(본 칼럼은 보스턴 다이내믹스의 스팟(Spot) 팀 소속 로봇 엔지니어, 마이클 맥도날드(Michael McDonald)와 제프리 유(Jeffrey Yu)의 기고를 바탕으로 산업 현장의 의사결정권자들을 위해 재구성되었습니다.)
오늘날 수많은 기업이 공장, 주조소, 변전소, 지하 시설 등 복잡하고 거친 환경에 4족 보행 로봇 스팟(SPOT)을 투입하고 있습니다. 스팟은 예측 불가능한 수많은 장애물과 환경 변화 속에서도 어딘가에 갇히거나 넘어지지 않고, 어떤 시설물도 파손하지 않으며 부여된 임무를 안전하게 완수해야 합니다.
그동안 보스턴 다이내믹스는 스팟이 복잡한 구역을 효과적으로 통과하고, 미끄러운 바닥에서 균형을 잡도록 기능을 지속적으로 고도화해 왔습니다. 하지만 계단이나 지게차처럼 우리가 미리 '예측하고 계획할 수 있는' 장애물 외에도, 현장에는 예측하기 어려운 수많은 변수가 존재합니다.
이러한 예외적인 상황을 완벽하게 통제하기 위해, 우리는 스팟에 '비주얼 파운데이션 모델(VFM)'이라는 강력한 인공지능을 도입했습니다. 이제 스팟은 단순한 3D 지형 형태뿐만 아니라, 현장의 '문맥'을 정확히 이해하고 최적의 경로를 스스로 계획합니다. 이 혁신적인 진화가 귀사의 예방 정비와 스마트 관제 시스템에 어떤 비즈니스 가치를 제공하는지 상세히 살펴보겠습니다.
3D 기하학 인지의 4가지 한계와 시각 지능의 필요성
스팟의 기본 인지 능력은 몸체에 내장된 5개의 스테레오 카메라에서 시작됩니다. 이 카메라에서 얻은 깊이(Depth) 데이터를 통해 주변의 3D 지도를 생성하고, 벽이나 빈 공간 등의 기하학적 구조를 파악해 가파른 경사나 높은 턱을 피합니다.
이 방식은 기본적인 자율 주행에는 훌륭하게 작동하지만, '기하학적 형태'에만 의존할 경우 3D 데이터상에 잘 나타나지 않는 다음과 같은 4가지 치명적인 사각지대가 발생합니다.
- 데이터 부족으로 인한 인지 불가: 바닥에 깔린 얇은 전선은 3D 맵에서 평탄하게 지워지기 쉽고, 유리문이나 창문과 같은 투명한 물체는 3D 센서상에 아예 없는 것처럼 보입니다. 이는 로봇의 엉킴이나 충돌 사고를 유발합니다.
- 로봇에게 가해지는 은형 위협: 3D 데이터상으로는 안정적인 단상처럼 보이지만, 실제로는 바퀴가 달린 이동식 카트(대차)인 경우가 있습니다. 스팟이 이를 밟고 올라서려 하면 카트가 밀리면서 로봇이 추락할 수 있습니다.
- 파손 주의 물품의 식별 불가: 3D 데이터로는 평범한 물체처럼 보이지만, 실제로는 매우 깨지기 쉽거나 고가의 장비일 수 있습니다. 로봇이 실수로 이를 밟거나 건드리지 않도록 각별한 주의가 필요합니다.
- 사람을 위협하는 안전 수칙 위반: 스팟이 구조물로 인지하고 그 아래를 지나가려 하지만, 그것이 다름 아닌 '사다리'라면 어떨까요? 사다리 밑으로 통과하는 것은 현장의 중대한 안전 수칙 위반입니다. 로봇은 그것이 사다리임을 명확히 인지하고 사람과 동일한 안전 관행을 준수해야 합니다.
이러한 문제를 해결하기 위해, 우리는 파운데이션 모델을 활용해 스팟이 위협 요소를 스스로 '인지'하고 행동에 문맥적 이해를 적용하도록 훈련했습니다.
비주얼 파운데이션 모델(VFM): 현장의 의미를 학습하는 AI
파운데이션 모델이란 말 그대로 다른 애플리케이션을 구축하기 위한 '기반'이 되는 대규모 AI 모델입니다. 방대한 데이터 세트를 사전 학습하여 텍스트와 이미지 간의 연관성을 이미 이해하고 있기 때문에, 적은 양의 데이터만으로도 특정 산업 현장에 맞게 빠르고 정교하게 미세 조정할 수 있습니다.
우리는 여러 모델 중 '개방형 객체 탐지 모델'을 채택했습니다. 텍스트나 이미지를 프롬프트로 입력하면, 스팟의 카메라 영상 속에서 일치하는 모든 대상을 즉각적으로 찾아냅니다. 관리자가 짧은 텍스트 설명이나 몇 장의 사진만 제공해도, 스팟은 귀사의 현장에만 존재하는 특수한 위험 요소까지 지능적으로 인식하고 회피할 수 있게 되었습니다.
실험실을 넘어 현장으로: 실시간 최적화와 유연한 회피 메커니즘
현장에서 스팟은 멈춤 없이 임무를 수행해야 합니다. 로봇에 지나치게 많은 제약을 가하면 제자리에 갇혀 임무를 완수하지 못하게 됩니다. 따라서 이 무거운 ML(머신러닝) 모델을 로봇의 시스템 내에서 '실시간'으로 가볍고 빠르게 실행시키면서도, 오탐지를 줄이는 정교한 파이프라인을 구축하는 데 집중했습니다.
가장 중요한 성과는 스팟의 자율 순찰 방식이 매우 유연하고 섬세해졌다는 점입니다. 스팟은 위험 요소를 발견했을 때 단순히 멈춰 서는 것이 아니라, 상황에 맞는 가장 합리적인 행동을 선택합니다.
- 유리문이나 사다리: 아예 접근을 차단하고 완전히 우회합니다.
- 바닥의 전선: 밟지 않도록 보폭을 조절해 조심스럽게 타넘어 갑니다.
- 물웅덩이: 가급적 피해서 돌아가되, 다른 대체 경로가 없다면 조심스럽게 통과하여 임무를 완수합니다.
4.1 업데이트와 끝없는 진화: 사람처럼 판단하는 스마트 관제
이러한 혁신적인 AI 시각 지능은 4.1 소프트웨어 업데이트를 통해 현장에 즉각 투입되었습니다. Spot Core I/O와 같은 엣지 컴퓨팅 페이로드를 장착한 모든 고객은 이제 스팟이 산업 현장의 카트, 전선, 사다리 등 흔한 위험 요소를 지능적으로 감지하고 회피하는 모습을 직접 확인할 수 있습니다.
하지만 이것은 시작에 불과합니다. 우리는 현장에 배포된 스팟이 수집하는 실제 운영 데이터를 바탕으로 모델을 지속적으로 튜닝하며 더욱 신뢰성 높은 AI를 훈련하고 있습니다.
스팟은 이제 단순히 지정된 기하학적 경로를 걷는 기계가 아닙니다. 사람처럼 주변 상황의 문맥을 이해하고, 직관적이며 예측 가능하게 행동하는 가장 완벽한 현장의 파트너로 진화했습니다.
진정한 무결점 스마트 안전 시스템, 지금 경험하십시오
보스턴 다이내믹스의 국내 파트너사인 클로봇과 함께, 24시간 현장을 스스로 판단하고 지키는 압도적인 로봇 자동화를 도입하십시오.
단순한 충돌 방지를 넘어, 현장의 복잡한 룰과 안전 수칙까지 이해하는 100% 예방 정비 시스템이 귀사의 다운타임을 원천 차단해 드립니다.
출처: https://bostondynamics.com/blog/put-it-in-context-with-visual-foundation-models/