로봇 피킹 기술을 활용한 혁신 – 아디티야나그 나게시

사티쉬 슈클라 – 안녕하세요, 청취자 여러분. 로보틱스(Rawbotics)의 새로운 에피소드에 오신 것을 환영합니다. 오늘은 비전 피킹 솔루션 분야를 선도하는 기업 모위토(Mowito)의 공동 창립자 겸 최고 사업 책임자(CBO)이신 아디티야나그(Adityanag) 씨를 모셨습니다. 아디티야나그 씨는 컴퓨터 공학 분야에서 탄탄한 기반을 다지고 있으며, 하드웨어 엔지니어링의 다양한 분야에서 풍부한 경험과 전문 지식을 보유하고 계십니다. 로보틱스 팟캐스트에 오신 것을 환영합니다, 아디티야나그 씨.   

아디티야나그 – 여기 오게 되어 기쁩니다, 사티쉬.   

사티쉬 슈클라 – 아디티야나그, 당신은 소프트웨어 엔지니어 출신인데, 보통 소프트웨어 분야로 진출하는 사람들은 기계공학이나 전기공학, 토목공학 전공자들이잖아요. 그런데 당신은 소프트웨어 엔지니어 출신으로 하드웨어 분야로 진출하셨네요. 어떻게 이런 일이 가능했는지 청취자분들께 이야기해 주시겠어요?  

아디티야나그 – 네, 저는 센사라 테크놀로지스라는 가치 기반 스타트업에서 일하고 있었습니다. TV 및 미디어 분야에서 TV 시청 경험을 향상시키는 액세서리를 개발하는 회사였죠. 모바일에 TV 가이드를 설치해서 현재 채널에서 어떤 프로그램이 방영 중인지 확인하고 TV 리모컨으로 채널을 바꿀 수 있는 앱을 만들었습니다. 그런데 사용자들로부터 리모컨으로 바로 채널을 바꿀 수 있는 방법이 필요하다는 의견을 들었습니다. 그래서 TV를 조작하거나 설정할 필요 없이 모바일에서 바로 채널을 바꿀 수 있는 액세서리를 어떻게 만들 수 있을까 고민하기 시작했습니다. 그 과정에서 5년 동안 5가지 제품을 개발했고, 샤오미, 에어텔, 파나소닉 등 여러 회사와 협력하여 50만 대 이상의 하드웨어를 판매했습니다. 그렇게 하드웨어 업계에 발을 들여놓게 되었습니다.   

사티쉬 슈클라 – 네, 흥미로운 여정이네요. 하드웨어에서 비전 피킹, 그리고 모위토까지, 어떻게 그런 변화가 일어났나요?   

아디티야나그 – 제가 푸루를 만난 건 2020년 중반이었어요. (코로나19 팬데믹 시기였죠.) 네, 코로나19 시기였는데, 주요 신문에 구루가 하는 일에 대한 기사가 실렸어요. 푸루는 미국에서 공부하고 일하다가 인도로 돌아와 AMR(자율 이동 로봇)용 내비게이션 소프트웨어를 개발하고 있었죠. 그 기사를 읽고 갑자기 푸루에게 연락을 하게 됐어요. 몇 달 동안 이야기를 나누면서 '나도 이 일에 참여해야겠다'는 생각이 들었죠. 그렇게 해서 함께하게 되었고, 모비토를 시작하게 됐습니다. 그렇게 시작된 거예요. 모비토에 합류한 후에는 다양한 분야의 여러 창고를 방문하기 시작했어요. 식료품, 패션 , 보석 등 종류를 가리지 않고 20개가 넘는 창고를 방문했죠. 그리고 모든 종류의 창고에서 피킹 작업이 매우 반복적이라는 걸 알게 됐어요. 크게 두 가지 동작으로 이루어져 있었죠. 하나는 창고를 돌아다니는 거고, 다른 하나는 실제로 선반이나 상자에서 물건을 꺼내는 거였어요. 하지만 동시에 깨달은 것은 피킹 기술이 아직 초기 단계라는 점이었습니다. 물론 피킹을 과대평가하는 몇몇 회사와 Right Hand Robotics처럼 피킹 분야에 진지하게 뛰어든 회사들이 있긴 합니다. 하지만 AI 기술 자체가 그리 오래되지 않았고, 피킹 기술 자체도 아직 초기 단계였다는 점을 고려하면, 우리는 비전 기반 피킹에 투자하게 되었고, 그 안에서 기회를 포착했습니다.   

사티쉬 슈클라 - 신문 기사를 읽고 누군가에게 연락을 취하다니 정말 용감하시네요. 누구나 그렇게 하지는 못하죠. 하지만 회사를 설립하려면 분명 다양한 종류의 용기, 특히 약간의 대담함이 필요할 겁니다.   

아디티야나그 – 네, 네. 정말 잘 풀려서 놀랐어요.   

사티쉬 슈클라 – 네, 모든 게 잘 풀려서 정말 다행입니다. 다시 창고 이야기로 돌아와서, 창고에는 반복적이고 지루하고 더럽고 위험한 작업들이 많은데, 이런 작업들을 자동화해야 합니다. 애드버브(Addverb)를 비롯한 많은 회사들이 자동화 사업을 하고 있죠. 네. 이미 피킹 로봇이 있다고 할 수 있겠네요. 네, 무거운 팔레트를 적재하는 관절형 로봇이 있습니다. 용접 작업에도 사용되고요. 그리고 피킹 로봇 중에는 픽앤플레이스(pick and place) 작업을 하는 스카라(SCARA) 로봇도 있습니다. 네. 그럼 청취자분들께 비전 기술이 이러한 피킹 작업에 어떤 변화를 가져오는지, 그리고 애드버브는 이 분야에서 어떤 역할을 하는지 설명해 주시겠어요?   

아디티야나그 – 네. 제조업계에서는 아주 오래전부터 로봇 팔을 사용해 왔죠. 특히 자동차 산업에서요. 네, 맞습니다. 마루티의 조립 라인을 보면 로봇이 엄청나게 많을 겁니다. (네) 하지만 지금까지 대부분의 로봇은 A 지점에서 B 지점으로 이동하는 것과 같은 특정 작업에만 프로그래밍되어 있었습니다. 그 활용 범위가 확장되지는 않았죠. 로봇은 그저 한 지점에서 다른 지점으로 이동하고, 간단한 작업을 수행하고, 다시 원래 위치로 돌아오는 하드웨어 도구로만 사용되었기 때문입니다. 주변 환경을 인지하지 못했고, 그 이상의 일을 하지 못했습니다. 그리고 우리 주변의 세상을 생각해 보세요. 세상은 결코 지시자가 아닙니다. 선반이나 옷장, 창고에 물건들이 어지럽게 쌓여 있지 않잖아요. 물건들이 항상 가지런히 쌓여 있는 경우는 거의 없죠. (그리고 전자상거래나 식료품점에서는 SKU가 1만 개에서 1만 2천 개 이상이잖아요.) 네, 맞아요. 사실 그보다 훨씬 더 많죠. 전자상거래만 해도 수백만 개에 달해요. 맞습니다. 세상은 정형화되어 있지 않아요. 로봇이 항상 A에서 B로 이동하는 것처럼 모든 걸 처리해 줄 수는 없죠. 필요한 건 더 넓은 목표를 추구할 수 있는 지능이에요. 그리고 그에 맞는 시각과 조작 능력을 갖춰야 하죠. 물건을 집는 과정에서도, 어떤 종류의 물건을 집는지, 어디에서 집는지, 어떤 도구를 사용하는지 등을 고려해야 해요. 진열대, 선반, 상자, 팔레트 등 다양한 곳에서 물건을 집어야 하죠. 물론 과일이나 채소만 집는 경우도 있고, 화장품이나 보석류를 집는 경우도 있으니까요. 이것은 주변의 물체인데, 정사각형이거나 직육면체입니다. 그렇다면 이 물체에 맞는 그리퍼는 무엇일까요? 흡착식 그리퍼일까요? 아니면 두 손가락으로 잡는 그리퍼일까요? 이러한 모든 사용 사례를 종합적으로 고려해 보면, 하나씩 따로 해결할 수는 없습니다. (하나씩 따로 해결할 수 없다는 게 무슨 뜻인가요?) 제 말은, 이러한 솔루션의 기본 아키텍처는 시간이 지남에 따라 이러한 사용 사례에 맞춰 확장될 수 있어야 한다는 것입니다. 그리고 하나씩 다시 설계할 수는 없습니다. (즉, 데이터 세트가 증가하더라도 아키텍처의 크기는 그대로 유지되면서 원하는 처리량을 제공할 수 있어야 한다는 뜻입니다.) 네, 맞습니다. 그리고 모든 것을 처음부터 다시 설계할 필요도 없습니다. 이러한 이유들 때문에, 저희는 무엇을 집어야 하는지, 어떻게 집어야 가장 좋은지 등을 파악하는 지능적인 계층을 구축하여, 빈 피킹 자체를 더욱 정교하게 구현하는 데 집중해 왔습니다. 그러니까, 쓰레기통을 보면 2차원 이미지가 나옵니다. 깊이 카메라를 사용해서 깊이 정보도 얻을 수 있죠. 하지만 그 이미지에서 쓰레기통 안팎에 있는 물건들의 위치를 ​​파악하고, 어떤 물건을 집는 게 가장 좋을지 결정해야 합니다. 예를 들어 10개의 물건이 있다면, 집기 쉬운 순서대로 순위를 매겨야 합니다. 가장 쉽게 집을 수 있는 물건을 고르는 거죠. 그리고 그 물건 하나에서도 최적의 집게 지점을 찾아야 합니다. 어떤 물건은 흡착판이 닿지 않는 부분이 있을 수 있습니다. 그 부분에는 흡착판이 제대로 붙지 않거든요. 그래서 물건을 가장 잘 집을 수 있는 지점을 찾아야 합니다.   

사티쉬 슈클라 – 네, 그건 정말 중요해요. 제품을 손상시키면 안 되죠.   

아디티야나그 – 맞습니다. 그리고 그 위에 지능을 적용하는 레이어가 있습니다. 예를 들어 식료품점에서 누군가는 이미 상한 품목은 집고 싶지 않다고 말할 수 있습니다. 과일과 채소를 집는 경우, 토마토에는 같은 흡입 압력을 가하면 으스러질 수 있습니다. 사람이 하는 것처럼 모든 품목을 처리할 수 있도록 지능을 갖춰야 합니다. 계란을 집는 방법과 토마토를 집는 방법을 사람이 어떻게 다른지 아는 것처럼 말이죠. 어떻게 기계에 그런 지능을 부여할 수 있을까요?   

사티쉬 슈클라 – 그러니까, 비전 시스템을 통해 우리는 인공지능처럼 작동할 겁니다. 기본적으로 로봇도 인간처럼 보고 판단할 수 있게 되는 거죠. 물론 인간에게는 보고 판단하는 게 훨씬 더 어렵겠지만요. 따라서 여러분은 다양한 종류의 주방용품 수리도 설계하게 될 겁니다.   

아디티야나그 – 네, 그럴 겁니다. 저희는 흡착식 그리퍼를 사용하고 있는데, 이는 저희가 목표로 하는 창고 작업, 특히 빈 피킹 작업에서 매우 효과적으로 작동하고 있습니다. 하지만 앞으로는 다양한 용도에 맞는 여러 종류의 그리퍼가 필요할 수도 있다고 생각하고 있으며, 시장성이 없다면 그에 맞는 그리퍼를 개발해야 할 것입니다.    

사티쉬 슈클라 – 객체 지향 프로그래밍은 각각 수정이 매우 어렵다고들 했죠. (네, 좋습니다. 아주 좋습니다. 그렇다면 이 솔루션을 개발하는 과정에서 얻은 교훈이나 깨달음의 순간이 있다면 청중과 공유해 주시겠어요?)   

아디티야나그 – 네, 이 모든 게 아주 쉬워 보이죠? 우리가 일상생활에서 접하는 물건들의 종류는 정말 다양합니다. 우리는 그걸 잘 인식하지 못하는 것 같아요. 명함을 고르는 방식, 바늘을 고르는 방식, 무거운 밀가루 포대를 고르는 방식은 모두 다릅니다. 그래서 저희가 권장하는 것 중 하나는 다크 스토어에서 처리해야 할 SKU가 5,000개, 6,000개에 달한다고 해도 모든 사람이 모든 것을 처리할 수 있는 수준에 도달하기는 매우 어렵다는 겁니다. 네. 레스큐 시장은 엄청나게 크죠. 모든 것을 처리하는 방법을 개선한다고 해도, 특정 품목을 처리하는 데 필요한 전문성은 200g짜리 습기 찬 품목을 처리하는 것과는 완전히 다릅니다. (정확합니다.) 그래서 모든 것을 한 사람이 쉽게 처리할 수는 없습니다. 네. 맞습니다. 같은 피커가 모든 것을 처리할 수 있는 상황은 불가능합니다. 그래서 저희가 얻은 가장 큰 교훈은 로봇 피킹을 보편화하여 모든 SKU를 포괄하고 모든 창고에서 보편적으로 사용할 수 있도록 만드는 것이었습니다. 아직 갈 길이 멀고 험난합니다.  

사티쉬 슈클라 – 알겠습니다. 로봇에 지능을 탑재할 건가요, 아니면 클라우드에 구축할 건가요? 그리고 그걸 어떻게 관리할 수 있을까요?   

아디티야나그 – 그러니까 저희 시스템은 로봇과 완전히 독립적으로 설계되었다는 말씀이시죠? 네, 이미 개발하신 애플리케이션을 기반으로 하고 있습니다. 하드웨어에 구애받지 않는다는 뜻이고요. 네, 완벽한 하드웨어 진단 기능을 갖추고 있습니다. 저희는 인터뷰어센스(InterviewerSense)를 사용하는데, 이는 고가의 비전 장비도 아니고 쉽게 구할 수 있는 제품입니다. 기존의 성숙한 하드웨어 기술을 활용해서 어디까지 구현할 수 있는지 살펴보는 것이 저희의 핵심 아이디어였습니다.   

사티쉬 슈클라 – 알겠습니다. 그럼, 언제부터 로봇에 지능을 부여해서 이런 비전 시스템을 사용하게 되셨나요? 인간과 비전 기능을 갖춘 로봇이 함께 일하는 것이 더 쉬워질 거라고 생각하시나요? 그런 활용 사례가 있으신가요?   

아디티야나그 – 현재로서는 사람과 로봇이 나란히 작업하는 사례는 많지 않습니다. 하지만 협동 로봇이 발전하고 가격이 저렴해짐에 따라 그런 사례가 많아질 것으로 예상합니다. 협동 로봇은 말 그대로 협업 로봇을 뜻하는 거죠? 네, 맞습니다. 협업 로봇입니다. 예를 들어 화장품 포장 작업을 생각해 보세요. 사람이 상자를 만들면 로봇이 자동으로 포장된 상자를 확인하고 작업 과정을 지켜볼 수 있습니다. 이렇게 하면 생산성을 높이고 사람의 작업 부담을 줄일 수 있습니다. 네. 앞으로 이러한 활용 사례들을 더 많이 개발할 수 있을 겁니다. 어떤 상자는 로봇이 다루기 더 어려울 수도 있잖아요. 로봇은 더 정교한 기술을 필요로 하니까요. 따라서 사람은 로봇의 도움을 받으면서, 로봇은 상자에 제품을 넣고 컨베이어 벨트로 다시 보내는 방식으로 협업할 수 있습니다. 이러한 활용 사례들을 앞으로 계속해서 연구해 나갈 것입니다.   

사티쉬 슈클라 – 네. 이미 많은 제품들이 A 지점에서 B 지점으로 이동하는 과정은 자동화되어 있지만, 제품 피킹은 앞으로 더 많은 혁신이 필요한 분야라고 말씀드렸죠. 네. 현재 창고에서 피킹 작업은 인력이 많이 투입되는 작업이니까요. 네. 비전 솔루션 개발을 통해 얻은 경험과 전문성을 바탕으로 로봇을 지능화하는 데 어떤 제품을 개발하고 싶으신가요? 또는 미래를 위한 로드맵은 어떻게 구상하고 계신가요?   

아디티야나그 – 제 생각에 핵심은 얼마나 빨리, 그리고 무엇을 할 것인가 하는 점입니다. 여기서 가장 중요한 것은, 제가 어떤 동작을 하고 있다고 가정해 봅시다. 카메라가 이미 학습을 마치고 똑같은 동작을 반복하도록 지시하고 있는 것입니다. 네. 만약 그런 단계에 도달할 수 있다면, 이러한 솔루션을 얼마나 빠르게 배포할 수 있을지 엄청나게 빨라질 것입니다. 하드웨어 비용은 계속해서 감소할 것이라고 생각합니다. 로봇 팔을 더 많이 사용하게 될수록 비용은 줄어들겠지만, 모든 것을 훈련시키는 데 몇 달씩 걸리는 것은 바람직하지 않습니다. 따라서 실제 사람과 상호작용하는 것처럼 동작을 복제할 수 있도록 로봇 팔에 지능을 얼마나 빨리 부여할 수 있느냐가 중요합니다. 바로 그 부분이 저희 연구 개발의 핵심이라고 생각합니다.   

사티쉬 슈클라 – 좋습니다. 흥미로운 질문이네요. 저희 방송에는 다양한 공과대학에서 오신 청취자분들이 많이 계십니다. 네. 그리고 이 분야는 많은 학생들이 실무 경험이나 프로젝트를 하고 싶어하는 분야입니다. 이미지 비전 분야에서 오랜 경력을 쌓으셨으니, 누군가 프로젝트를 하거나 이 분야를 배우고 싶어할 때 어떤 팁이나 노하우를 공유해주시겠어요?   

아디티야나그 – 요즘 저희가 이야기를 나눠본 졸업생들 대부분은 이미 많은 프로젝트를 진행하고 있습니다. 모두 최소한 F1 레이싱 팀에는 참여하고 있고요. 요즘 대학에 로봇 동아리가 없는 곳은 찾기 힘들 정도입니다. 이미 프로젝트를 진행하고 있다는 것 자체가 훌륭한 출발점이죠. 그러니 대학이나 학교에 있는 동아리에 최대한 많이 참여해서 직접 경험해 보세요. 저는 '만들고 부수는' 정신이 중요하다고 생각합니다. 초기에 무언가를 만들고 부수는 경험을 쌓는 것이 좋습니다. 그래야 나중에 실제로 무언가를 시작할 때, 조립하는 방법이나 첫 번째 프로토타입을 만드는 방법 등 기본적인 기술을 이미 갖추고 있을 수 있습니다. 프로그래밍은 학교에서 배우는 경우가 많지만, 우리가 더 장려해야 할 것은 바로 '만드는 사람'의 자세라고 생각합니다. 사람들이 무언가를 만들려고 노력하고, 그것이 제대로 작동하지 않을 거라는 걱정 없이 시도한다면, 우리는 크게 발전할 것이고 더 많은 기업들이 이러한 문제들을 해결하려고 노력하는 모습을 보게 될 거라고 생각합니다.  

사티쉬 슈클라 - 정말 맞는 말씀입니다. 그렇다면 모든 기업가분들께, 특히 로봇 회사를 창업하려는 분들에게, 여러분의 경험을 바탕으로 얻은 교훈을 공유해 주시겠어요 ? 어떤 조언들을 해주시면 좋을까요?   

아디티야나그 – 인내심. 우선, 인내심이 가장 중요합니다. 다른 스타트업 분야보다 훨씬 긴 여정이라고 생각합니다. 무엇보다도 여러 분야가 융합되어 있기 때문입니다. 기계 공학, 전기 공학, 소프트웨어 등 모든 분야의 전문가를 모아야 합니다. 퍼즐 조각들을 모두 맞춰야 하는데, 시간이 걸립니다. 이것이 첫 번째 포인트입니다. 제품에 대해서는, 어쩌면 제 특이한 점이라고 할 수도 있겠지만, 제품을 차 뒷좌석에 싣고 고객에게 시연할 수 있다면 정말 좋을 겁니다. 저희 제품이 그런 경우에 해당하는지는 모르겠지만, 예를 들어 바닥 청소 용액을 만든다면, 차 뒷좌석에 싣고 시연할 수 있겠죠. 시연의 용이성, 즉 시연이 간편할수록 초기 계약을 성사시키고 고객의 승인을 얻는 데 큰 도움이 된다고 생각합니다. 고객을 직접 회사로 불러 시연하는 것보다 훨씬 효율적이죠. 또 하나는 통합입니다. 그럼, 시스템의 일부가 이미 갖춰져 있어야 하는 건가요? (네.) 사용하는 소프트웨어 스택과 빠르게 통합해야 하는 건가요? 이런 식으로 전체 개발 과정을 표현하는 거죠. 제가 배운 것 중 하나입니다. 그리고 기술력 면에서도, 다른 엔지니어들과 소통해야 하고, 실제로 무언가를 만들어 본 경험이 있는 사람들을 찾아야 합니다. 

사티쉬 슈클라 – 정말 흥미로운 말씀이었습니다. 네. 그럼 좀 가벼운 이야기로 마무리해 볼까요? 제가 이해한 바로는, 로봇이 시각 시스템을 통해 일종의 눈을 얻어 다리 주변을 볼 수 있는 거죠. 맞나요? 그렇다면 이 로봇의 지능을 활용하면 언젠가 인간의 짝을 고르는 데 도움을 줄 수 있을 거라고 기대하시나요?  

아디티야나그 – 제 생각엔 지금으로서는 그 일은 인간에게 맡기는 게 가장 좋을 것 같아요. 위험을 감수하고 싶진 않아요. 하지만 요즘엔 데이트 사이트들이 그 역할을 대신하고 있죠. 로봇을 투입할 수도 있지 않을까요? 

아디티야나그 – 사람의 검증 없이는 안 되죠. 날짜까지는 알려주지만 그 이상은 안 돼요. 일단은 이쯤에서 마무리하는 게 좋을 것 같아요. 그리고 공장 시스템이나 실시간 처리 같은 걸로 문제를 해결하는 게 낫겠네요. 아, 고마워요. 네. 알겠습니다. 아무도 평생 욕만 하지는 않겠죠.  

사티쉬 슈클라 - 정말 맞는 말씀입니다. 감사합니다. 시간 내주셔서 정말 감사했습니다. 당신과의 대화는 정말 즐거웠습니다.  

아디티야나그 - 초대해 주셔서 정말 감사합니다.  

사티쉬 슈클라 - 감사합니다.