[정보통신신문=서유덕기자]

로봇은 인간의 다양한 기능을 모방, 인력을 보조하거나 대체한다. 특히 제조·물류 현장에서 인간을 대신해 제품을 제조하고 옮기거나, 일상생활에서 배송·서빙·안내 등을 대신 수행해 부족한 노동력을 보충하고 인건비를 절감하는 산업용 로봇과 서비스 로봇이 각광받고 있다. 로봇 시장을 급성장 궤도에 올려놓은 일등 공신은 초고속 통신과 클라우드 같은 정보통신기술(ICT)이다. 첨단 ICT는 로봇을 고도화해 도입과 관리에 드는 비용을 현실화하고 안전성과 성능을 상용화 수준으로 끌어올린다.

최근 5세대 이동통신(5G)과 인공지능(AI) 등 첨단 ICT는 협동 로봇과 물류·서빙·조리 로봇을 확산시켰다. 과거 로봇이 자동차·전자 등 제조 산업에 한정해 일부 작업을 보조하는 수준에 머물렀던 것과 달리, 최근 확산하는 협동·서비스 로봇은 최신 기술로 무장함으로써 정확하고 세밀하며 활용 범위가 넓어져 인간 삶의 질을 향상하고 더 많은 부가가치를 창출하고 있다. 특히 외부환경을 인식하고, 스스로 상황을 판단해 자율적으로 동작하는 지능형 로봇은 단순 반복 동작을 넘어서는 차세대 로봇으로 주목받는다.

이런 지능형 로봇은 5G·클라우드 인프라와 AI 기술의 뒷받침 덕분에 구현된다. 그러므로 지능형 로봇이 인력을 완전히 대체할 만큼 성숙해지도록, 이 기반 기술을 발전시켜야 할 필요가 있다. ICT 업계는 더 나은 로봇을 구현하기 위해 5G와 클라우드 인프라, AI 기술의 진보를 이뤄나가고 있다.

5G·AI 기반 지능형 로봇 R&D 활발

5G·AI 기술 개발에 속도가 붙으며 차세대 로봇 구현에 대한 기대감이 증가하고 있다. 국내 통신 3사는 차세대 로봇을 위한 5G 인프라를 확대하고 서비스 로봇을 개발하는 데 힘쓰고 있다.
SK텔레콤은 지난달 7일 아마존웹서비스(AWS)와 협력해 서울에 국내 두 번째 ‘5GX 에지존’을 구축했다.

5GX 에지존은 SKT 5G 모바일에지컴퓨팅(MEC)과 AWS 웨이브렝스가 구축된 거점으로, 5G와 클라우드가 만나는 최단 경로에 위치해 네트워크 지연을 최소화할 수 있도록 돕는다.

AWS 웨이브렝스는 5G 네트워크에서 AWS 컴퓨팅·스토리지 서비스를 포함, 낮은 대기 시간의 애플리케이션 개발·배포·확장을 지원하는 MEC 인프라 제공 서비스다. 이 5GX 에지존에서는 저지연 통신의 특장점을 활용, 차세대 로봇 서비스를 제공할 수 있다.

또 5GX 에지존에 위치한 ‘5G 에지 클라우드’에 접속하면 AWS와 같은 개발 환경에서 초저지연 애플리케이션을 구현할 수 있다.

SK텔레콤은 지난해 5G와 AI를 결합한 안내·방역 복합로봇을 개발, 용인세브란스병원에서 상용화했다. LG유플러스도 GS건설과 5G로 원격 제어하는 로봇을 도로 공사 현장에서 실증하는 데 성공했다. KT는 2020년 현대로보틱스와 함께 스마트공장을 위한 5G 기반 협동 로봇을 개발한 바 있다.

네이버·카카오 등 빅테크 기업도 ICT 연구·개발(R&D) 역량을 활용해 지능형 로봇을 선보였고, 관련 기술 상용화를 준비하고 있다.

네이버는 이음 5G(특화망)를 도입한 제2사옥 ‘1784’에서 자율주행 서비스 로봇을 운용한다. 직원 업무를 돕고 복지를 증진하는 이 서비스 로봇은 일명 ‘브레인리스 로봇’으로, 클라우드 컴퓨팅과 이음 5G에 기반해 임무 수행에 필요한 데이터를 중앙 컴퓨터로부터 내려받아 동작한다.

카카오는 자율주행 물류 로봇 서비스를 위한 플랫폼을 준비하고 있다. 최근 카카오모빌리티는 LG전자와 자율주행 로봇 배송 실증을 위한 협력을 발표했으며, 지난달에는 자율주행 배송 기술 스타트업인 뉴빌리티와 업무협약을 맺었다. 카카오모빌리티는 아파트단지와 리조트 등에서 제공 가능한 자율주행로봇 배송 서비스를 개발, 연내 상용화할 계획이다.

업계의 관심이 보여주듯, 로봇 시장은 협동 로봇과 물류 등 서비스 로봇을 중심으로 향후 10년간 가파른 성장세를 보일 전망이다. 그리고 이 성장세의 추이는 5G와 클라우드, AI 같은 기반 기술·인프라의 성숙도와 보급률에 좌우될 것이다.

5G·클라우드, 로봇 대중화 바로미터

통신은 차세대 로봇의 필수 인프라다. 인간이 타인 및 주변 환경과 끊임없는 소통을 통해 정보를 습득하고 상황 판단의 근거로 삼듯, 인간을 모방하는 로봇도 인간이나 다른 로봇, 주변 환경과 정확하고 빠르게 통신할 수 있어야 한다. 통신 기술은 로봇이 인간을 대체해 인간답게 동작하는, 로봇 사용자의 만족도를 높이는 데 직결되는 요소다.

지난 2019년 우리나라가 세계 최초로 상용화한 5G는 차세대 로봇을 완성할 핵심 기반으로 꼽힌다. 5G는 고주파수 대역을 활용하고 빔포빙과 다중입출력(MIMO) 등 최신 통신 기술로 무장해 초고속·초저지연·초연결을 구현한다. 4세대 이동통신(4G) 기술인 롱텀에볼루션(LTE) 대비 최대 전송 속도가 20배 빠르고, 지연 속도는 10분의 1 수준이며, 1제곱킬로미터(㎢) 반경 안에서 최대 100만대에 이르는 단말이 동시에 접속할 수 있다.

일명 ‘3초’라고 불리는 5G의 핵심 특징 중에서도 로봇 혁신의 열쇠는 ‘저지연’이다. 원격 조작 로봇을 예로 들면, 5G는 인간 명령에 따른 로봇 원격 제어를 가능하게 한다.

원격 조작 로봇은 인간의 명령에 지연 없이 즉각적으로 반응해야 세밀한 작업을 수행할 수 있다. 그러므로 1밀리초(㎳)에 불과한 저지연 성능을 갖춘 5G가 원격 조작 로봇의 성능을 대폭 개선할 것으로 기대된다. 이를 통해 공장 등 제조시설뿐 아니라 일상생활처럼 비정형 요소가 많은 환경에서도 로봇 도입 장벽이 낮아지고, 원격 조작 로봇을 통해 수집한 작업 데이터를 바탕으로 완전 지능화 로봇 개발 기반을 다질 수 있을 것이다.

원격 조작 로봇은 완전 지능화·무인화 로봇 이전 단계에 해당하는 기술이다. 아직 로봇의 지능화 수준이 작업을 스스로 수행하기에는 부족하지만, 저지연 통신을 활용해 인간의 명령과 제어에 즉각 반응하도록 고도화하면 완성도 높은 작업을 해낼 수 있어 활용 가치가 크다.

한편 로봇의 활용 범위를 확장하는 클라우드는 5G와 함께 차세대 로봇의 필수 인프라로 꼽힌다. 네트워크를 거쳐 클라우드 컴퓨터 자원을 서비스 형태로 단말에 제공하면 로봇의 효율을 높일 수 있기 때문이다. 지능형 로봇의 대규모 데이터 처리와 AI 알고리즘 수행을 클라우드 컴퓨팅으로 해결한다면 로봇 안에 고성능 마이크로컨트롤러(MCU)와 신경망처리장치(NPU), 저장장치 등을 탑재할 필요가 없다. 즉 브레인리스 지능화 로봇을 만들 수 있다.

별도의 데이터 연산이나 저장 작업이 필요치 않은 브레인리스 로봇은 전력 소모량을 낮추는 데도 유리하다. 네이버랩스에 따르면, 자율주행 로봇에서 메인 컴퓨터의 에너지 소비 비중은 최대 40%에 이른다. 만약 메인 컴퓨터가 해결해야 할 데이터 처리를 클라우드 컴퓨팅으로 해결한다면 그만큼 배터리를 오래 사용할 수 있다.

또 클라우드와 연결하면 무선 업데이트(OTA)를 통해 수월하게 성능을 개선하고 기능을 추가할 수도 있다. 결과적으로 초기 로봇 도입과 유지·관리에 드는 비용을 줄인다.

차세대 로봇을 위한 AI 기술 주목

차세대 지능형 로봇을 획기적으로 성장시킬 수 있도록 현 AI의 한계를 극복하는 기술 또한 주목받고 있다.

AI가 스스로 데이터를 통해 학습하게 하는 기계학습(ML)이 개발되면서 AI 확산에 속도가 붙었다. △데이터에 내재한 법칙성을 통계적 수법으로 분석하고 확률로 나타내는 ‘통계확률론적 접근법’과 △인간의 뇌 신경 활동을 모방한 인공신경망(Neural Network)을 활용해 데이터를 처리하는 ‘심층학습(Deep Learning)’ 덕분에 인간의 수작업으로는 감당할 수 없는 방대한 규모의 데이터를 처리, 학습하면서 AI 알고리즘은 개량을 거듭해나간다.

기계학습으로 개발된 고성능 AI 엔진은 로봇에 탑재돼 영상·음성 인식과 이상 상황 감지·예측, 주행 경로 생성, 동작 제어 등을 수행하고 있다.

그러나 여전히 차세대 로봇에 사용하기에는 현재의 AI도 한계가 있다. 학습 데이터가 충분하지 않으면 AI 성능 확보가 어렵고, 학습 데이터의 질이 떨어져 편향적인 결과값이 도출되면 로봇이 작업을 잘못 수행하거나 실수하게 되기 때문이다.

예를 들어, 공장에서 비전 시스템을 활용해 제품 결함을 확인하는 작업을 지능형 로봇으로 수행할 때 결함 데이터가 충분하지 않거나 예측할 수 없는 결함 유형이 발생하면 AI 엔진의 판단에 오류가 생긴다. 따라서 차세대 로봇을 구현하려면 AI 고도화를 위해 충분한 양질의 데이터를 확보해야 한다.

또한 학습으로 습득한 지능을 다양한 환경에서 폭넓게 활용할 수 있는 범용성을 갖추는 것도 필요하다. 그래야 인간처럼 데이터에 내재한 인과관계를 이해하고, 처음 접하는 상황에서도 문제를 해결할 수 있을 것이다.

그러나 양질의 데이터를 무작정 수집하기란 쉽지 않은 일이다. 이에 차세대 로봇에 탑재할 AI 개발을 위해 데이터가 부족해도 역량을 기를 수 있는 대안 기술이 등장하고 있다.

△최소한의 데이터만으로 스스로 규칙을 찾아 분석하는 ‘자기지도학습’ △두 개의 신경망 모델이 서로 경쟁하면서 더 나은 결괏값을 도출하는 ‘적대적 생성 신경망’ △특정 분야에서 학습된 신경망의 일부 능력을 새로운 분야에서 사용되는 신경망의 학습에 활용하는 ‘전이학습’이 그것이다.

서유덕 기자 다른기사 보기