AI를 활용하여 로봇 동작을 자율 학습시키게 되면 표본의 움직임을 바탕으로 로봇의 움직임을 시뮬레이션 할 수 있습니다. 학습이 진행됨에 따라 실제 제조 공정에서 운영하는 로봇에 적용하여 작업자와 함께 협동 로봇을 운영할 수 있습니다. AI를 통해 최적의 동작 학습이 가능하며, 협동로봇의 안정석도 확보할 수 있는 장점이 있습니다.
협동 로봇과 동작의 자율 학습
안전 펜스가 없는 협소한 공간에서도 작업이 가능한 협동 로봇(서비스 로봇)의 대우와 함께 로봇 동작의 자율 학습에 관심이 집중되고 있습니다. 협동 로봇은 ‘규정된 협동 작업 공간에서 인간과 직접적인 상호 작용을 하도록 설계된 로봇’으로서 ‘ISO1021801:2011’로 정의합니다.
산업용 로봇은 양산 공정에 사용돼 왔기 때문에 동작 궤도를 모두 미리 결정해 설정해도 도움이 됐습니다. 그러나 처음부터 작업자 기반 산업에 적용하는 것을 목표로 하는 협동로봇에서는 사전에 정의된 동작 외에 인건에 가까운 유연한 동작 학습을 필요로 합니다.
동작 학습을 실제 현장에 적용하는 경우 시뮬레이터를 준비하기가 쉽지 않습니다. 따라서 표본의 움직임을 바탕으로 그럴듯한 움직임을 시뮬레이션하는 AI와 판단하는 AI와의 상호 작용에서 동작의 기준을 획득하는 모방 학습을 이용하는 것이 중요합니다.
그러나 위험 동작을 고려하지 않은 단순한 모방 학습은 언뜻 보면 지성적으로 보이기 때문에 오히려 위험합니다. 안전을 배려하고 사람에 대한 위험한 동작을 기피하도록 손실 함수를 설정해 학습을 진행해야 합니다. 추후 이것은 옷을 만드는 봉제 공장 등 산업용 로봇이 대응하지 못하는 영역에 활용될 것으로 기대됩니다.
반송 로봇의 활용 및 안전장치
공장 내에서 부품 등의 이동에 사용되는 반송 차량의 자동 운전도 검토하고 있습니다. 건물 내부에서는 GPS를 사용할 수 없기 때문에 라인 트레이서를 사용하거나 자기 위치를 확인하기 위해 ‘SLAM'(Simultaneous Localization and Mapping)으로 자동 매핑합니다. AI에 의해 다음 작업을 앞질러서 예측하고 사용될 것 같은 것을 수중에 전달하는 자동 정렬 AI와 결합하면 효율이 향상됩니다. 협동 로봇이나 자동 반송 차량은 위험성 평가(Risk Evaluation)를 적절하게 할 필요가 있습니다 .작업자에 대한 주위 환기뿐만 아니라 본질적인 안전 대책 및 추가 보호 방안을 철저하게 실시해야 합니다.