로봇으로 발레파킹 서비스를 자동화

미쓰비시중공업, 프랑스 회사와 제휴해 참여

호텔이나 레스토랑 등에서 고객의 차를 시설 측이 맡아 고객을 대신해 스태프가 주차하는 서비스 ‘발레파킹’. 미국과 유럽에서 많이 보급된 발레파킹 서비스를 이동 로봇으로 자동화하는 사업에 미쓰비시중공그룹이 착수했다.

미쓰비시중공업과 기계장치 등을 개발하는 미쓰비시중공기계시스템은 유럽에서 이 서비스를 전개하는 프랑스의 벤처기업 Stanley Robotics와 제휴. 일본 시장에서 이 서비스를 전개할 계획이다.

미쓰비시중공기계시스템은 대규모 빌딩용으로 기계식 주차장 시스템을 납품하고 있다. 다만 요즘은 젊은 층의 자동차 구매 감소와 승차공유 사업이 등장하면서 자동차를 둘러싼 환경이 변화하기 시작했다.

이를 고려해 새로운 사업을 모색하고 있던 참에 Stanley Robotics를 만나게 되었다. Stanley Robotics가 전개하는 로봇을 이용한 자동주차서비스에, 기계식 주차장 사업을 통해 축적한 노하우를 활용할 수 있을 것으로 보고 협업을 하기로 했다.

로봇이 사람을 대신해 자동차를 주차한다고는 하지만 휴머노이드 로봇이 운전석에 앉는 것은 아니다.

2023년 드디어 고체 배터리 출하, 항속 1,000km EV 개발도 추진

전기자동차(EV)용 축전지 시장 확대가 계속 이어지고 있다. 조사업체인 한국의 SNE Research에 따르면 2022년 1~10월의 전세계 출하량 합계는 390.4GWh. 전년 동기의 222.5GWh보다 1.75배 증가되었다. 2022년 통년(通年)으로는 500GWh에 육박하는 규모이다.

이 시장 조사에서 주목해야 할 것은 그동안 중국의 CATL(寧徳時代新能源科技)과 BYD의 그늘에 가려 눈에 띄지 않았던 몇몇 중국 기업들의 급속한 성장이다. CALB(中創新航), Gotion High-tech(國軒高科), Sunwoda Electronic(欣旺達), EVE Energy(億緯鋰能) 등 4개 사는 모두 전년 동기 대비 2배를 크게 넘는 출하량을 달성했다.

1년 후에는 이들 기업의 대다수가 전세계 출하량 탑 10 기업 중 유일하게 출하량을 거의 늘리지 못하고 있는 파나소닉을 앞지를 것으로 보인다.

-- 생산량 확대 타이밍이 좋은 결과로 --
그 중에서도 CALB는 2022년 8~11월, 월간 출하량이 4배 이상 확대되는 등 최근 급증세가 눈에 띈다. CALB의 주력 축전지는 인산철리튬(LFP)계 리튬이온2차전지(LIB). 그 이외의 특징은 잘 알 수 없지만, CALB는 2021년 가을, 배터리 생산량을 연간 100 GWh로 확대하는 것을 결정

새로운 플랫폼이 '도요타 뛰어넘기'의 시금석

결국 저가의 신형 전기자동차(EV) 발표는 없었다. 미국 남부 텍사스주 오스틴의 행사장에 몰려든 투자자들은 어깨를 떨구었고, 온라인 중계를 지켜본 사람들은 한숨을 내쉬었다.

‘기대 밖’이라는 낙인이 찍힌 것은 미국의 테슬라다. 테슬라는 2023년 3월 1일에 투자자를 위한 설명회 ‘2023 Investor Day’를 개최했다. 30년까지 연간 2,000만대의 전기자동차(EV)를 생산한다는 거창한 계획을 달성하기 위한, 저가의 차세대 EV 발표를 모두가 기다리고 있었다.

3시간에 걸친 설명회에서는 베일에 싸인 차세대 EV의 일러스트를 보여주는 데 그쳤다. 여러 모델을 준비하고 있다는 것은 알게 되었다. 설명 종료 후에 질의응답이 30분가량 이어졌지만 구체적인 이미지는 보이지 않았다. 테슬라의 일론 머스크 CEO는 “정식 제품 이벤트는 앞으로 개최할 계획이다”라고 말하며 명확한 답변은 피했다.

2030년까지 연간 2,000만 대의 EV를 생산하기 위해서는 저가의 EV 투입은 필수다. ‘1,000만 대 클럽’의 도요타자동차나 독일 폭스바겐을 뛰어넘기 위한 필수 조건이다. 테슬라가 내세우는 미션인 '세계의 지속 가능 에너지로의 시프트를 가속하는 것’을 달성하는 데도 차세대 EV가 중요한 역할을 담당하는 것은 물론이다.

사이토 건설, Visual Scale개발

사이토건설(홋카이도)은 해안가 소파(消波)블록 등의 시공이 설계대로 진행되고 있는지를 MR(복합현실) 기술로 확인할 수 있는 시스템 ‘Virtual Scale’을 개발했다. 자사에서 사용할 뿐만 아니라 2023년 봄부터 사외 리스도 시작할 예정이다.

Virtual Scale에서는 헬멧에 장착하는 뎁스(깊이) 카메라와 고글로 이루어진 디바이스를 사용한다. 소파블록 설치 공사에서 실제 현장의 이미지에, 설계 데이터에 기반해 설치한 후의 블록의 3차원 모델을 겹쳐 고글로 볼 수 있도록 했다. 3차원 모델을 한꺼번에 겹칠 수 있는 공사 현장의 범위는 폭과 깊이가 각각 10m 이내의 공간이다.

3차원 모델은 반투명하고 분홍색이다. 완성형이 설계에 근거한 설치 범위 내에 들어 있는 블록은 고글에서는 분홍색으로 물들어 보인다. 범위 밖의 블록에는 색이 묻지 않기 때문에 설계에서 벗어난 곳을 알 수 있다. 사이토건설의 사카구치(坂口) 전무는 “분홍색인 이유는 해수면으로부터 반사되는 태양광이 강해도 보기 쉬운 색이기 때문이다”라고 말한다.

-- 조작판은 고글 시야 안에 --
소파블록의 3차원 모델은 완성 시 상태뿐만 아니라 시공 진척에 맞춰 단계적으로 표시할 수 있다.

Adaptive learning

적응형 학습(Adaptive learning)이란 학생의 디지털 교재의 학습 이력 데이터 등을 바탕으로 개개인의 숙달도에 따라 제시하는 연습 문제의 내용을 커스터마이즈하는 방법으로 학습의 질을 높이는 기법이다.

일본의 스타트업 기업인 COMPASS의 디지털 교재 ‘Qubena’ 등 AI(인공지능)를 활용하는 적응형 학습을 지원하는 서비스가 등장하고 있다. 유저가 입력한 정답을 AI가 분석해 오답을 한 문제나 유사한 문제를 반복해서 표시한다.

일본에서는 문부과학성이 18년 6월에 발표한 'Society 5.0을 위한 인재육성~사회가 바뀐다, 학습이 바뀐다~'에서 '당장 착수해야 할 과제' 중 하나로 적응형 학습의 추진을 꼽고 있다.

이후 문부과학성이 19년에 내놓은 GIGA 스쿨 구상에 따라 교육현장의 적응형 학습 환경이 조성되고 있다. 이 구상은 ‘공정하게 개별 최적화된 학습’을 목표로, 학생 1명당 1대의 단말과 학습용 계정을 정비했다. 이를 통해 기존의 학급 단위의 집단 수업뿐만 아니라 학생들이 자신만의 페이스로 학습을 진행하기 쉬워졌다.

특별 소특집 편집 방향

이미지/영상에 의한 실제 공간과 가상 공간에서의 커뮤니케이션과 엔터테인먼트, AI에 의한 이미지 인식, 해석, 처리가 매우 친숙하게 되었다.

여기서 더 중요해지는 것은, 상태가 나쁜 이미지의 변형 부분을 제거하거나 이미지에 포함된 잡음을 제거함으로써 화질을 개선하는 이미지복원/잡음제어기술, 표시된 이미지의 유저 체험 품질을 정량화하는 기술, 입력된 이미지를 아름답고 부드럽게 보여주는 디스플레이 기술, 이미지를 고화질로 포맷 변환(4K→8K 변환, 국제 TV 중계장치에서 유럽(50Hz)↔일본/미국(60Hz) 변환 등)하기 위한 초해상 처리나 프레임 레이트 변환 기술, 화질을 유지한 채 데이터의 양을 대폭 삭감하는 압축부호화 기술 등 이미지와 이미지 서비스의 품질을 높이는 다양한 기술이다.

본 특별 소특집에서는 이미지의 고화질 변환 기술의 최신 동향을 각 전문가들이 해설해 준다. 제1장에서는 이미지복원에서의 해석/합성 시스템의 역할을 중심으로 그 개요, Sparse Modeling과의 관계, Sparse Modeling에서의 사전 지식으로서 신호합성 과정의 역할, 신호합성을 위한 컨볼루션 사전과 그 학습, 해석 알고리즘 속에 나타나는 분석/합성 처리에 주목한 심층 이미지 사전 분포나 심층 루프 전개와의 관계와 그들의 해석성, 설명 가능성에 대해 해설한다.

지역 DX로 지방이 바뀐다

기시다정권의 간판 정책인 ‘디지털 전원도시 국가 구상’. 지난해 6월의 기본방침에 이어 12월에는 종합 전략이 각의에서 결정되어, 다음 단계로 돌입한다. 디지털의 힘으로 지방이 어떻게 변화할 것인지, 디지털 전원도시 국가 구상과 지역 DX의 최전선을 소개한다.

Part 1. 디지털 전원도시 구상의 종합 전략은 – 실현 회의 사무국이 해설
Part 2. 지역 DX인재를 재정의 – 디지털 전원도시 응원단 대표이사에게 듣는다
Part 3. 지속 가능한 지역 DX의 세가지 논점 – 보조금에서 탈피하는 방법
사례 1. 관민 공창으로 DX – 군마현 마에바시시  
사례 2. 행복감을 높이는 거리 – 효고현 가후루가와