아마존, 촉각 기능 갖춘 첫 로봇 ‘벌칸’ 공개… 물류 센터 혁신 이끈다

아마존(Amazon)이 촉각 기능을 갖춘 첫 로봇 ‘벌칸(Vulcan)’을 공개했다. 로봇공학, 엔지니어링, 물리적 AI 기술의 발전을 기반으로 개발된 이 로봇은 작업자의 업무를 더 쉽고 안전하게 만들면서 주문 처리 효율성을 높이는 데 기여할 전망이다.

아마존 뉴스에 따르면, 7일(현지 시간) 독일 도르트문트에서 열린 ‘딜리버링 더 퓨처(Delivering the Future)’ 행사에서 아마존은 촉각을 갖춘 첫 로봇 ‘벌칸’을 선보였다. 아론 파니스(Aaron Parness) 아마존 응용과학 디렉터는 “과거 산업용 로봇들은 예상치 못한 접촉이 발생하면 긴급 정지하거나 그 접촉을 무시하고 작업을 진행했다. 대부분 감지 능력이 없어 무언가에 부딪혔다는 사실조차 인식하지 못했다”고 설명했다.

벌칸은 이러한 문제를 해결하여 로봇공학의 근본적인 도약을 이루어냈다고 파니스 디렉터는 강조했다. “벌칸은 단순히 세상을 보는 것이 아니라 느끼는 것이 가능해, 지금까지 아마존 로봇에게 불가능했던 능력을 발휘할 수 있게 됐다.” 워싱턴주 스포캔에 위치한 물류센터(GEG1)의 일선 직원 카리 프레이타스 하디(Kari Freitas Hardy)는 “벌칸과 함께 작업하면서 물품 선별과 보관이 훨씬 쉬워졌다”며 “많은 동료들이 새로운 직무 기술을 습득하고 기술 관련 역할을 맡게 된 것을 보는 것이 좋다”고 말했다.

벌칸은 아마존의 첫 물품 선별 로봇은 아니다. 이미 스패로우(Sparrow), 카디널(Cardinal), 로빈(Robin) 시스템이 컴퓨터 비전과 흡입 컵을 사용해 개별 제품이나 패키지를 이동시키고 있으며, 프로테우스(Proteus), 타이탄(Titan), 헤라클레스(Hercules)는 물류센터 내에서 상품 카트를 들어 올리고 운반한다. 그러나 벌칸은 촉각—즉, 물체와 접촉했을 때 이를 인식하고 이해하는 능력—을 통해 아마존의 물류 작업과 시설을 개선하는 새로운 방법을 제시한다.

아마존 물류센터에서는 약 30cm(1피트) 정사각형의 구획으로 나뉜 천 소재의 보관함에 재고를 보관한다. 각 구획에는 평균 10개의 물품이 들어가는데, 촉각이 없는 로봇이 이러한 복잡한 공간에서 물품을 넣거나 꺼내는 작업은 지금까지 매우 어려웠다. 벌칸은 인간과 유사한 섬세함을 가진 첫 로봇이다. 접촉 시점과 가해지는 힘을 인식할 수 있어 손상 없이 물품을 조작할 수 있다. 벌칸은 ‘헤어 스트레이트너에 붙은 자’와 비슷한 ‘로봇 팔 도구’와 힘 피드백 센서를 사용해 얼마나 세게 밀거나 물건을 잡고 있는지 인식한다.

아마존이 이 기술을 개발한 주요 목적은 효율성뿐만 아니라 작업자의 안전과 인체공학적 편의성을 향상시키기 위함이다. 워싱턴주 스포캔과 독일 함부르크의 물류센터에서 벌칸은 재고 보관함의 상단 열, 약 2.4m(8피트) 높이에 있는 물품을 주로 선별하고 보관한다. 이 높이는 일반적으로 직원이 사다리를 사용해 접근해야 하는데, 이는 시간이 많이 걸리고 피로를 유발하며 허리 높이에서 작업하는 것보다 인체공학적으로 불리하다. 벌칸은 또한 바닥 근처에 보관된 물품도 처리하므로 직원들은 가장 편안한 위치에서 작업할 수 있다. 파니스 디렉터는 “벌칸은 직원들과 함께 일하며, 이 조합은 어느 한쪽만 일할 때보다 더 나은 결과를 가져온다”고 말했다.

지난 12년 동안 아마존은 75만 대 이상의 로봇을 물류센터에 배치했으며, 이 모든 로봇은 직원들이 안전하고 효율적으로 일할 수 있도록 물류 과정의 육체적으로 힘든 부분을 담당하도록 설계되었다. 이러한 로봇들은 고객 주문의 75%를 처리하는 데 관여하며, 로봇 바닥 모니터링 담당자부터 현장 유지보수 엔지니어까지 수백 개의 새로운 직종을 아마존에 창출했다.

벌칸은 자신의 실패로부터도 학습하여 다양한 물체가 접촉했을 때 어떻게 반응하는지 파악하고 물리적 세계에 대한 이해를 점진적으로 구축한다. 이는 마치 아이들이 세상을 배우는 방식과 유사하다. 아마존은 향후 몇 년 내에 유럽과 미국 전역의 시설에 벌칸 시스템을 배치할 계획이다.

해당 기사의 원문은 링크에서 확인할 수 있다.

이미지 출처: 아마존

기사는 클로드와 챗gpt를 활용해 작성되었습니다.