Nikkei Robotics_2017.10 Sexy Technology (p5~17)

아마존이 생각하는 물류 로봇에의 기대
딥러닝의 발전에 맞추어 인식도 진화

현재의 로봇은 물류센터에서의 피킹 작업에 얼마나 활용될 수 있을까? 이 질문에 대한 대답을 모색하고 있는 아마존닷컴은 피킹 자동화 로봇 국제경기대회「Amazon Robotics Challenge(ARC) 2017」을 개최하였다.

2015년에 시작된 이 이벤트는 올해로 3회째다. 작년에는 독일 라이프치히에서「Amazon Picking Challenge」라는 이름으로 개최, 일본의 AI 벤처기업인 Preferred Networks(PEN)가 심층학습 기술을 활용하여 Pick 부문에서 준우승을 차지하는 등 큰 주목을 끌었다. 이번에는 대회의 이름을「Amazon Robotics Challenge」로 변경하여, 2017년 7월 27일~30일에 일본 나고야에서 개최되었다. 스위스 ABB, 독일 KUKA, 덴마크의 Universal Robots, 미국의 Rethink Robotics, 미쓰비시전기 등 전세계 기업들의 로롯이 사용되어, 최신 인식기술을 구사하여 피킹 작업을 경쟁하였다.

대학과 기업의 혼성팀 등 총 16개 팀이 참가하였다. 현지 개최라는 이점도 있어, 일본에서는 파나소닉, 미쓰비시전기, 도시바와 같은 기업이 참가하였다. 자동 피킹의 경우는 로봇, 핸드 등의 하드웨어뿐 아니라, 파지 대상을 인식하는 소프트 기술도 중요한 요소다. ARC에서는 2016년 대회부터 심층학습 기술이 사용되기 시작하였다. 그러나 최근 1년간 심층학습 기술이 급속하게 발전하여, ARC에서도 보다 진화한 기술이 사용되게 되었다.

본지는 작년 ARC에 대해 2호에 걸쳐 상세보고를 하였다. 이번에도 ARC에서 사용된 심층학습 관련 기술 등 상세한 사항을 보고하고자 한다. 전편에 해당하는 이번 호에는 경기의 개요와 전체 동향, 그리고 우승팀의 기술에 대해 상세하게 소개한다.

-- 기술의 커뮤니티를 만들다 --
ARC를 개최하는 아마존의 동기는 명확하다. 자사의 주력 사업인 인터넷통신판매의 물류 구조를 개선하고자 하는 절박함이 있기 때문이다.

아마존은 로봇이나 화상인식기술의 선진기업이다. 자율비행 드론을 사용한 개별 배송 시스템「Prime Air」를 자사에서 개발하거나, 소매점 안에서 화상인식기술을 구사하여 방문 고객이 어느 상품을 집는가를 인식하여, 매장 안에서의 정산 작업이 일체 불필요한 무인점포「Amazon Go」를 투입하는 등, 기술의 힘을 기존사업∙신규사업 모두에 충분히 활용하고자 한다.

물류센터의 내부 오퍼레이션에서도 마찬가지다. 2012년에 물류용 로봇을 생산하는 벤처기업인 미국 Kiva Systems를 인수. 그들의 로봇 시스템을「Amazon Robotics」로 이름을 변경하여, 현재는 전세계에서 8만 대의 로봇이 아마존의 물류센터에서 24시간 가동되고 있다. 이 로봇은 지금까지 일본의 아마존 물류센터에는 도입되지 않았지만, 2016년 12월에 국내에도 도입되었다. 이번 대회를 개최하고 있는 것도, 이 로봇 개발을 담당하는 아마존그룹의 Amazon Robotics(옛, Kiva Systems)다.

-- 피킹은 여전히 수작업 --
아마존이 현재 가동시키고 있는 Amazon Robotics의 시스템은, 재고 상품을 보관하는 선반 자체를 로봇이 들어올려 자동적으로 가동시키는 것이다. 선반 자체가 작업자의 앞에 스스로 이동해 오기 때문에, 작업자는 피킹할 상품을 찾아 넓은 물류센터 안을 돌아다니지 않아도 된다.

그러나 아마존의 자랑인 Amazon Robotics사의 시스템이라고는 해도, 핵심인 피킹 작업 자체는 여전히 수작업으로 하고 있다. 재고 상품을 선반에 넣는 작업도 사람 몫이다. 아마존 정도의 선진기업도, 인터넷통신판매에서 취급하는 다양한 상품을 로봇을 이용하여 안정적으로 피킹하는 기술을 아직 실용화하지 못했다. 물류센터에서의 자동 피킹의 경우는, 인터넷통신판매 대기업 ASKUL이 벤처기업인 MUJIN의 기술을 채용하여 시험적인 라인을 사이타마현의 물류센터에 도입하였다. 그러나 가동 대수가 몇 대로 한정적이었고, 또한 센터 자체가 2017년 2월의 화재로 장기간 업무를 정지하였다.

아마존은 이러한 피킹 자동화에 대해 자사 내에서도 연구 개발을 추진하고 있지만,「보다 넓고, 다양한 아이디어를 모집하고 싶다」는 생각에서, 상금 총액 26만 달러의 대회를 스스로 주최하고 있다.

-- 상품 수납 선반을 대폭 변경 --
이번의 ARC의 최대 포인트는, 경기 내용이 작년까지와는 달리 크게 변경되었다는 점이다. 대회 이름부터「Picking」이라는 말을 빼고, 수단을 나타내는「Robotics」라는 용어를 넣은 것이 상징하듯이, 아마존은 경기 내용을 크게 변경하였다.

ARC의 경기 내용은 기본적으로는 주최자인 아마존의 업무에 입각한 형태가 되었다. 아마존의 물류센터에서는 재고 상품을 이동식 선반에 넣는「Stow」작업, 선반에서 꺼내는「Pick」작업이 있다. 저번까지의 ARC에서는 Stow와 Pick이 경기 종목이었다.

이번 ARC도 Pick과 Stow라는 기본적인 요소는 변화가 없지만, 재고 상품을 넣는 선반에 대폭적인 변경이 있었다. 작년까지의 선반은 아마존이 물류센터에서 사용하고 있는 선반 모양으로, 책장처럼 각 구획이 세로로 만들어진 것이었다. 이것을 모든 팀의 공통 선반으로서 아마존이 지급하였다.

그러나 이번에는 각 참가팀이 선반을 독자적으로 설계하여 지참할 수 있게 하였다. 선반 치수나 체적, 점유 면적 등에 대해 일정한 조건은 규정하였지만, 모양 자체는 자유로 하였다. 반드시 구획을 세로로 만든「선반」모양이 아니어도 좋고, 윗면이 뚫린 단순한「상자」모양을 여러 개 바닥에 늘어놓고, 그곳에서 피킹 작업을 해도 좋도록 하였다. 이미 모양이「선반」이라고 부르기 어려워졌기 때문에, 이름도 작년의「shelf」에서, 보다 추상적인「storage system」이라는 용어로 변경하였다.

-- 눈 앞의 효율은 쫓지 않는다 --
일반적으로 조립이나 피킹 등에서 자주 사용되는 흡인 핸드는, 선반처럼 측면이 뚫린 구획에서 수평 방향으로 아이템을 꺼내는 것보다, 윗면이 뚫려 있는 상자 등에서 연직방향으로 아이템을 꺼내는 것에 적합하다. 선반에서 수평으로 꺼내는 경우는, 아무래도 아이템의 측면 등을 캔틸레버식 구조로 흡인하는 경우가 많아 아이템이 떨어지기 쉽기 때문이다.

이러한 이유도 있어, 이번 ARC에서는 16개의 참가팀 가운데 12팀이 윗면이 뚫린 상자를 평면으로 늘어놓는 방식을 채용하였다. 작년과 동일한 선반 모양을 채용한 경우는 주로 하위 팀이었다. 상위 5개 팀은 모두 평면으로 늘어놓는 방식을 채용하였으며, 상자가 2개인 점도 공통이었다.

이러한 평면식 상자는 작년까지의 세로식 선반과 비교하면 재고상품의 단위면적 당 수납 효율이 떨어진다. 물류센터는 한정된 면적 안에서 건조하기 때문에, 바닥면적 당 상품수납 수를 가능한 늘릴 필요가 있다. 그러기 위해서는 선반을 높게 하여 세로 방향으로 구획을 늘리는 방법밖에 없다. 실제로 Amazon Robotics 시스템의 로봇 이동식 선반은 높이가 2m 이상이나 되는 거대한 것이다.

언뜻 보면 현장의 요구에 역행하여 수납 효율의 저하를 허용하는 듯한 경기 규칙의 변경으로 보인다. 그렇다면 아마존은 왜 규칙을 변경한 것일까? Amazon Robotics의 Brady 씨는「우리는 수납 효율과 같은 눈 앞의 효율성 향상은 ARC에서는 요구하지 않는다. ARC에서 나온 기술을 그대로 당사의 물류센터에서 채용하는 것이 아니기 때문이다. 우리들이 ARC에서 보고 싶은 것은, 그보다는 오히려 다양한 아이디어다. 전세계에서 참신한 아이디어를 모집하여, 이 과제에 대한 기술 커뮤니티를 만들고 싶기 때문에 ARC를 개최하고 있다」라고 말한다. 단기적으로 필요한 효율 향상이라면 자사 내의 연구 개발로 충분히 처리할 수 있다. 보다 중기적인 개선을 위한 아이디어가 필요한 것이다.

-- 미지의 아이템 도입 --
아마존은 선반 등의 하드웨어에 대해서는 단기적인 요구에서 한발 떨어져, 중기적인 관점에서 새로운 아이디어 창출을 요구하는 경기로 변경하였다. 이에 반해, 아이템 인식 등의 소프트웨어에서는 반대로 현장의 요구에 가까워지도록 난이도를 향상시키는 규칙으로 변경하였다. 그것이「미지 아이템」의 도입이다.

ARC에서 다루는 40종류의 피킹 대상 상품은, 작년까지는 대회 수개월 전에는 화상이나 점군 데이터가 공표되었고, 현물도 각 팀에 지급되었다. 그러나 이번에 도입된 미지 아이템의 경우는, 현물이 지급되는 것은 대회 직전에 불과 30분 동안이다. Stow 때에는 20개, Pick 때에는 32개의 아이템을 취급하지만, Stow와 Pick 모두 절반이 미지의 아이템이었다.

ARC에서는 아이템 종류나 장소 검출 등에 심층학습이 사용되는 일이 많다. 그러나 대회 직전의 30분 동안에 미지 아이템의 사진 등을 촬영하고, 그것을 바탕으로 다수의 파라미터를 갖는 Deep Neural Network 전체를 재학습시키는 것은「상당히 엄격한 시간 설정」이라고 기계학습에 정통한 기술자는 말한다. 아마존의 Brady 씨는「기계학습 기술의 발전을 촉구하기 위해, 일부러 시간을 짧게 설정하였다」라고 말한다.

-- 우승은 호주 팀 --
이번 ARC의 우승은 호주의「ACRV(Australian Centre for Robotic Vision)」팀이다. ACRV는 호주의 Queensland University of Technology(QUT), University of Adelaide, Monash University가 합동으로 참여하는 로봇용 영상인식 연구기관이다. ACRV 이외의 팀이 모두 다관절 로봇 팔을 이용한 가운데, ACRV만은 독자적으로 3축 직교 로봇을 이용하였다.

결승에는 독일 University of Bonn의「NimbRo」나 미국 MIT 등, ARC에 매년 참가하는 해외의 명문교가 많이 진출하였고 상위에 입상하였다. 일본에서 참가한 팀은 나라첨단과학기술대학원대학(NAIST)과 파나소닉으로 구성된 팀「NAIST-Panasonic」이 유일하게 결승에 진출하여 6위에 입상하였다. 3년 연속으로 참가한 미쓰비시전기와 주쿄(中京)대학, 주부(中部)대학으로 구성된「MC²」는 Stow 부문에서 3위를 차지하였다. 또한, 작년에 우승한 네덜란드의 Technical University of Delft(TU Delft)는 이번에는 참가하지 않았다. 작년에 Pick부문에서 준우승한 PFN도 이번에는 제품 개발을 우선하기 위해 출장하지 않았다고 밝혔다.

-- 각 구획마다 센서 --
-- 컴퓨터 비전의 권위 --
-- 독자의 심층학습을 이용 --
-- 피라미드 구조를 채용 --
-- 직교 로봇은 QUT가 제작 --

  -- 끝 --