차세대 로봇공학에서 요구되는 센서 데이터 융합과 엣지에서의 AI 프로세싱



이 글에서는 오늘날 로봇 공학 및 로봇 자동화 기술 동향과 AI로 데이터를 제공하기 위해 필요한 주요 센서 기술에 대한 내용을 다룰 예정이다. 이와 함께 TI가 어떻게 로봇 공학용 AI 시스템 신호 체인 전체를 망라하는 광범위한 센서 및 데이터 프로세싱 컴포넌트 포트폴리오를 제공하는지, TI의 센서가 AI 시스템에 어떻게 사용되고 있는지 등에 대한 내용이 포함된다.

전통적인 산업용 로봇 시스템부터 오늘날의 최신 협업 로봇인 ‘코봇’에 이르기까지 로봇 공학은 점점 더 방대한 양과 고도로 다양한 데이터를 생성하는 센서를 활용하고 있다.

이러한 데이터를 통해 구축한 머신 러닝(ML)과 인공 지능(AI) 모델은 로봇이 스스로 실시간으로 의사 결정을 내리고 역동적인 현실 세계를 탐색하는 “자율성”을 향상시킬 수 있다.

전통적인 산업용 로봇은 한정적인 공간에서 작동되었고, 안전성의 문제로 사람이 접근하는 경우에는 동작을 멈추도록 설계되었다. 이와 같이 사람과 로봇의 협력이 제한될 경우, 로봇을 활용하는 측면에서 ‘진정한’ 이점을 실현하기 어렵기에, 로봇의 자율성을 통해 사람과 로봇이 안전하게 공존하며 생산성을 높이는 것이 로봇 활용의 이상적인 모습일 것이다.

로봇 시스템의 효과적인 성능은 중요 데이터를 제공하는 센서의 성능에 큰 영향을 받기 때문에, 로봇 애플리케이션에서 센싱과 지능적 인지는 중요한 부분이라고 할 수 있다. 오늘날 이 모든 센서 데이터를 융합할 수 있는 시스템과의 결합으로 센서들은 점점 더 정교해지고 정확해지고 있으며, 이러한 센서들이 상용화된다면 로봇공학에 대한 긍정적인 인식 또한 자리잡게 될 것으로 기대된다.

AI의 성장

로봇 자동화는 그 동안 제조 분야에서 혁신적인 기술을 이루어 냈으나, AI 기술을 로봇공학에 도입함으로써 수년 내로 한 차원 높은 혁신을 달성할 수 있게 되었다. Markets and Markets의 조사에 따르면, 로봇 자동화 기술 시장은 지난 2016년 약 2억7천만 달러 규모였지만, 2023년에는 49억 달러에 육박할 것으로 전망된다.

액센츄어(Accenture) 컨설팅 회사의 고성과 연구소(Institute for High Performance)는 12개 선진국에서의 AI 파급 효과에 대한 조사를 실시했다. 그 결과, AI를 도입함으로써 2035년에는 연간 경제 성장률이 두 배로 증가하고, 노동 생산성은 최대 40% 향상될 것이라고 한다. 또한 사람과 기계가 새로운 방식의 협력을 통해 직무 형태가 변하고, AI 기반 로봇으로 자율성과 혁신이 가속화될 것으로 기대한다.
 

이 글에서는 오늘날 로봇 공학 및 로봇 자동화 기술 동향과 AI로 데이터를 제공하기 위해 필요한 주요 센서 기술에 대한 내용을 다룰 예정이다. 이와 함께 TI가 어떻게 로봇 공학용 AI 시스템 신호 체인 전체를 망라하는 광범위한 센서 및 데이터 프로세싱 컴포넌트 포트폴리오를 제공하는지, TI의 센서가 AI 시스템에 어떻게 사용되고 있는지 등에 대한 내용이 포함된다.

엣지 상에서의 AI 프로세싱

머신 러닝은 학습과 추론의 두 단계로 이루어지며, 두 단계는 완전히 다른 프로세싱 플랫폼으로 실행된다. 학습은 주로 데스크톱이나 클라우드 등 오프라인으로 실행되며, 학습을 위해서는 신경망으로 다량의 데이터 셋을 주입해야 한다. 학습 단계에서는 실시간 성능은 그렇게 중요하지 않지만, 학습 단계를 거침으로써 훈련된 AI 시스템을 구현할 수 있다. 이러한 시스템을 현장에 투입해서 어셈블리 라인으로 검사를 하거나, 실내에 있는 사람 수를 집계하고 추적하거나, 위조 지폐를 감식하는 것과 같은 특정한 업무 또한 수행할 수 있다.

그러나 다양한 분야에 탑재되는 AI가 정확하게 구현되기 위해서는 추론 단계에서 실행되는 센서 데이터의 융합(학습된 머신 러닝 알고리즘의 실행)이 실시간으로 이루어 져야한다. 따라서, 머신 러닝과 딥 러닝 모델을 엣지 상에서 통합하고 임베디드 시스템 기반의 추론 기능을 제공해야 한다.

예를 들어, 코봇은 사람과 긴밀하게 협력하도록 설계된다. 사람이 직접 수행하기 힘든 일을 보조하면서 사람이 다치지 않도록 보호하기 위해 비전 센서뿐만 아니라 근접 센서도 사용한다. 따라서 이러한 모든 데이터를 실시간으로 처리해야 하는데, 클라우드의 경우, 코봇이 필요로 하는 실시간 저지연 응답을 실행하기에는 한계가 있다. 이를 해결하기 위해 오늘날에는 엣지 상으로 첨단 AI 시스템을 통합하고 있다. 즉 로봇에 AI 시스템을 즉시 탑재하는 것이다.

엣지 상의 AI 모델

엣지 상의 AI 모델을 구현하기 위해 다음과 같은 요소들의 고도로 통합된 프로세서가 요구된다.
· 다양한 센서의 인터페이싱을 위한 풍부한 주변 장치
· 머신 비전 알고리즘을 실행하기 위한 높은 프로세싱 성능
· 딥 러닝 추론 가속화

이러한 모든 요소의 효율적 실행과 엣지 상에서의 공존을 이루기 위해서는 전력 소모가 낮아야 하며, 풋프린트 크기 또한 작아야 한다. 머신 러닝의 활용도가 점점 증가함에 따라 전력과 크기 측면에서 최적화된 “추론 엔진”이 속속 등장하고 있다. 이러한 엔진은 전적으로 머신 러닝 추론용으로 최적화된 하드웨어 솔루션을 제공한다.

임베디드 분야에는 통합적인 시스템온칩(SoC)이 좋은 선택이 될 수 있다. SoC는 딥 러닝 추론에 필요한 다양한 프로세싱 요소들을 포함할 뿐만 아니라 전체적인 임베디드 애플리케이션을 지원하기 위한 많은 기능들을 포함하기 때문이다. 몇몇 SoC는 디스플레이, 그래픽, 비디오 가속화, 산업용 네트워킹 기능까지 포함하고 있어 머신 러닝, AI 뿐만 아니라 그 외의 다양한 성능을 구현하는 단일 칩 솔루션을 제공한다.

Sitara™ AM57x 프로세서는 엣지 상의 AI를 구현하는데에 적합하다. 이 프로세서 제품은 비디오, ToF(Time of Flight), 라이다, 밀리미터파 센서와 같은 다중 센서들로 인터페이스하기 위한 다중의 고속 주변장치를 제공할 뿐만 아니라, C66x 디지털 신호 프로세서 코어와 임베디드 비전 엔진 서브시스템의 형태로 AI 알고리즘과 딥 러닝 추론을 가속화하는데 사용할 수 있는 전용 하드웨어를 제공한다.

협업 로봇(코봇) 동향

전통적인 산업용 로봇의 경우, 로봇이 작동하는 동안 사람이 접근하는 것이 위험할 수 있다. 이와 달리, 코봇은 천천히 움직이면서 사람과 안전하게 공존할 수 있도록 설계되었다. ISO 표준 TS 15066에서 정의한 바에 따르면, 코봇은 협업용 로봇을 의미하며, 주어진 작업 공간에서 로봇과 사람이 동시에 작업한다. (로봇과 로봇 시스템, 또는 사람과 로봇의 작업 공간이나 일하는 시간대가 다른 경우는 이 정의에 해당되지 않는다). 그러므로 로봇과 작업자가 충돌할 가능성이 보이면 즉시 동작을 멈추는 설계가 필요하다. 이를 구현하기 위해서는 작업자의 위치와 속도를 판단하는 센서가 필요하다.

코봇 설계자들은 충돌 가능성을 재빨리 감지하고 충돌을 방지하기 위해 로봇 시스템으로 고도의 환경 센싱과 중복성을 구현해야 한다. 제어 유닛으로 센서들을 연결해서 로봇과 사람 또는 여타 물체 간의 충돌 가능성을 감지하고 제어 유닛이 즉시 로봇을 정지시켜야 한다. 어떤 센서나 전자 회로에 문제가 발생될 경우에도 로봇을 즉시 정지시켜야 한다.

특히, 코봇이 까다로운 산업용 환경에서 점점 더 유용해지면서 제조업체들이 자사 공장 설비로 코봇을 도입하는 경우가 많아지고 있다. 특히 투자 회수와 생산성을 극대화하고자 하는 제조회사들에서의 활용도 역시 증가하고 있다.

물류 로봇
물류 로봇은 물류 창고, 물류 센터, 부두 등 사람이 있을 수도, 없을 수도 있는 환경에서 작동하는 이동형 로봇이다. 물류 로봇은 상품을 생산해 포장대로 견인하거나, 한 장소에서 다른 장소로 운반할 수 있다. 또한 어떤 로봇은 피킹과 패킹 모두를 구현할 수도 있다. 이러한 로봇은 특정 구역 안에서 움직이며 위치를 식별하고 충돌을 방지하기 위한 센서를 필요로 한다.

최근까지 대부분의 물류 로봇은 사전에 정해진 경로로 움직였으나, 기술의 발달로 인해 초음파, 적외선, 라이다 같은 센싱 기술을 통해 다른 로봇, 사람, 물류 패키지 위치를 식별하고 자율적으로 이동방향을 설정할 수 있게 되었다. 로봇이 이동하기 위해서는 내부적으로 제어 유닛을 포함하고, 무선 통신을 이용해 중앙의 원격 제어로 연결해야 한다. 최근에는 물류 로봇으로 머신 러닝 로직, 인간-기계 협업, 환경 분석 기술 등 첨단 기술을 도입하고 있다.


그림 2. 공장에서 코봇과 사람이 함께 작업하고 있다.

인건비 상승과 엄격해진 환경 규제가 물류 로봇 도입의 요소로 작용하고 있다. 또한 로봇 자체 가격과 센서 가격이 하락하고 통합 작업에 소요되는 비용과 시간이 줄어드는 부분도 영향을 미치고 있다. 시장 조사기관 테크나비오(Technavio)에 따르면, 전세계 물류 로봇 시장은 2018년부터 2022년에 이르기까지, 연평균 약 28%의 성장을 보일 것으로 전망된다고 한다.

라스트 마일 배송 로봇
어떤 상품이 물류 창고 선반에서 소비자 집문 앞까지 도착하기 위해서 마지막 단계를 “라스트 마일” 배송이라고 한다. 라스트 마일 배송은 소비자 만족도 측면에서 중요한 부분이며, 비용과 시간도 많이 소요된다.

라스트 마일 배송 비용은 총 운송 비용 중 무려 53%가량을 차지한다. 이에 따라 효율적인 라스트 마일 배송 방법이 비용을 절감할 수 있는 주요 현안으로 부상하면서, 해당 프로세스를 개선하고 효율성을 향상시키는 새로운 로봇 기술 개발의 필요성이 대두되고 있다.

ToF 센서
ToF 센서는 ToF(Time of Flight) 원리를 기반으로 포토다이오드(단일 센서 소자나 어레이 형태)와 광원을 사용해 거리를 측정한다. 물체로부터 반사된 빛의 파장을 방출된 파장과 비교하고 지연 시간을 측정함으로써 거리를 가늠할 수 있다며, 물체들 간의 3D 맵 또한 생성할 수 있다.

TI의 ToF 칩셋은 단순히 근접 센싱뿐만 아니라 차세대 머신 비전에도 사용될 수 있다. 이들 칩셋 제품은 로봇 비전이나 기타 애플리케이션을 위한 맞춤형 디자인을 설계할 수 있도록 유연성 높은 평가 모듈과 개발 키트를 지원 툴로 제공한다. 또한 “라이다 펄스 ToF 레퍼런스 디자인”과 “라이다용 나노초 레이저 드라이버 레퍼런스 디자인”으로 증명된 바와 같이, 타임-투-디지털 컨버터와 갈륨 나이트라이드(GaN) 등 첨단 기술을 적용한 디스크리트 솔루션을 제공한다.

TI의 3D ToF 센서인 OPT8320를 사용할 경우, 로봇이 정확한 나사 각도를 판단하고 그에 맞게 스크류드라이버를 정렬시킬 수 있다. ToF 기반 아날로그 프론트 엔드 제품인 OPT3101은 로봇 팔과 대상 물체의 거리를 식별하고 정확한 포지셔닝을 구현한다. 뿐만 아니라 DLP® 기술은 고분해능 3D 센싱을 위해 유연한 구조화 광을 사용해 마이크로미터 미만의 분해능을 달성할 수 있다. 보다 자세한 내용은 “AM572x 프로세서를 채택하고 DLP 구조화 광을 적용한 3D 머신 비전 레퍼런스 디자인”을 통해 확인할 수 있다.

온도 및 습도 센서
로봇이 안전하게 동작하기 위해서는 주변 환경 뿐만 아니라 모터나 AI 마더보드와 같은 내부 장치의 온도 및 습도를 측정해야 한다. 특히 로봇의 모터로 과부하가 발생할 경우, 상당한 전력을 소비하고 열이 발생될 수 있다. 정확한 온도 모니터링은 모터를 보호할 뿐만 아니라, 온도 정확도가 높아지면 모터가 안전을 위해 정해진 한계에 도달하기 전에 더 세게 구동할 수 있다. 또한 다른 센서들의 온도 드리프트를 보정해 더욱 정확한 측정이 가능하다. 열대 기후 지역에서는 온도와 습도 센서를 사용해 이슬점을 예측함으로써 전자 시스템을 보호하고 예방적 유지보수를 할 수 있다.

초음파 센서
비전 센서는 빛이 너무 밝거나 어두운 곳에서 제 역할을 하기 어렵다. 박쥐가 초음파를 감지하는 것과 같은 원리로, 초음파 센서는 초음파를 전송하고 물체로부터 반사된 에코를 포착한다. 이를 통해 어둡거나 지나치게 밝은 곳에서도 무리없이 동작하며 광학적 센서의 한계를 극복해서 탁월한 성능을 발휘한다. 

초음파 센싱은 저비용과 저속도로 레이더를 대체할 수 있기 때문에, 고속 작동이 필요하지 않은 로봇에 적합하다. 또한, 초음파 센싱은 물체로부터 반사되는 빛의 양에 영향을 받지 않아, 충돌 방지용 광학 ToF보다 신뢰성이 높다. 또한 물체를 감지하기 위해 빛이 아닌, 음파를 사용하기 때문에 유리와 같이 투명한 표면도 감지할 수 있다.

진동 센서
예방적 유지보수에 필요한 상태 모니터링을 하기 위해 산업용 분야에서 진동 센싱은 중요하다. 특히 산업용 분야에서 가장 많이 사용되는 진동 센서는 전자식 압전 센서이다.
진동 센서를 사용해 기계의 손상 또는 노후화 진행 상태를 파악할 수 있어, 심각한 고장이 발생하기 전 사전에 유지보수가 가능하다. 머신 러닝과 AI 기술을 통해 이러한 예측의 정확도를 한 차원 더 향상시킬 수 있다.

밀리미터파 센서
밀리미터파 센서는 무선파(Radio waves)와 에코(Echo)를 통해 속도, 각도, 거리의 세 가지 요소를 파악해서 움직이는 물체의 방향과 거리를 측정할 수 있다. 이를 통해 물체가 얼마나 빠르게 접근하는지 파악하고 신속한 조치를 취할 수 있다.

레이더 센서는 어두운 곳에서도 잘 작동하며 벽, 플라스틱, 유리를 통과해서 감지할 수 있다. CMOS 밀리미터파 레이더 센서는 시야 범위에 있는 물체의 거리 뿐만 아니라 상대적 속도까지 정확하게 측정할 수 있다.

TI의 고도로 통합적인 단일칩 밀리미터파 레이더 센서는 크기가 작고, 가벼우며, 센서 엣지 상에서 실시간 프로세싱이 가능하다. 밀리미터파 기술을 사용하면 라이다(LIDAR) 거리 측정기에 비해서 크기는 3배 더 작고, 무게는 절반에 불과한 디자인을 설계할 수 있다. 또한 BOM 비용을 낮추고, 센서의 크기도 줄일 수 있을 뿐만 아니라, 비전 기반 시스템 대비 중앙의 컨트롤러 프로세서로부터 필요한 MIPS(초당 백만 연산)를 줄일 수 있다. 또한, 외부 렌즈, 애퍼처(Apertures), 센서 표면없이 인클로저 플라스틱 바로 뒤에 장착되는 이 센서는 매우 견고하며, IP 69K 등급을 충족한다.

초기의 밀리미터파 센서는 가격이 비싸고 크키가 컸으며, 다수의 추가적인 부품이 필요했다. 그러나 TI의 단일 모놀리식 CMOS는 무선 주파수, 프로세싱, 메모리 자원을 집적하고 있으며, 향후 밀리미터파 센서는 다른 센싱 기술을 보완하거나 대체하는 형태로 로봇 공학에서 더욱 다양하게 활용될 것이다.

최신 레이더 센싱 시스템은 관성 측정 유닛과 GPS를 더해 매우 정확한 주행거리 측정이 가능하다. 밀리미터파 센서는 지면으로 처프 신호를 보내고 리턴 신호의 도플러 편이를 측정한 뒤, 울퉁불퉁한 지형을 이동하거나 상하좌우로 많은 움직임이 있는 로봇으로 주행거리 정보를 제공한다.

그림 3. 밀리미터파 센서를 탑재한 로봇 팔

AI 로봇 신호 체인용으로 포괄적인 제품 포트폴리오 제공

상황에 따라 대응하고 스스로 학습할 줄 아는 AI 로봇 시스템 개발을 위해, 다양한 센서 데이터를 실시간으로 융합해야 한다. 코봇 센서는 인간의 오감에 비유할 수 있는데, 사람은 오감을 통해 완벽하게 자율적으로 움직일 수 있다. 또한 각각의 감각은 각기 다른 뇌 영역에서 사용되며, 처리되는 용량도 다르다. 예를 들어, 시각은 청각이나 후각보다 훨씬 더 많은 뇌 용량을 필요로 한다.
마찬가지로 로봇의 머신 러닝 및 AI 시스템으로 점점 더 많은 센서가 사용될 것이다. AI 로봇 시스템 업체들은 하이브리드 머신 러닝 시스템 구현을 위해 다중 AI 시스템을 실행하고 서로 통신할 수 있게 하는 것이 앞으로의 중요한 과제일 것이다.

로봇 개발자들은 향상된 IC 솔루션을 사용함으로써 좀더 수월하게 회로를 설계하고 인증 받음으로써 제품 개발 시간을 단축하고 더 빨리 제품을 시장에 내놓을 수 있게 됐다. 산업용 로봇에 사용되는 IC는 정밀 센싱, 고속 센서 신호 변환, 실시간 응답을 위한 빠른 처리와 고속 통신을 제공해야 한다. IC는 또는 GaN FET 등의 첨단 반도체와 결합하여 높은 효울성과 크기가 작은 전원장치를 구현할 수 있다. 또한, 최신 IC는 단일 트위스트 페어 이더넷이나 단일 트위스트 페어를 통한 전력 제공 등의 새로운 기술 구현으로 케이블 복잡성을 낮추고 신뢰성을 높일 수 있다.

TI는 센서부터 프로세서에 이르기까지 차세대 로봇에 필요로 하는 모든 것을 제공한다. 센서 입력에서부터 엑추에이터(Actuator), 모터 출력, 개별 장비에서부터 공장 차원의 제어에 이르기까지, AI 로봇 신호 체인 전반을 지원하는 다양한 제품과 솔루션을 제공한다. 뿐만 아니라, TI는 강화 절연 등 부가적인 기능들을 통합하고, 혹독한 산업용 환경에 적합한 테스트 및 인증 과정을 거친 제품들을 제공한다.

오늘날 지능적이고 정교한 차세대 로봇 시스템 개발을 가능하게 하는 TI의 다양한 아날로그 및 임베디드 기술에 대한 상세한 정보는 링크를 통해 확인이 가능하다. 


추가 정보
· 화이트 페이퍼 “엣지 속 머신 러닝을 통한 자율적 산업용 시스템 구현”
· “임베디드 시스템을 통한 딥 러닝 구현” 
· McKinsey 보고서 “소비자들의 요구에 따른 라스트 마일 배송의 변화”, “사람과 기계의 결합: 새로운 제조 자동화 시대의 개막”