AI와 로봇 결합

디트로이트 Automate 2025 전시 사례를 중심으로

공상과학 속의 꿈이었던 로봇을 인공지능이 공장의 일상적인 현실로 바꾸고 있다.

•수십 년 전부터 로봇 분야에서 AI를 보아 왔지만, 현재의 기술 수준에 비하면 그때는 원시적인 수준

•Automate 2025 전시회 부스는 AI가 적용된 로봇의 실제 사례로 가득

•AI는 로봇이 제품의 다양한 변화를 관리하고 실시간으로 의사 결정할 수 있도록 지원

제조업에서 AI와 로봇은 수십 년간 존재해 왔다. 우리는 매일 로봇과 AI의 미래에 관한 이야기를 끊임없이 접하고 있다.

로봇은 1960년대 자동차 제조에 도입되었으며, 1970년대에 본격적으로 확산되었다.

AI라는 개념의 “머신 러닝(machine learning)”이라는 용어는 1959년 IBM에서 처음 사용하였다. 초기 AI 개척자인

앨런 튜링(Alan Turing)과 존 매카시(John McCarthy)는 이미 1940년대에 AI 기술을 발전시키기 시작했다.

제조 분야에서 예측 정비(predictive maintenance)는 AI가 가장 널리 사용되고 있는 분야로 초기 AI 형태로 여겨지며,

제2차 세계대전 중 영국 왕립공군의 자문역이던 C.H. 워딩턴이 그 기초 원리를 개발했다. 그러나 이 기술이 본격적으로

널리 사용되기 시작한 것은 2000년대 초반부터이다.

오늘날 우리는 대형 언어모델(LLM)인 AI(ChatGPT, Claude 등)의 등장으로 AI 활용이 급증하고 있음을 목격하고 있다.

LLM은 로봇을 완전히 새로운 영역으로 이끌고 있으며, 그 영향력은 사방팔방으로 퍼져 나가고 있다.

2년 전 미국 A3 Automate 전시회에서는 AI가 로봇 분야로 확장될 가능성에 대한 기대감으로 전시장이 들썩였다.

스마트 부품, 장비 간 상호운용성, 자율 이동 로봇 등에도 AI가 광범위하게 적용되고 있었지만, ChatGPT의 공개로 그 가능성은 훨씬

더 클 것으로 예고했다. AI가 로봇의 미래에 가져올 변화에 대한 논의가 부스마다 핵심 주제였다.

그리고 2년이 지난 지금, 그 논의는 실행으로 이어졌다. 올해 Automate 2025 전시회 현장은 AI가 적용된 로봇의 실제 사례들로 가득 채워졌다.

Automate 2025 전시회: 로봇에 적용한 주요 AI 활용 사례

자연어 프로그래밍: 사용자가 직접 코딩하지 않고 음성 명령으로 로봇을 제어할 수 있도록 하며, 직관적으로 인간-로봇 상호작용을 가능케 한다.

비전 시스템: 실시간 객체 인식 및 추적 기능이 크게 향상되었고, 저가의 카메라도 검사와 결함탐지를 효과적으로 한다. 역동적인 환경을

지도화하고 그리퍼의 적응성 기능 향상에도 도움이 된다.

머신러닝 통합: 로봇시스템이 인간의 작업 시연을 학습, 지속적인 공정 최적화, 예측 정비, 경험 기반의 성능향상으로 이어진다.

협업 기능: 주변의 사람을 인지하여 안전성 강화와 협업자인 작업자의 적응형 동작 계획으로 인간-로봇 협업이 개선되고 있다.

공정 최적화: AI는 이제 에너지 효율을 높이고 로봇 동작을 스스로 최적화하는 자동 경로 계획을 수행할 수 있다.

적응형 운용: 더 지능적으로 발전한 AI는 제품의 다양한 변화에 유연하게 대응하고 실시간 의사결정 및 자율적으로 오류 복구가 가능하다.

이 기술들은 2년 전에도 존재했지만, 2025년 기술 수준에 비하면 당시에는 매우 원시적인 단계였다.

AI 적용 확산

필자가 Automate 2025 전시회에서 각 부스를 둘러보며 “AI로 무엇을 하고 있나요?”라고 물었을 때, “아무것도 안 해요”라고 답한 곳은 없었다. 이 기술 도입 트렌드만 보아도 AI의 가치가 입증되고 있다. 과거에는 자동화의 여러 기능 중 하나였던 AI가 이제는 주요 핵심 기능이 되었다.

“AI는 절대 일시적인 유행이 아닙니다. 1~2년 전만 해도 회의적이었겠지만, 지금은 다릅니다. Automate 2025 전시회에서 AI가 얼마나

광범위하게 적용되고 있는지를 보면 명백하죠.”

“AI 응용 분야를 조사하고 회원들과 이야기를 나누다 보면 정말 다양한 활용 사례들이 나옵니다. 그중 일부는 업계의 미래가 될 것입니다.”

– Alex Shikany, A3(A3: Association for Advancing Automation) 부사장

AI를 적극적으로 도입하지 않았던 기업들도 이 기술 활용 방법을 모색 중이다.

“우리는 공식적으로 AI를 도입하기보다는 실험을 많이 하고 있어요. 예를 들어, 보안 문제 때문에 우리 IT 부서가 전 직원의

ChatGPT 사용을 차단했어요. 회사 전체가 사이버 보안 인증을 받은 직후였거든요.”

“외부 인터페이스 대부분을 제한했기 때문에, 우리는 공개된 ChatGPT 같은 도구를 쓸 수 없게 되었고, 대신 내부적으로 AI를 구현하여

이를 콘텐츠에 적용하고 있습니다.”

– Markus Bachmann, Codesys Group 대표

AI가 프로그래밍을 단순화

수십 년 동안 로봇 기술 중 프로그래밍은 고가의 비용 때문에 대형 제조업체가 아니면 접근하기 어려운 분야이었다. 로봇의 확산 역사는

프로그래밍의 용이성 향상과 함께 성장해 온 이야기이기도 하다.

AI는 이 복잡한 프로그래밍 문제를 해결하는 데 있어 거대한 진전을 가져왔다. 이제는 AI 기반 음성 명령을 통해 로봇을 제어하는 기술도

등장하고 있다. 이는 복잡한 코딩의 필요성을 줄여 보다 직관적인 인간-로봇 상호작용을 가능케 한다.

특히 로봇의 창고 경로 탐색 및 최적화 기능에서는 원시적인(처음부터 직접 작성해야 하는) 프로그래밍 필요성이 줄어들고 있다.

ABB 로보틱스의 사장인 John Bubnikovich는, “창고 및 물류 환경에 특화된 소형 패키지 시뮬레이션 시스템은 로봇 분야에서 AI를

성공적으로 적용한 사례 중 하나입니다. 이 시스템의 AI 콤포넌트는 패키지 처리에 최적화된 로봇의 경로 탐색을 가능하게 합니다.

또한 바코드 스캔이나 식별이 가능한 컨베이어 또는 아웃피드 벨트에서 피킹 및 플레이싱 작업의 효율성 향상에도 활용됩니다. 이러한

실용적인 AI 응용은 생산성, 품질, 처리량 향상과 함께 복잡한 프로그래밍 의존도를 크게 줄여줍니다.”라고 설명한다.

그는 이 기술이 어떻게 작동하는지도 덧붙였다.

“이러한 로봇들은 ±0.6mm 수준의 반복정밀도로 ‘lead-through teaching’이라는 프로그래밍 방식을 직관적으로 제공합니다.

사용자가 직접 손으로 로봇을 움직여 작업 지점을 지정하면, 이 동작이 자동으로 로봇 프로그램으로 변환되는 방식입니다.”

John Bubnikovich씨는 원시적인 프로그래밍 필요성을 줄이거나 없애 중소기업에서도 로봇을 쉽게 활용할 수 있도록

만들고 있다고 강조했다.

“이러한 단순화된 프로그래밍 방식으로 로봇 기술의 ‘민주화’를 이루고 있으며, 엔지니어링 자원을 폭넓게 갖춘 자동차 제조 대기업뿐만

아니라 이제 중소기업들도 로봇을 도입할 수 있게 되었습니다.”

프로그래밍 하지 않는 것이 AI 로봇의 가장 큰 성과일까?

미국 A3(Association for Advancing Automation)의 Shikany씨는, 로보틱스 분야에서 AI가 가져온 가장 큰 이점은 자동화 시스템과

상호작용하며 프로그래밍하는 소통 방식의 변화라고 말한다.

“AI에 대한 가장 큰 기대와 가능성 중 하나는 우리가 자동화 시스템에 음성 명령을 통해 지시할 수 있다는 점입니다.”

“AI는 프로그래밍 문제 해결을 향해 가고 있는 듯 보입니다. 물론 완벽하지는 않아요. 오류도 종종 발생하지만, 우리가 원하는 작업의

95~98%는 이해할 수 있습니다. 하지만 제조업에서는 정확도가 99.9% 수준까지는 올라가야 하죠.”

그는 코딩 및 자동화 시스템의 내부 작동 방식에 대한 인간의 기술 역량은 여전히 매우 중요할 것이라고 언급했다.

“현재의 AI 발전 속도가 계속된다면, 프로그래밍의 미래는 지금과는 완전히 달라질 가능성이 높습니다.”

Shikany씨는 AI가 로보틱스 분야에서 이미 할 수 있는 특정 작업도 있다고 보고 있다.

“AI가 경로 계획(path planning)과 물체 파악(grasping)에 효과적이라는 초기 징후가 보이고 있습니다. AI는 초기 입력값만으로도

빠르게 반복 학습을 통해 가장 효율적인 작업 방식을 찾아낼 수 있습니다. 이는 프로그래밍 작업을 줄이면서도 효율성을 높입니다.”

스마트 비전이 자동화를 효율적으로

AI는 로보틱스 분야에서 비전 기술의 개념 자체를 변화시키고 있다.

비전 센서는 수년간 자동화에서 사용되었으나, AI는 이러한 센서의 본질적인 기능을 바꾸고 있다.

“현재 로봇에서 가장 효과적인 AI 활용 분야는 비전이라고 생각합니다. AI 기반 비전 시스템의 발전을 통해 하드웨어 비용은 줄이고,

소프트웨어 성능은 개선할 수 있습니다.”

“AI는 사물과 위치를 인식하는 데에 효과적입니다. 이를 활용해 품질 관리나 특정 모양을 탐지하는 작업도 수행할 수 있습니다.”

– Jan Hennecke, igus의 LCA 및 RBTX 사업부 매니저

AI는 사용자가 저렴한 하드웨어를 선택할 수 있도록 해준다.

AI가 비전 센서의 정밀도를 높이기 전에는 고가의 카메라가 필수였으나 AI가 이 상황을 바꾸었다.

“이제는 정말 저렴한 웹캠도 사용할 수 있어요,”라고 igus의 Jan Hennecke는 말했다.

“보통 웹캠은 100달러 정도고, 조금 더 나은 걸 원해도 200~300달러면 됩니다. 굳이 1만~2만 달러짜리 고급 카메라는 필요 없어요.”

-igus의 Jan Hennecke-

머신 러닝, 이제는 대학원 수준

로봇은 인간의 시연을 통해 학습하고, 그 경험을 기반으로 성능을 스스로 향상 시키고 있다.

예측 정비는 일반적인 자동화 기능이었지만, 머신 러닝이 이를 한 단계 더 발전시켰다.

“미국 고객들은 이제 AI 기반의 사전 알림 시스템으로 이득을 보고 있습니다. 앞으로 20시간 또는 100시간 이내에 고장이 날

가능성이 있다는 걸 예측할 수 있어요,”

“이러한 알림은 치명적인 고장을 피하려면 고장이 나기 전 반드시 도착해야 합니다.

예측 정비 기술 자체는 30년 전부터 있었지만, AI의 수준이 이제는 완전히 달라졌습니다.”

– Neil Smith, 슈나이더 일렉트릭(소비재 부문 대표)

Smith는 첨단 공정 제어 또한 이제는 AI 기반 시스템이라고 설명한다.

“예측 정비 기능을 시스템에 넣는 거죠. 알고리즘 기반 시스템이나 모니터링시스템은 이제 모두 AI라고 볼 수 있어요. AI의 발전 덕분에

여러 조합 기법들을 모델에 통합할 수 있게 되었고, 결국에는 모델이 거의 스스로 학습하게 됩니다.”

협업은 인간-로봇의 ‘생각’을 결합

로봇 시스템과 인간이 협업하는 방법은 여러 가지 있다. 가장 대표적인 것은 주변에 사람 이 있는 것을 인지하여 안전성이 높아졌다.

여기에는 작업자 주변에서 경로를 자동 조정하는 적응형 모션 계획 기능도 포함되며, 결과적으로 인간-로봇 협업의 효율을 높여준다.

협업의 또 다른 분야는 설계 단계이다.

“우리는 AI를 사용해 고객의 CAD 모델 내의 모든 형상과 공차를 인식하고 있습니다. 덕분에 1분 이내에 생산 견적을 제공할 수 있어요,”

“고객이 CAD 파일을 보내면, 우리는 필요한 부품이 무엇인지 파악합니다.

CAD 파일을 보내주면, 해당 부품에 대해 커스텀 견적을 제공하고 파일 기준으로 제조할 수도 있습니다.”

AI가 제공하는 정보는 매우 상세하다.

“공차, 재질 등 모든 정보가 AI를 통해 나옵니다. 더 이상 엔지니어가 직접 분석할 필요가 없어요. AI가 가장 잘 맞는 표준 부품을 찾아줍니다.

이건 올해 새롭게 도입된 기능이에요.”

또한 AI는 웹사이트 내 고객 지원에도 활용된다.

“우리는 AI와 검색 기능을 통해 고객이 사용하는 다양한 키워드나 용어를 확장하고 있어요.

같은 부품이라도 이름을 20가지 다르게 부르는 경우가 많은데, AI 덕분에 어떤 명칭을 사용하든 해당 부품을 찾아줄 수 있게 되었죠.”

– John Williams, Misumi US 기술 교육 매니저-

협업적 통합(Collaborative Integration)

‘협업’은 사용자의 입장에 따라 다른 의미로 해석될 수도 있다. 로봇 시스템은 서로 다른 작업을 수행하는 로봇을 통합하는

방식으로도 설계할 수 있다.

“그동안 로봇은 점점 더 쉽게 통합할 수 있도록 발전해 왔습니다. 우리는 협동 로봇 제품군에서 다양한 애플리케이션을

시연하고 있어요. 예를 들어, 용접이나 레이저 커팅 같은 작업도 협동 로봇이 수행할 수 있습니다.”

– Philip Pelosa, KUKA 사업 개발 매니저

Pelosa는 이처럼 사용자와의 통합이 쉬워졌다는 점이 곧 협업이라고 주장한다.

“우리의 협동 로봇은 ‘lead-through teaching’으로 쉽게 프로그래밍할 수 있어요. 로봇을 손으로 움직이며 포인트를 설정하면,

그게 바로 로봇 프로그램으로 전환됩니다. 즉, 프로그래밍과 통합의 단순화는 시장에서 매우 큰 트렌드입니다.”

자동화된 프로세스 최적화, AI가 이끈다.

AI는 자동화된 경로 계획에서 큰 역할을 한다. 이러한 계획은 사이클 타임 단축, 에너지 효율 향상, 동작의 자동 최적화를 이끌어 낸다.

이 모든 것이 소프트웨어로 구현된다.

“AI의 활용 덕분에 우리 Schunk는 기존의 기계 중심 회사에서 소프트웨어 중심 회사로 전환하게 되었습니다.”

“우리는 그동안 하드웨어에서 강한 혁신을 보여왔지만, 지난 10년 동안 업계 발전과 함께 소프트웨어 및 기술 기업으로 성장하였습니다.”

– Aaron Royster, Schunk 제품 매니저

로봇 셀은 일반적으로 물건을 한 지점에서 다른 지점으로 옮기는 데 사용된다. 예를 들어, 컨베이어에서 제품을 집어 상자에 넣는 식이다.

이런 부품들은 일반적으로 유사한 형태이어야 로봇이 인식할 수 있었는데, 제품의 변형이나 실시간 판단, 자율 오류 복구는 로봇이 잘하지

못하던 영역이었다. 하지만 Automate 2025 전시회에서는 서로 다른 제품을 집어 옮기는 로봇 데모가 반복적으로 소개되고 있었다.

“로봇산업은 하루에 수천 번씩 동일 작업을 반복하는 공압식 그리퍼(pneumatic gripper) 중심에서, 유연한 자동화로 변화하고 있습니다.”

“우리는 카메라를 활용한 스마트 그리핑(smart grasping)으로 전환했고, 이를 기반으로 NVIDIA Jetson 플랫폼에서 구동되는

사내 AI 시스템을 개발했습니다.”

– Royster (Schunk)-

Royster는 이어서 이 시스템의 지능은 로봇 컨트롤러 위에 탑재된 산업용 PC가 수행하며,

지정된 공간 내에서 객체를 인식한다고 설명했다.

“PLC는 800밀리초 안에 최적의 그립 방식이 무엇인지 판단하고, 사용자가 설정한 제약 조건을 모두 검토한 뒤, 동시에 그립 동작과

로봇 경로를 계획합니다.”

이제 로봇이 스스로 결정하는 시대

AI는 본질적으로 인간의 공학적 판단을 개선하기 위해 설계되었다. 엄청난 속도와 데이터 접근 능력을 바탕으로 인간보다 더 많은 정보를

실시간으로 활용할 수 있다.

“현재 당사의 하드웨어 솔루션 중 80%는 소프트웨어에 의해 작동됩니다. 우리는 물류 창고 환경을 위한

소형 패키지 시스템을 운영 중입니다.”

“여기서의 AI 콤포넌트는 로봇이 패키지를 픽업하여 컨베이어에 놓는 최적의 경로를 스스로 계산하도록 합니다.

가장 효율적인 경로를 선택하고, 생산성 향상과 품질 개선, 처리량 증가에 기여합니다.”

– Pelosa (KUKA)-

AI 기반 계획은 단순히 로봇의 경로뿐만 아니라 로봇이 위치할 공간 전체 설계에도 활용된다.

“고객은 전체 시스템을 설계하고, 해당 시스템이 공장 바닥에 어떻게 배치될지를 시뮬레이션할 수 있습니다.

심지어 바닥에 볼트 하나 박지 않아도 제품이 어떻게 흐를지 확인할 수 있어요.”

“즉, 전체 시스템을 사전에 시뮬레이션하고 입증한 뒤에 실제 투자에 들어갈 수 있습니다.”

– Pelosa(KUKA)-

출처 ㅣ https://www.designnews.com/automation/ai-gives-wit-to-robotics

 https://www.automateshow.com/trade-show