산업기술/제조/경영

Nikkei Monozukuri_2022.11 특집 요약 (p33~50)

로봇의 그리핑(Gripping) 기술
인간을 목표로 한 로봇의 촉각 및 판단을 높이는 기술

로봇에게 물체를 잡게 하는 것은 생각보다 어렵다. 부드러운 공작물을 자유자재로 조종하거나, 부품을 정밀하게 조립하는 작업에서 로봇의 능력은 아직 사람에겐 미치지 못한다. 하지만 이 그리핑 기술이 진보하면 생산 현장에서 로봇의 활용은 훨씬 넓어질 것이다. 로봇의 촉각 및 판단을 높이는 기술의 최전선을 취재했다.

Part1. 총론
의외로 어려운 '로봇의 손', 과연 기계가 사람을 넘어설 날은 올 것인가?

로봇 분야에서 오래 되었지만 새로운 과제 중 하나가 ‘그리핑(파지) 기술’이다. 로봇은 형태가 변하지 않는 작업을 정해진 동작으로 처리하는 것이 특기이다. 하지만 작업 형태가 변하는 경우, 로봇에게는 난이도 높은 작업이 된다. 사람이 무심코 눈앞에 있는 임의의 물체를 잡아 그것을 망가뜨리지 않고 옮길 수 있는 것과는 대조적이다.

-- 그리핑 기술이 생산성을 높인다 --
로봇을 생산 현장에서 잘 사용하려면 사람이 그 동작 환경을 정비해 로봇에게 제공해야 한다. 공작물의 형상에 맞추어 전용 로봇 핸드를 개발하거나, 공작물의 자세를 사전에 정렬해 잡기 쉽도록 해야 한다.

하지만 공작물이 연한 부정형의 물체인 경우나, 낱개로 보관되어 있는 경우라면 이야기는 달라진다. 예를 들어, 공작물의 위치나 자세를 파악하기 위해서는 컴퓨터 비전이 필요하다. 잡은 공작물을 떨어뜨리거나 꽉 쥐어 으스러뜨리지 않도록 촉각센서와 토크센서 등으로 계측해 피드백을 실행하는 제어시스템도 요구된다.

최근 컴퓨터 비전과 센싱 기술은 눈에 띄게 발전하고 있지만, 사람의 시각이나 촉각 능력에는 미치지 못하는 것이 현실이다. 사람이라면 임기응변으로 대응할 수 있지만, 로봇의 경우 작업이나 동작을 변경할 때마다 설정 변경이 필요하다.

예를 들면, 제품을 조립하는 경우이다. 취급하는 부품이 빈번하게 바뀌는 다품종 소량생산 현장이나 정밀한 끼워 맞춤이 요구되는 부품 삽입과 같은 작업에서 현재의 로봇은 사람의 능력에 미치지 못한다. 무리하게 고가의 로봇을 도입하는 것보다 손재주가 있는 사람을 고용하는 것이 더 확실하고 저렴하다.

그 대표적인 예가 반찬을 만드는 식품 공장이다. 감자샐러드나 톳조림과 같은 반찬은 모양이 일정하지 않고 부드럽다. 항상 일정량을 집거나, 용기에 담는 것은 로봇에게 어렵다. 이 때문에 대부분의 반찬 공장은 지금도 작업을 인력에 의존하고 있다.

한편, 인력 부족이 심화되면서 제조 및 식품 업계는 작업자 확보에 어려움을 겪고 있다. 그렇기 때문에 지금, 로봇의 '그리핑 기술'의 진보가 작업 자동화 폭을 넓히고 생산성을 높이는 기술로 기대되고 있는 것이다.

--'촉각'에 발전의 여지 있어 --
그리핑 기술의 핵심은 로봇에게 촉각을 제공하는 촉각센서이다. 물체와의 단순한 접촉 여부뿐만 아니라, 힘의 강도와 압력의 분포, 미끄러짐 등을 검출할 수 있다. 최근에는 잡기 직전에 근접 상태를 검지하는 센서도 등장하고 있다('근접각 센서' 참조).

로봇 핸드에 정통한 전기통신대학의 시모조(下条) 명예교수에 따르면, 부품 조립 등 정밀한 작업에서 시각과 함께 촉각의 중요성이 높아지고 있다고 한다. 그것은 "물체의 결합 상태를 판별하거나 물체의 부드러움이나 표면의 미세한 단차를 감지하려면 촉각이 필수적이다. 시각과 촉각이 함께 기능함으로써 보다 고도의 로봇 제어가 가능하게 된다”(시모조 교수)라는 이유 때문이다.

촉각센서는 일반적으로 다음과 같은 성능이 요구된다. 우선 응답성이다. 밀리초 단위로 로봇을 제어하는 경우, 촉각 센서에도 그와 비슷한 수준의 응답성이 요구된다. 히스테리시스(Hysteresis, 이력현상) 특성이 우수한 점도 중요하다. 공작물에 직접 접촉하기 때문에 물리적 또은 화학적 내구성도 필요하다. 더 나아가, 높은 분해능이 있는 것도 요망된다.

하지만, 시각에 해당하는 머신 비전('물체인식 AI' 참조)이나, 청각에 해당하는 음성인식은 인공지능 기술에 의해 발전이 뚜렷한 반면, 로봇의 촉각 기술은 개발이 늦었다. “로봇의 시각 및 청각 연구는 응용 단계인데 반해, 촉각은 검출 방식 레벨의 연구가 많아, 응용을 위한 대응은 아직 미흡하다”(시모조 교수).

-- 1980년대에 초기 방식 등장 --
촉각센서로서 널리 알려진 것으로는 접촉 면적의 크고 작음을 파악하는 전기 저항 방식과 변형 게이지 방식이 있다. 촉각센서의 역사는 의외로 길다. 이 2가지 방식을 포함해 1980년대에는 이미 다양한 방식들이 등장했다.

대표적인 초기 촉각센서로는 '감압 도전 고무 방식'이 있다. 탄소 입자 등의 도전성 입자를 균일하게 확산시킨 다공질 실리콘 고무를 이용한 것이다. 이 다공질 실리콘 고무에 하중이 가해지면 탄소 입자의 접촉 증가로 전류가 흘러 접촉을 감지할 수 있다. 이외에도 '정전 용량 방식'과 '압전소자 방식' 등도 초기 촉각 센서로 알려져 있다.

2000년대 중반에 접어들면서 카메라를 사용하는 광학 방식이 등장했다. 높은 해상도를 얻을 수 있으며, 접촉면에 대량의 센서를 배치하지 않아도 된다. 센서별 전기배선도 불필요하기 때문에 구조를 단순화할 수 있다는 것이 장점이다.

카메라를 사용하기 때문에 박형화가 어렵다는 것이 과제이지만, 최근에는 구조를 간소화한 새로운 방식도 등장하고 있다. 그 한 예가 투명한 탄성체에 표적이 되는 마커를 배치하고, 그 탄성체의 변형을 카메라로 포착하는 방법이다('시촉각 센서' 참조). 

“카메라와 유연 소재의 조합은 제조가 비교적 단순해 복수의 방식들이 제안되고 있다. 향후에는 영상을 처리하는 소프트웨어 기술이 승부수가 될 것이다”라고 시모조 교수는 전망한다.

카메라나 LiDAR가 주류인 '시각' 및 마이크가 주류인 '청각'과는 달리 로봇에게 '촉각'을 제공하는 디바이스는 다양하다. 앞에서 소개한 방법들은 그 일부에 불과하다. 그 외에도 자석과 홀 소자를 사용해 힘을 검출하는 방식('토크센서' 참조), 초음파를 이용하는 방식 등도 있다. 도전성 섬유로 구성된 스마트 텍스타일(Smart Textiles)과 같은 웨어러블 디바이스를 상정한 제품도 넓은 의미의 촉각센서라고 할 수 있다.

로봇의 파지 기술 향상에는 공작물과 직접 접촉하는 로봇 핸드의 내구성도 중요하다. 공작물과의 접촉면이 파손되거나, 열화(劣化)되면 로봇의 동작을 멈추고 부품을 교체해야 한다. 이러한 가운데, 자가 복원을 하는 살아있는 피부를 배양해 로봇에 씌우는 독특한 연구도 진행되고 있다( '인공 배양 피부' 참조).

인력 부족을 해결하는 수단으로 로봇에 대한 기대는 높아지고 있다. 그리핑 기술의 진화는 로봇의 활약의 장을 확대해나갈 것이 분명하다.

Part 2 ‘파지(Gripping)’의 정점에 도달하는 기술

■ 근접각센서 (Thinker)
수 센티미터 앞을 감지하여 사각지대를 없애고, 적외선으로 투명·반사물도 놓치지 않는다.

근접각 센서는 수 센티미터 이내에 있는 지근 거리의 물체의 형태 및 방향을 높은 정밀도로 검출하는 센서이다. 로봇이 물체를 잡기 직전에 물체의 위치정보를 실시간으로 계속 탐지하는 것이 주요 역할이다. 대상물이 유리와 같은 투명물이나 거울면이 있는 물체도 검출 가능하도록 했다.

■ 시촉각 센서 (FingerVision)
마치 눈이 달린 것과 같은 손끝, 공작물의 미끄러짐을 판별

카메라 영상만을 사용해 사람과 같은 촉각을 재현하는 로봇 핸드가 등장했다. 로봇 벤기업 FingerVision(도쿄)이 개발하고 있는 촉각센싱 기능을 가진 로봇 핸드이다. FingerVision이 강점을 가진 화상 처리 기술을 사용한다. 다관절 로봇과 조합하면 부드러운 식품을 으깨지 않고 잡을 수 있는 시스템 구현을 기대할 수 있다.

■ 토크센서 (오구라클러치)
두부나 포테이토칩도 잡을 수 있어, 홀 소자로 하중 검출

오구라클러치가 개발한 로봇 핸드는 잡는 공작물의 단단함에 따라 파지력을 조절할 수 있어 두부처럼 부드러운 물체도 집을 수 있다. 크기가 다른 부품을 일일이 조정하지 않고 피킹할 수 있다는 것도 특징이다. 포인트는 이 회사가 자체 개발한 자석과 홀 소자를 사용한 DQH형 토크센서이다.

■ 물체인식 AI (에이아이큐브)
리얼한 가짜 이미지를 대량으로 생성, 피킹이나 검사용 AI 구축을 하루만에

인공지능(AI)을 사용하려면 대량의 학습 데이터가 필요하다. 이러한 상식을 뒤집으려 하고 있는 곳이 야스카와덴키(安川電機)의 자회사인 에이아이큐브(도쿄)이다. 에이아이큐브의 AI 솔루션 '알리옴(Alliom)'은 '학습 데이터가 없으면 스스로 만든다'라는 놀라운 접근법으로 AI 보급에 도전하고 있다.

■ 인공 배양 피부 (도쿄대학 다케우치(竹內) 연구팀)
손가락형 로봇을 덮고 있는 살아있는 피부, 사람의 치유력과 외관을 재현

도쿄대학 대학원 정보이공학계 연구과의 다케우치 교수 연구팀은 살아있는 피부를 가진 로봇을 세계 최초로 개발했다. 손가락처럼 휘어지는 로봇에 독자적인 방법으로 사람의 피부세포 유래의 배양 피부를 덮어 씌운 것이다. 작은 상처가 나더라도 사람처럼 스스로 치유가 가능하다.

 -- 끝 --

Copyright © 2020 [Nikkei Monozukuri] / Nikkei Business Publications, Inc. All rights reserved.