“자율주행로봇(AMR) 다섯 대를 운용하는 시범사업(Pilot)은 공장 전체를 움직이는 백 대의 AMR을 통합하는 문제와는 완전히 다른 차원의 과제”
이 문장은 현재 제조 현장에서 자동화 전략을 고민하는 모든 이들이 되새겨봐야 할 핵심 메시지를 던진다. 로봇 밀도(Robot Density) 세계 1위로 꼽히는 한국 제조업계 역시 이러한 근본적인 문제 제기에서 예외가 아니다. 인력난, 비용 압박, 수요 변동성 등이 상존하는 불안정한 환경이 계속되고 있다는 점이 이를 증명한다. 이러한 환경에서 협업 자동화를 어떤 수준으로 가져갈 것인지가 기업 경쟁력을 좌우하는 기준으로 자리 잡았다.
단지 몇 대 수준의 파일럿 단계에 머무르게 할 것인지, 공장 전체의 생산 구조를 완전히 재설계하는 핵심 수단으로 끌어올릴 것인지가 바로 그 핵심이다. 이제 관건은 단순히 더 많은 로봇을 현장에 투입하는 양적 성장이 아니다. 핵심은 협동 로봇(코봇), AMR, 인공지능(AI) 비전 및 품질 검사 시스템, 안전(Safety) 솔루션 등을 어떤 구조로 연결해 하나의 통합 시스템으로 설계하느냐에 있다.
이른바 피지컬 AI(Physical AI)로 불리는 거대한 흐름 속에서, 로봇은 더 이상 개별 장비가 아니다. 데이터, 알고리즘, 작업자의 숙련된 작업 방식까지 통째로 품어낸 ‘물리적 운영체제’에 가까워지고 있다. 이때 피지컬 AI는 AI가 물리적인 환경에서 직접 학습·적응함으로써, 실제 공간에서 자율적으로 문제를 해결하고 인간과 협력하도록 하는 최신 기술 방법론으로 주목받고 있다.
이미 로봇 물량 면에서 어느 정도 상한선에 근접한 것으로 분석되는 한국 제조업의 상황을 고려할 때, 전략의 초점은 변화했다. 이제 남은 과제는 이 지능화된 운영체제를 어떻게 설계하고, 이를 공장 전체로 확장해 효율적으로 통제할 것인가로 수렴한다. 이는 한국 제조업의 다음 10년을 좌우할 가장 중요한 질문으로 떠오르고 있다.
로봇 밀도 1위의 역설, 한국 제조업이 서 있는 지점
포이 퉁 탕(Poi Toong Tang) 테라다인로보틱스 아시아·태평양 영업 부사장은 낮은 출산율과 가장 빠른 고령화를 동시에 겪는 한국의 과제를 규정했다. 숙련 인력 부족과 임금 상승, 보호무역 강화, 수요 변동성 확대를 제조업 전반의 구조적 리스크로 제시했다. 그러면서 “산업·공장 자동화(FA)는 생산성·효율·안전을 높이는 기존 요소에서 인구 구조, 비용 구조, 글로벌 공급망 재편 대응 등을 위한 생존 전략의 일부”라고 메시지를 전했다.
이어 이주연 테라다인로보틱스코리아 대표는 국제로봇연맹(IFR) 통계를 근거로 이 문제의식을 수치로 풀어냈다. 전 세계 산업용 로봇 설치 대수는 올해 약 57만5000 대에서 오는 2028년 70만 대를 넘어설 것으로 전망했다.
그는 “한국은 연간 설치 대수 기준 세계 4위, 로봇 밀도 기준 세계 1위를 기록하고 있다”며 “그럼에도 고령화된 숙련 인력, 인건비 상승, 인력 수급난이 심화되는 상황에서 전략적 자동화 투자가 뒷받침되지 않으면 지금의 제조 경쟁력도 유지하기 어렵다”고 경고했다. 연이어 정부의 ‘로봇 100만 대, 전문 인력 1만5000 명’ 비전을 언급하면서도, 전자·반도체·자동차 등 일부 업종에 편중된 현재 구조를 지적했다.
이에 대한 해결책으로, 고부가가치 제조 전반에서 인간, 로봇, 디지털 인프라를 결합하는 방향으로 전략을 고도화해야 한다고 강조했다.
로봇 트렌드, 하드웨어에서 차세대 기술 구조와 생태계로
이 같은 환경에서 유니버설로봇(UR)은 코봇의 역할과 기술 축 자체를 재정의하고 있다. 악셀 구스타프손(Axel Gustafsson) UR 제품관리 총괄 이사는 훌륭한 코봇의 조건을 설파했다. 개발 기간 단축, 신뢰성 향상, 유연성, 성능, 사용 용이성으로 압축한 것이다.
그는 훌륭한 코봇의 조건을 뒷받침하는 요소로 기계적 특성과 소프트웨어 요소를 구분해 설명했다. 이에 대해 “기계적 특성에는 고출력 모터, 정밀 엔코더, 경량 구조, 콤팩트한 설치 면적 등이 포함된다. 소프트웨어 요소로는 고성능 모션 제어, 개방형 API(Application Programming Interface)·SDK(Software Development Kit), 구성 가능한 안전 기능 등이 중요하다”고 말했다.
실제로 올해 UR은 포트폴리오의 절반을 재정비했다. E-시리즈를 통해 협동 작업의 표준·편의성을 강화하고, UR-시리즈는 고하중·고속·장거리 등 코봇의 물리적 한계를 확장하는 식이다. 이렇게 두 가지 목적을 세분화해 포트폴리오를 재편했다.
그가 특히 비중을 둔 부분은 소프트웨어 플랫폼이다. UR은 최초의 코봇을 처음 시장에 내놓을 때부터 함께 제시한 전용 프로그래밍 환경 ‘폴리스코프(PolyScope)’를 지속 고도화해 왔다. 이는 티치 펜던트 화면에서 사람 손으로 로봇을 직접 움직여 보고, 궤적·속도·입출력 신호 등을 프로그래밍하는 방식이다.
최근 공개한 최신 버전 ‘폴리스코프 X(PolyScope X)’는 이 구조를 웹 기반으로 새롭게 구성한 차세대 운영 환경이다. 로봇 제어 화면을 공정 HMI(Human Machine Interface)처럼 재구성해 한 구역 안의 여러 장비를 함께 보면서 제어할 수 있다. 시스템통합(SI) 업체, 설비 제조사 등이 여기에 자체 화면과 로직을 얹어 자사 브랜드 솔루션으로 패키징할 수 있도록 한 점이 핵심이다.
국내에서는 이 플랫폼 전략이 피지컬 AI와 어떻게 맞물리는지에 초점을 맞춘다. UR 측은 “산업용 로봇이 점점 사람처럼 움직이고 있다”고 강조했다. 그러면서 좌표 기반 위치 제어에서 이미지 프레임 단위의 AI 제어로의 전환을 설명했다.
원격으로 로봇을 조작하는 '텔레오퍼레이션(Teleoperation)' 기술이 활용된 대표적인 사례가 있다. 사측 설명에 따르면, 숙련 작업자의 도장(Painting) 궤적을 로봇에게 학습시키는 방식이다. 로봇은 이 궤적을 학습한 뒤, 진동 보정 알고리즘을 통해 흔들리는 컨베이어 위에서도 일정한 거리와 두께를 유지하며 페인팅 작업을 수행한다. UR은 이를 작업자의 손기술을 넘어서는 품질과 일관성을 실현한 성공적인 예시로 제시했다.
이 운영 환경 위에 UR의 ‘UR플러스(UR+)’ 생태계가 각종 말단 장비와 공정 애플리케이션을 통합한다. UR 코봇과 폴리스코프 X가 기본 골격과 지능을 담당한다면, UR+는 여기에 각 공장 상황에 맞는 그리퍼(Gripper), 센서, 공정 패키지 등을 융합해 하나의 완성형 자동화 솔루션으로 완성한다. 이는 주변 설비와 소프트웨어를 자동화 플랫폼으로 인식되도록 하는 기술 생태계다.
이러한 기술 구성과 생태계는 코봇을 단일 설비가 아닌 공장 전체를 지탱하는 하나의 플랫폼으로 정의한다. 이는 하드웨어, 구동계, 프로그래밍 환경, 주변 장비, 공정 애플리케이션 등으로 이어진다. 피지컬 AI는 바로 이러한 플랫폼 위에서 데이터, 알고리즘, 물리적 상호작용을 동시에 설계한다.
파일럿을 넘어 플랜트 전역으로...AMR·코봇 스케일 전략
케빈 뒤마(Kevin Dumas) 미르 신임 사장은 AMR 도입에 대해 “소수 대수로 시험하는 파일럿 단계와 공장 전체에 수십·수백 대를 배치하는 단계는 전제부터 다르다”고 정리했다.
고정된 컨베이어와 무인운반차(AGV)에 의존하는 기존 물류 시스템은 라인 변경이 적고 수요 변동이 작은 공장에는 적합하지만, 작업자와 설비가 계속 섞이고 공정 전환이 잦은 환경에서는 제약이 크다는 설명이다. 반대로 AMR은 바닥 설비를 추가로 설치하지 않고도 장애물을 피하면서 주행 경로를 스스로 선택할 수 있어, 고혼합·저량 생산과 수요 변동성이 큰 제조 현장을 겨냥한 수단으로 제시됐다.
그는 한국 제조업이 겪는 숙련 인력 부족, 인건비 상승, 공급망 리스크 확대 등 요인이 AMR 도입을 압박하는 배경이라고 짚었다. 그러면서 “단순히 카트를 AMR로 바꾸는 수준에 머무르면 곧 한계에 부딪힌다”고 경고했다. 플랜트 전역에 AMR을 본격 도입하려면 공장 내 무선 네트워크 품질, 충전·전력 인프라, 안전 규정, 사이버보안 체계, 제어 구조 및 연동 방식 등을 먼저 점검하는 별도 인프라 프로젝트가 필요하다고 강조했다.
이를 위해 미르는 AMR 여러 대를 통합 제어·관리하는 관제 시스템 ‘미르 플릿 엔터프라이즈(MiR Fleet Enterprise)’를 내세운다. 다종·이기종 AMR의 이동 경로, 충전 설비, 엘리베이터 등 공용 자원, 창고관리시스템(WMS)·전사적자원관리(ERP) 연동 등을 한 시스템에서 다루도록 설계됐다.
또한 미르의 AI 기반 기능들은 AMR의 도입 기간을 줄이기 위한 장치로 활용된다. 뒤마 사장은 포크리프트 제품군을 사례로 들어 이 기능을 설명했다. 이는 팔레트 이미지를 기반으로 AI가 팔레트를 자동으로 인식하고 픽업하도록 한다. 현장에서의 별도 태깅(Tagging) 작업과 현장 튜닝(Tuning) 작업을 최소화한다.
이는 과거 프로젝트 초기에 반복적으로 수행해야 했던 물리적 셋업 및 시운전 과정을 데이터 학습으로 대체하는 방법론이다. 궁극적으로 초기 구축에 소요되는 시간을 대폭 줄이는 것을 목표로 한다.
뒤마 사장은 “로봇 100대를 도입해 사람 100명을 대체하는 프로젝트가 있다면, 그 가운데 10명은 로봇 통합 관제를 유지·운영하고 추가 자동화 기회를 찾는 역할을 맡게 될 것”이라며, 자동화가 인력 감축만을 목표로 하는 것이 아니라 역할 재편을 동반하는 과정이라는 점을 짚었다.
안전과 피지컬 AI, 인간과 함께 쓰는 로봇의 새로운 규칙
인간과 로봇의 역할이 이렇게 바뀐다면, 다음 과제는 이들이 같은 작업 공간에서 어떤 안전 기준과 규칙 아래 함께 일할 수 있느냐로 귀결된다.
글로벌 기술 인증·검증 기관 티유브이슈드(TÜV SÜD)의 더저스 파트마쿠마르(Thejus Pathmakumar) 로보틱스 리드는 지금까지의 안전 개념을 “펜스로 둘러싼 고정 설비를 가정하고, 한 번 작성한 위험성 평가서로 설비 수명을 관리하는 정적 모델”이라고 요약했다. 그는 AMR·AGV, 재구성 가능한 생산 라인, 코봇이 동시에 움직이는 환경에서는 이 모델이 현실을 따라가지 못한다고 지적했다.
그가 제시한 지능형 안전 기준인 ‘AS3(Advanced Safety and Security)’ 아키텍처는 복합적인 구조를 갖는다. 먼저, 안전·보안 관련 규격과 심사 경험을 정리해 지식 베이스로 구축한다. 이와 함께 실제 공장에서 발생하는 사고·위험 데이터를 별도의 데이터베이스로 축적한다. 이후 축적된 데이터를 분석하는 AI와 결합해 시스템이 완성된다. 최종적으로 이 구조는 로봇이 작업하는 환경의 위험 수준과 규격 준수 여부를 상시 평가하는 방식으로 작동한다.
파트마쿠마르 리드는 이 AS3 아키텍처가 몇 가지 주요 목표를 갖는다고 설명했다. 시스템이 디지털 형태의 위험성 평가서를 자동 생성하는 것이 첫 번째 목표다. 또한 AMR 경로, 설비 상태, 작업자 이동 정보 등에서 위험 신호를 감지할 경우, 규격과 과거 사례에 기반한 대응 방안을 제안하는 것도 핵심 목표다.
피지컬 AI 공정을 세분화한 '데모 존'
앞서 제시된 개념과 전략은 이날 행사장 데모존에서 구체적인 공정 단위 장면으로 이어졌다. UR·미르 등 테라다인로보틱스 산하 업체와 국내외 UR+ 파트너사는 이동, 공급, 머신 텐딩(Machine Tenging), 픽앤플레이스(Pick&Place), 표면 가공, 비전 검사 등 주요 공정을 참관객 앞에서 구현했다.
<머신텐딩, 이송 존>
▲ 모바일 매니퓰레이터가 참관객의 이해를 돕고 있다. (촬영·편집 : 헬로티 최재규 기자)
이동과 장비 전·후 공정을 담당하는 영역에서는 UR 코봇, 미르 AMR, 에이치알티로보틱스(HRT Robotics) SI 기술 등 요소가 집약된 모바일 매니퓰레이터(Mobile Manipulator) 형태로 솔루션을 제시했다. 미르의 MiR250 위에 UR ‘UR12e’를 결합한 이 기술은 지정 위치까지 이동한 뒤, UR 코봇이 작업하는 흐름을 반복 시연했다.
영창로보테크(Youngchang Robotech)는 공작기계 전면에서 도어 개방, 부품 투입·배출을 UR 코봇으로 수행하는 머신 텐딩 솔루션을 선보였다. 자재 이송과 장비 전면 작업을 코봇과 머신 텐딩 장비가 맡는 구조를 강조한 지점이다.
이들 솔루션은 단일 셀이 아닌 라인 전체를 염두에 둔 자동화 구성이 어떤 모습인지 보여주는 장면이다.
<픽앤플레이스 존>
▲ 임팩트(IMPAQT) 부스(좌)와 SMC 현장(우). (촬영·편집 : 헬로티 최재규 기자)
다양한 현장에서 핵심 공정인 픽앤플레이스는 여러 파트너가 나눠 맡았다. UR 코봇 모델 ‘UR15’는 고속 반복 동작으로 표준 부품을 집어 옮기는 작업을 담당했고, 임팩트(IMPAQT)와 SMC는 형상과 크기가 다른 부품을 자사 엔드이펙터(End-effector)로 집어 지정 위치에 놓는 구성을 시연했다.
또한 로보티크(Robotiq)는 진공 그리퍼를 장착한 UR 코봇으로 박스를 들어 올려 팔레트에 쌓는 장면을 보여줬다. 하나의 코봇 플랫폼 위에 기계식·공압·진공 그리퍼가 각기 역할에 맞게 올라가면서 다양한 핸들링 공정을 어떻게 구현하는지 보여줬다.
<표면 가공 존>
표면 가공(Sanding) 영역에서는 온로봇(OnRobot)의 샌딩 솔루션이 배치됐다. UR 코봇 끝단에 장착된 샌딩 엔드이펙터는 지정된 곡면을 따라 이동하면서 일정한 힘과 속도를 유지해 소재 표면을 가공하는 흐름을 반복했다. 이는 접촉력 제어와 궤적 재현성이 동시에 요구되는 공정에서 코봇이 어떤 방식으로 사람의 작업을 대체·보완하는지 보여주는 사례로 주목받았다.
<비전 검사 존>
비전과 검사를 담당하는 구역은 피지컬 AI의 ‘보고 판단하는’ 축을 집중적으로 보여줬다. 메크마인드로보틱스(Mech-Mind Robotics)는 3차원(3D) 카메라와 소프트웨어를 결합해 뒤섞인 부품 더미에서 객체를 인식하고 꺼내는 빈피킹(Bin-picking)을 시연했다.
▲ 솔로몬의 AI 비전 검사 기술은 사용자 화면(UI)을 통해 직관적인 모습을 구현한다. (촬영·편집 : 헬로티 최재규 기자)
이어 솔로몬(Solomon)은 PC 내부를 비전 검사 시스템으로 확인하는 솔루션을 출품했다. 이를 통해 부품 형상과 표면 상태를 분류·판단하는 구성을 선보였다. 엘엠아이테크놀로지스(LMI Technologies)는 UR 코봇이 무선 이어폰을 집어 센서 앞에 가져가면, 3D 비전으로 조립 상태와 형상을 확인하는 장면을 보여줬다.
▲ 자사 비전 시스템을 통해 제품 검사 모습을 시연한 엘엠아이테크놀로지스. (촬영·편집 : 헬로티 최재규 기자)
이 세 데모는 카메라, 조명, 알고리즘, 로봇 핸들링이 한데 통합돼, 정밀 검사 공정을 자동화하는 예시로 기능했다.
<소프트웨어 기반 로봇 안전 존>
세이프틱스(Safetics)는 코봇을 작업자와 같은 공간에서 쓰기 위한 안전 설계와 운전 조건을 선보였다. 이 자리에서 ‘세이프티디자이너(SafetyDesigner)’를 강조했다. 해당 소프트웨어는 로봇 작업 내용, 속도, 레이아웃, 예상 접촉 상황 등을 입력하면 안전 거리, 허용 속도, 힘·압력 한계를 계산해 준다.
이 도구를 통해 설비 설치 전에 안전 규격을 충족하는 운전 조건을 미리 검토하고, 공정 변경 시에도 같은 모델을 업데이트해 새로운 레이아웃에 맞는 조건을 다시 산출하는 흐름을 내세웠다.
관계자는 이러한 접근법에 대해, 앞서 티유브이슈드가 제시한 ‘지능형 안전’ 개념처럼 설계 단계의 위험 평가와 운전 단계의 실제 접촉 데이터를 연결하는 역할을 할 수 있다고 설명했다.
앞선 이들 데모는 모두 UR 코봇, 폴리스코프 X, UR+를 조합해 구성됐다. 동일한 코봇·운영 환경 위에 모바일 매니퓰레이션, 머신 텐딩, 픽앤플레이스, 샌딩, AI 비전 검사가 서로 다른 셀에서 동작하는 구성은 공장 전체를 설계하는 공통 플랫폼으로 작용하고 있음을 시사했다.
헬로티 최재규 기자 |
