일본산업뉴스요약

Nikkei X-TECH_2024.10.18

도시바, 물류 로봇용 AI를 개발
산적 피킹 성공률 94.5%

도시바는 피킹로봇용 인공지능(AI) 기술을 개발했다. 물류창고의 자동화를 상정하고, 엔드 이펙터(End Effector)로서 흡착 패드를 구비한 산업용 로봇에 사용할 수 있다. 색 정보와 심도(深度) 정보를 얻을 수 있는 RGB-D 카메라로 촬영한 이미지를 기본으로, 봉투나 상자, 원통 용기 등 산적된 다양한 모양의 워크를 1개씩 집어 옮길 수 있다.

산적(散積) 피킹은 오랫동안 로봇을 통한 자동화가 어려운 분야로 여겨져 왔다. 도시바에 따르면 “실제 로봇을 이용한 피킹의 성공율이 94.5%로 실용화 레벨에 이르렀다”라고 말한다. 2026년도 이후에 이 AI 기술을 탑재한 로봇 시스템의 제품 실용화를 목표하고 있다.

도시바가 개발한 것은, RGB-D 카메라로 촬영한 산적된 워크 사진을 통해 각각의 워크를 로봇으로 잡는 위치와 자세를 산출하는 심층학습 기술이다. AI 모델을 2단계로 나눠 구축한 것이 특징이다.

1단째 AI 모델에서는 흡착 패드가 접촉할 워크면을 검출한다. 다음의 2단째에서는, 검출한 그 워크면의 방향을 사영변환(Projective Transformation)으로 정리하고 나서 AI의 학습에 이용함으로써 로봇의 파지 자세를 산출한다. 이처럼 AI 모델을 2단계로 함으로써, 난잡하게 놓여 방향이 제각각인 워크의 경우도 전술한 바와 같은 높은 성공률의 피킹을 실현했다.

여기서 말하는 사영변환은 카메라로 촬영한 이미지에서 기울어져 찍힌 워크면을 정면에서 본 것처럼 변환하는 조작을 말한다.

또한 AI 모델을 2단계로 함으로써 파지 위치를 계산하는 시간을 회당 0.47초로 했다. 이 결과는 같은 조건하에서 비교한 선행연구의 10분의 1 이하라고 한다.

도시바에 따르면, 종래 방법에서는 워크를 촬영한 이미지를 바탕으로 흡착 패드의 접촉 위치를 추정하는 계산을 반복하고, 그 중에서 가장 좋은 위치를 정했기 때문에 계산 시간이 걸렸다. 한편 이번 방법에서는 1단째 AI 모델로 출력하는 정보를 2단째 AI 모델의 계산에도 활용함으로써 반복 계산이 필요 없게 되었다.

AI의 학습에서 기술자에 의한 프로그래밍은 불필요하다. 대상이 되는 워크의 종류가 늘어나도 추가 학습이 용이해, 도시바는 “로봇의 도입부터 운용을 포함한 전체의 비용 저감으로 이어진다”라고 설명한다.

 -- 끝 --

Copyright © 2024 [Nikkei XTECH] / Nikkei Business Publications, Inc. All rights reserved.