‘센서라이제이션(Sensorization)’. 자동차, 가전, 로봇 등의 산업을 급격히 변화시키고 있는 센서시장의 발전을 일컬어 부르는 말이다. 특히 로보틱스 분야는 다양한 센서가 적용되는, 말 그대로 센서의 집약체라고도 할 수 있다. 

IoT에 있어서 가장 중요한 전자장치로 꼽는 센서는 기기가 인간의 오감인 보고, 듣고, 말하고, 맡고, 만지는 기능이 가능하도록 하는 시작점이다. 센서의 중요성이 부각됨에 따라 미국에서는 ‘트릴리온 센서(Trillion Sensor)’라는 말이 나올 정도로 센서의 붐이 시작됐다. 교량이나 터널 같은 구조물에서부터 안전이나 치안 장치, 자동차, 가전, 모바일, 의료, 항공, 선박, 로봇에 이르기까지 센서가 적용되고 있다.

중요한 것은 전 세계 센서 시장의 50% 이상을 일본 기업이 점유하고 있다는 사실이다. 예를 들어, CMOS 이미지 센서는 스마트폰이나 디지털 카메라에만 탑재되는 게 아니라 감시 카메라나 산업용 로봇 등에도 사용된다.

CMOS 이미지 센서는 스마트폰의 60%, 디지털 카메라의 80%, 기타 CMOS 이미지 센서를 탑재한 장비의 50% 이상이 소니가 담당하고 있다.

후지 키메라 종합 연구소는 2020년 세계 센서 시장을 5조 9,755억 엔으로 전망했다. 센서 분야별로는 광·전자파 센서 시장 규모가 가장 큰데, 이는 광학 이미징에 사용되는 CCD와 CMOS 이미지 센서가 대부분을 차지한다. 이 센서는 향후 드론이나 로봇 등의 애플리케이션 증가로 지속적인 성장이 예상된다.

일본이 센서 시장만큼 독주하고 있는 분야가 더 있는데, 바로 로봇 시장이다. 전 세계 로봇 시장에서 일본 기업의 점유율은 60%를 차지한다. 로봇 시장의 성장세를 볼 때, 기술 집약적인 산업이라는 특성상 일본의 독주는 계속될 것으로 보인다.

이렇듯 일본을 중심으로 센서와 로봇 시장은 비약적으로 발전을 거듭하고 있다. 특히 로봇이 센서를 통해 온도, 빛, 장애물 유무, 무게 등을 감지해 주변 환경에 대한 정보를 얻은 후 이를 전기 신호로 바꿔 판단하도록 하는 기술은 이미 일반화돼 있다. 다양한 센서 중에서 로봇에 활용되고 있는 센서는 크게 이미지 센서, 압력 센서, 가속도 센서, 마이크로폰, 거리측정 센서, 레이더 센서, 라이더 센서, 소나 센서, 자기장 센서, 광센서, 온도 센서, 가스 센서 등이다.

촉각 센서, 인간을 따라 잡을 수 있을까 
MIT, GelSight 센서로 인간의 촉각에 도전

최근 로봇용 센서 중에서 가장 많은 관심을 받고 있는 센서는 촉각 센서다. 촉각 센서는 향후 서비스용 로봇뿐만 아니라 산업용 로봇 시장에서도 새로운 혁신을 몰고 올 분야로 인식되고 있다. 이는 인간 수준 이상으로 로봇이 물체를 인지하고 느끼며 옮길 수 있는 기술을 구현함으로써 편의성과 효율성을 더욱 개선한다는 목표를 담고 있다.

예를 들어, MIT의 컴퓨터 과학 및 인공지능 연구소(CSAIL)는 8년 전부터 로봇 팔에 센서를 설치해 촉각을 구현하는 ‘GelSight’ 연구를 진행하고 있다. CSAIL은 로봇 팔 그리퍼(Gripper)에 GelSight 센서를 장착해 로봇에 손재주를 부여했다. 연구팀은 2017년 5월에 개최된 국제로봇공학회의에서 두 편의 논문을 발표했는데, 한 논문에서 Adelson 팀은 GelSight 센서의 데이터를 사용해 로봇이 접촉하는 표면의 경도를 판단할 수 있게 해 가정용 로봇이 일상의 물건을 다룰 수 있도록 했다. 다른 한 팀인 CSAIL의 로봇 로코모션 그룹(Robot Locomotion Group)은 로봇이 이전보다 더 작은 물체를 조작할 수 있도록 GelSight 센서를 사용했다. 


▲ MIT는 GeSight 센서를 로봇 팔에 부착해 로봇에 손재주를 부여했다. 〈출처: MIT〉

GelSight는 투명한 고무 블록으로 이루어져 있는데, 젤의 한 면에는 금속성 페인트가 코팅되어 있다. 페인트가 칠해진 면이 물체에 밀착되면 물체의 모양과 일치된다. 이 금속성 페인트는 물체의 표면을 반사시키는데, 그로 인해 물체의 기하학이 컴퓨터 비전 알고리즘으로 쉽게 추측하도록 도와준다. 금속성 페인트가 칠해진 면 반대쪽 센서에는 3개의 컬러 조명과 카메라 하나가 장착된다.

“시스템은 다른 각도로 컬러 조명을 비추고 표면을 반사시켜 색상을 보면서 컴퓨터가 3D 모양을 알아낼 수 있다”고 Adelson 팀의 두뇌 및 인지과학부의 시각 과학을 연구하는 도로시 윌슨(Dorothy Wilson) 교수는 말했다.
이 두 실험에서 GelSight 센서는 펜치의 머리와 비슷하게 생겼지만, 평평한 그립 표면을 가진 로보틱스 그리퍼의 한쪽 면에 장착되어 있다.

자율로봇의 경우, 물체의 부드러움이나 경도를 측정하는 것은 물체를 옮기거나, 쌓거나, 다른 표면에 물체를 옮겨 놓을 때 어디에 놓고 어떻게 행동할지 결정하는 데 필수 기술이다. 따라서 촉각 감지는 앞으로 로봇이 유사한 물체를 구별하는 데 도움을 줄 수 있다.

MIT의 CSAIL은 이전 연구에서 로봇이 평평한 표면 위에 물체를 놓고 부드럽게 두드려서 경도를 측정하려는 시도를 했다. 하지만 이는 인간이 경도를 측정하는 방식이 아니었다. CSAIL은 인간이 물체를 누를 때 대상과 손가락 사이의 접촉 영역이 변화하는 정도에 근거한다고 판단했다.

Adelson 그룹의 웬젠 위안(Wenzhen Yuan)은 과자 제조 주형을 사용해 그룹당 16개의 개체로 구성된 400개의 실리콘 개체 그룹을 만들었다. 각 그룹에서 물체의 모양은 같지만 경도는 다른데, 위안은 표준 산업 규모에 근거해 측정을 진행했다. 그 다음 각 객체에 대해 수동으로 GelSight 센서를 누르고 시간이 지남에 따라 접촉 패턴이 어떻게 바뀌는지를 측정했다. 기본적으로 각 객체에 대해 짧은 영상을 제작했다. 데이터 형식을 표준화하고 데이터 크기를 쉽게 관리하기 위해 각 영상에서 누를 때마다 균등하게 간격을 둔 5개의 프레임을 추출해 압축된 개체의 변형을 설명하는 데 활용했다.

마지막으로, 신경망에 데이터를 입력해 접촉 패턴과 경도 측정 변화 사이에서 상관관계를 분석했다. 결과는 비디오 프레임을 입력 방식으로 높은 정확도로 경도 점수를 산출했다.

한편, 로봇 로코모션 그룹의 논문은 국방 고등연구 프로젝트 기관의 로봇 챌린지(DRC)에 대한 경험에서 탄생했다. 로봇 챌린지에서는 학계와 업계 팀들이 인간형 로봇을 일련의 작업을 통해 인도할 수 있는 제어 시스템을 개발하기 위해 경쟁하게 된다.

일반적으로 자율 로봇은 물체의 조작을 안내하기 위해 컴퓨터 비전 시스템을 사용한다. 컴퓨터 비전 시스템은 로봇이 물체를 집어 올릴 때까지 물체 위치에 대한 신뢰성 높은 정보를 제공할 수 있다. 하지만 물체가 작아질수록 로봇의 그리퍼에 의해 물체가 대부분 가려지면서 위치 추정이 어려워진다. 따라서 정확하게 로봇이 물체의 위치를 알아야 하는 시점에서 그 추정 값은 신뢰성을 잃는다. 이는 MIT팀이 로봇 챌린지 도중 로봇이 픽업 후 전동 드릴을 구동해야 할 때 직면한 문제였다.

이를 위해 로봇 로코모션 그룹은 GelSight를 선택했다. 연구팀은 컴퓨터 비전 시스템을 이용해 로봇의 그리퍼를 도구 쪽으로 유도한 다음, 로봇에 GelSight 센서로 위치 추정을 전환하는 제어 알고리즘을 설계했다. 이때 이러한 접근법의 문제는 비전 시스템에 의해 생성된 데이터를 촉각 센서에 의해 생성된 데이터와 조정하는 일이다. 하지만 GelSight는 카메라를 기반으로 하기 때문에 출력이 다른 촉각 센서의 데이터보다 시각적 데이터와 훨씬 쉽게 통합할 수 있다.

실험에서 GelSight가 장착된 그리퍼가 있는 로봇은 작은 스크루 드라이버를 잡고 홀스터로부터 이를 제고하고 다시 돌려 놓아야했다. 연구팀은 비전 시스템의 드라이버 위치가 몇 cm 이내로 정확하다면, 알고리즘이 GelSight 센서가 건드린 드라이버의 위치를 추론해 드라이버의 위치를 결정할 수 있다는 점을 발견했다.

캘리포니아 버클리 대학의 전기공학 및 컴퓨터과학 부교수인 세르게이 레빈(Sergey Levine)은 “인간의 경우, 감각은 놀라운 손재주의 핵심 요소 중 하나이나, 현재 로봇은 이런 종류의 손재주가 없으며 물체를 조작할 때 표면 형상에 반응하는 능력도 제한적”이라며 “어둠 속에서 조명 스위치를 더듬거리거나, 주머니 속 물건을 꺼내는 일 또는 깊이 생각하지 않고 할 수 있는 많은 일들을 상상해보면, 이 모든 것은 촉각 센서에 의존한다는 것을 알 수 있다”고 말했다.

이어 레빈은 “소프트웨어가 점차 인간의 감지 기능을 따라잡고 있다. 딥러닝과 컴퓨터 비전의 혁신에서 영감을 얻은 머신 러닝은 GelSight와 같은 센서의 풍부한 감각 데이터를 처리해 물체 속성을 추론할 수 있다”며 “앞으로 이러한 종류의 학습 방법으로 로봇이 인간의 감각과 운동 조절 능력을 이해하게 될 것”이라고 전망했다.

도호쿠대학, 통합 촉각 센서로 다중 센서 플랫폼 구현

일본의 도호쿠대학 마이크로 시스템 융합 연구개발센터(μSIC)는 도요타와 공동으로 MEMS 기술에 의한 3축 힘 센서와 다수의 센서 제어용 LSI인 ‘센서 플랫폼 LSI’를 원칩화한 통합 촉각 센서를 개발했다.

사람과 협조해 작업을 해야 하는 인간형 로봇의 힘을 신속하고 적절하게 조절하기 위해서는 팔과 다리에 다수의 촉각 센서를 배치해야 한다. 하지만 지금까지 정확한 다축 힘 감지, 빠른 감지, 배선, 소형화, 고밀도 실장을 동시에 달성할 수 없어 촉각 센서의 이용이 제한됐다.


▲ 도호쿠 대학이 도요타와 함께 개발한 통합 촉각 센서는 여러 개 동일한 버스에 연결할 수 있는 다중 센서 플랫폼 구현이 가능하다. 〈출처: 도호쿠 대학〉

도호쿠대학 마이크로 시스템 융합 연구개발센터는 생물의 촉각 기능을 참고해 압력과 전단력의 고정밀 감지 역치 동작, 적응 등의 기능을 갖춘 통합 촉각 센서를 개발해 문제를 해결했다. 특히 소형화 및 고밀도 실장은 그동안 대학이 축척한 MEMS 기술을 기반으로 한 이종 집적화 기술에 의한 것이다. 이번에 개발한 기술은 가사 지원이나 간병 등 일상생활을 지원하는 생활 지원용 로봇 구현뿐만 아니라, 공장의 생산·물류 라인의 효율성 개선에도 응용할 수 있을 것으로 기대를 모으고 있다. 

통합 촉각 센서는 최대 8채널의 용량 센서 및 저항 센서에 연결할 수 있다. 즉 복수의 센서에 의해 동시 감지 및 다축 센싱이 가능하다. 또한 온도 센서와 판독 회로를 내장하고 있다.

무엇보다 센서 플랫폼 LSI의 동작 조건을 환경설정에 따라 다양하게 변경할 수 있으며 통신 속도, 감지 유형 센싱 감도, 버스 혼잡 방지 등도 자유롭게 설정할 수 있다. 이 방법을 활용하면 다양한 원리의 센서를 여러 개 동일한 버스에 연결할 수 있는 다중 센서 플랫폼의 구현이 가능해진다.

로봇 관절에도 센서 부착 

덴소는 산업용 로봇의 움직임을 고화질로 감지할 수 있는 에너지 흐름 센서(Energy Flow Sensor)를 개발했다. 이 센서는 덴소의 열 흐름 센서인 라페스파(RAFESPA, 현재 Energy Eye 출시에 따라 명칭 변경)를 기반으로 한다. 라페스파는 열류 센서에 비해 4배 이상의 전류를 4 MPa의 압력에서 측정할 수 있으며 얇고 방수도 가능하다.

에너지 흐름 센서는 얇은 고무판에 라페스파를 조합한 것이다. 로봇 등의 움직임에 따라 고무판에 힘을 가하면 미세한 열이 발생하는데, 높은 감도와 라페스파가 미세한 열을 열 흐름으로 감지하게 되며, 열 흐름의 변화에서 nm 수준의 미세한 움직임을 알 수 있는 구조로 되어 있다. 이 센서는 CeBIT 2017에서 전시됐는데, 데모에서는 6축 로봇에 삽입돼 로봇 움직임을 실시간으로 모니터링 할 수 있음을 보여줬다. 센서 1개를 장착하면, 동작 모니터링이 가능하고 2개의 센서를 사용하면 로봇의 중심 위치의 변화까지 파악할 수 있다.


▲ NTN에서 개발한 회전 감지 능력을 기존 제품의 최대 40 배 높인 고분해능 회전 센서를 부착한 베어링 〈출처: NTN〉

한편, NTN은 얇고 가벼워 로봇 관절 등에 부착이 가능한 정밀 각도 센서를 개발했다. 치밀하고 정밀한 위치 결정이 요구되는 로봇 시장에 대응하기 위해 NTN이 개발한 이 센서는 원형의 링 부분에 고무 자성체를 복합 성형한 후 극수가 다른 2열 자석 트랙을 고무 자성체에 적용한 복열 마그네틱 인코더와 자기 센서로 구성돼 있다. 기존의 인코더는 N극과 S극의 쌍 배열이 32/31이었으나, 이 센서는 64/63 극대에 배치되어 있어, 고정밀 각도 검출이 가능하다. 또한 인접한 자기 궤도에 영향을 주지 않도록 설계됐다.

기술이 발전할수록 등장하는 로봇용 센서는 크기, 무게, 비용, 성능 등이 크게 개선되고 있다. 예를 들어 3D 레이저 스캐너의 경우 몇 년 전만 해도 약 2만 달러의 비용이 들었다. 그런데 2016년에는 비용이 절반으로 떨어졌다. 그리고 2017년 최고 수준의 3D 레이저 스캐너를 구입하는 데 드는 비용은 약 5,000달러 수준으로 낮아질 수도 있다.


▲ 소프크뱅크 로보틱스의 나오 로봇에는 ams의 자기 위치 센서 36개가 탑재되어 있다. 〈출처: 소프트뱅크 로보틱스〉

가격 하락은 로봇에 탑재되는 센서의 수에도 영향을 미친다. 예를 들어, ams가 개발한 자기 위치 센서는 소프트뱅크 로보틱스의 나오(Nao) 로봇에 대당 36개나 탑재됐다. 나오 로봇은 정교한 동작을 지원하기 위해 습도 센서, 고해상도 카메라 센서, 온도 센서 등과 함께 자기 위치 센서를 채택한 것으로 알려졌다. 특히 ams의 자기 위치 센서는 전력 사용량이 적고 가격이 저렴해 전통적인 회전식 측정 기술의 대체 제품이 될 것으로 기대를 모으고 있다.