅에 흥분한 고객들이 그 장애물에 부딪혀 몇 달 동안 매달리다가 엣지 컴퓨팅으로 전환하는 것을 많이 봅니다. 창고에서도 로봇을 창고에 통합하려 하면 한 액세스 포인트에서 다른 것으로 튕겨나가며 연결이 자주 끊깁니다.

참고: 엣지 컴퓨팅 센터

그러면 고객에게 "헤이, 라우터를 업그레이드해야 합니다. 새 라우터가 80211.AC 규격이 아니거든요."라고 말해야 합니다. 그러면 "그 숫자들이 무슨 뜻이죠?"라고 묻습니다. 그러면 "좋아요, 잊으세요. 로봇에 더 많은 컴퓨팅을 넣어서 이 작업들을 수행하게 할게요."라고 말합니다. 밖으로 나가면 이 문제는 더 악화됩니다. 안전이 중요한 로봇이 밖을 돌아다닐 때, 조가 말했듯 이미지를 클라우드로 보내고 다시 로봇으로 받아 건너기 전에 멈출지 결정할 수는 없습니다. 안전이 중요한 애플리케이션에는 지연 시간이 너무 큽니다.

스피드: 클라우드는 이 모든 것에 매우 중요하지만, 많은 사람들이 생각하는 방식으로는 아닐 수 있습니다. 엣지에서 분석과 머신러닝을 할 수 있다면 클라우드로 대량의 데이터를 보낼 필요가 없습니다. 이는 지연 시간 문제를 제거합니다. 알래스카의 해상 유전 현장에 있는데 곰을 본다면, 곰의 비디오를 보내는 대신 정보(곰이 있다)를 보냅니다. 무슨 특정 이벤트나 추론을 찾았나요? 그런 것을 많이 봅니다. 데이터를 클라우드로 스트리밍하는 대신 정보, 분석 출력을 스트리밍한다고 생각하세요.

또한 이러한 시스템을 신뢰성 있게 구성해야 합니다. 커넥티드 카와 클라우드 증강 분석, 자동차 안전 주제를 다룰 때 제가 다루던 것입니다. 보통 연결되고, 자주 연결되며, 가끔 연결된다는 가정하에 시스템을 구성해야 합니다. 그런 환경에서 제대로 작동하게 만들면 기본적으로 괜찮을 것입니다. 하지만 항상 깨끗한 연결과 특정 SLA 내의 지연 시간이 있어야 하며, 그렇지 않으면 현실 세계에서 문제에 부딪힐 것입니다.