loading...

AI IN INDUSTRIAL AUTOMATION SUMMIT - 인공지능 기반 산업 자동화의 현재와 미래

AI IN INDUSTRIAL AUTOMATION SUMMIT - 인공지능 기반 산업 자동화의 현재와 미래

본 아티클은 지난 6월 28일부터 29일까지 양일간 샌프란시스코에서 개최된 ‘AI IN INDUSTRIAL AUTOMATION SUMMIT' 행사의 참관기입니다. 행사는 4차 산업혁명의 핵심 키워드인 ‘인공지능(AI)’의 발전이 산업 자동화에 미치는 영향을 알아보자는 취지에서 열렸고, 발표자들의 프레젠테이션과 워크숍, 네트워킹, 데모 시연이 이어졌습니다. 1일차에는 PepsiCo, Google, Facebook, NASA와 같은 글로벌 기업의 인공지능 부문 리더들이 발표자로 참여하였고, 2일차에는 스타트업 세션으로 구성된 다채로운 행사였죠.
필자는 올해 초부터 현재까지 의료 관련 딥러닝 과제를 수행 중인데, 의료 분야 외에 인공지능이 적용될 수 있는 산업분야와 그 적용 방식이 궁금해 참관하게 되었습니다.

지금부터 콘퍼런스의 전체적인 분위기와 필자가 관심 있게 본 몇 가지 세션들을 공유해 보겠습니다. 인공지능의 상세 개념을 이해하지 못하는 분들도 ‘이런 분야에도 인공지능이 적용될 수 있구나’라고 느끼며 읽으실 수 있길 바랍니다.

AI in Industrial Automation Summit 행사 이모저모 [그림1] AI in Industrial Automation Summit 행사 이모저모
(이미지출처: https://www.re-work.co/blog/deep-learning-for-robotics-ai-industrial-automation-summit-highlights )

※ 전체 행사의 어젠다(agenda)는 아래의 링크를 참고하세요.
https://www.re-work.co/events/ai-industrial-automation-summit-san-francisco-2018/schedule

이름표와 콘퍼런스 홀 모습 [그림2] 이름표와 콘퍼런스 홀 모습

콘퍼런스 구성

콘퍼런스가 진행된 South San Francisco Conference Center(사우스 샌프란시스코 콘퍼런스 센터)는 샌프란시스코 공항 근처에 위치한 생각보다 작은 홀이었습니다. 행사 시작 전, 간단한 아침식사 시간이 마련됐는데 특별한 네트워킹 시간이 아니었는데도 참석자들이 서로 자유롭게 대화하는 분위기가 인상적이었습니다.

아침 9시에 행사가 시작되어 저녁 5시까지 세션이 연속적으로 이어졌음에도 다들 지치지 않고, 질의응답이 계속 이어졌습니다. 학생부터 기업인까지 참석자들이 다양하다 보니, 공유 내용도 브레인스토밍 단계의 이슈부터 실제 사업분야 적용 시 느꼈던 장단점까지 다채로웠습니다.

첫째 날 저녁에 공식적인 네트워킹 시간이 있었는데, 발표자들이 함께 어울리며 여러 주제에 대해 이야기 나누는 모습을 볼 수 있었습니다. 둘째 날은 전일보다 좀 더 자유로운 분위기에서 스타트업의 발표자들이 오전 세션을 진행하였고, 오후에는 로봇과 드론 시연이 있었습니다.
총평하자면, 전반적으로 자유로운 분위기였고, 2일이라는 짧은 기간이지만 구성이 알찼습니다.

주요 세션

[Combining Semantic and Geometric Scene Understanding: From Robot Manipulation to Planetary Exploration]

NASA는 딥러닝을 이용하여 로봇에게 물체를 집어 드는 행동을 학습시킨 사례를 소개했습니다. 학습 모델은 Task Model과 Graps Model로 나뉘는데, Task Model은 집어 드는 모션 학습용, Graps Model은 객체별로 잡기 쉬운 부분의 라벨을 추가하여 학습시키는 모델입니다. 객체 판별용 Depth-based CNN 모델 위에 위 두 모델을 연결하여 학습시키면 로봇이 새로운 물체를 잡아야 할 때 안전하게 잡을 수 있는 영역을 찾아낼 수 있고, 모션으로도 연결이 가능합니다.

Comfortable Area [그림3] Comfortable Area

객체 인식을 위해 레이블을 달아 학습시킨 기존 모델에 손잡이라고 할만한 부분을 추가로 학습시켜서 '집어 든다'는 행동에 디테일을 더한 것이 인상적이었습니다.

이 기능은 NASA가 2020년에 발사할 예정인 Mars 2020 rover에 적용될 것으로, 탐사선이 화성에서 생명체의 흔적을 찾기 위해 가져가는 화성 토양 채취용 티타늄 튜브를 안전하게 수거하는 데 쓰일 주요 기술이라고 합니다.

[Performance Metrics for AI in Manufacturing HRI]

NIST가 주관한 이 세션에서 가장 흥미로웠던 부분은 “인간 동료에게 적응하기 위한 AI”라는 주제였습니다. 사람과 로봇의 협업(Human-Robot teaming)은 이미 오래전부터 진행되어왔지만, 사람-사람 간의 상호작용과 사람-로봇 간의 상호작용 방법이 달라 로봇에게 이를 어떻게 학습시킬 것인가가 중요한 숙제였죠.

산업 현장에서의 로봇은 일반적으로 안전성을 향상시키는 데 도움을 줄 수 있습니다. 위험한 작업을 대신 수행해 인간 작업자를 보호할 수 있으며, 반복작업 역시 대신 수행함으로써 사람이 장기간 반복작업을 했을 때 겪을 수 있는 부상을 예방할 수 있습니다.

인간과 로봇이 함께 일해야 할 경우도 있겠죠. 때문에 인간이 로봇에게 적응하듯 로봇 또한 인간에게 적응해야 하는데, 이를 위해 인간 협력자가 로봇의 훈련 메커니즘을 수행합니다. 먼저 각자의 워크스페이스를 등록하고, 로봇이 달성해야 하는 품질과 퍼포먼스를 입력합니다. 그리고 인간과 로봇이 각자 행동을 하고, 그 행동으로 인해 발생하는 상대방의 반응을 서로 학습해가면서 적응하는 과정을 갖는 것입니다.

이 외에도 수치화된 품질과 퍼포먼스 결과들이 학습에 반영되지만, 이미지나 영상처럼 이미 고착화된 데이터들이 아니라 그때그때 변하는 데이터들로 인공지능을 학습시킨다는 게 흥미로웠습니다.

[Autoencoder Based Image Sementation for Precision Agriculture]

개인적으로 Autoencoder에 관심이 많아 가장 기대했던 세션인데, 듣고 나서는 기술적인 면보다 아이디어 활용처의 귀염성이 더 크게 와닿았습니다. (농업의 자동화 가능성은 무궁무진하더군요.)
Blue River Technology의 아이디어는 가로로 넓은 작물 분무기 전면에 여러 대의 카메라를 설치하고, 밭을 지나가면서 촬영한 데이터를 바탕으로 잡초와 농작물이 섞여 있는 지면에서 실제 농작물을 찾아내는 것과 동시에 내부적으로는 분무기 노즐을 조정하여 농작물에만 분무합니다. 그리고 후방 카메라는 분무된 부분을 검출하여 실제로 농작물을 잘 찾아냈는지를 확인하죠.

농업의 자동화 : 잡초와 농작품을 찾아내는 기계 [그림4] 흰색 부분: 분무된 곳, 검은 부분: 제외 부분

이 기술을 발전시키면, 어떤 액션을 선택하느냐에 따라 기계가 밭을 지나가면서 잡초만 잘라낼지 땅만 고를지 등 세밀한 자동화가 가능합니다.

[Object Identification and Defect Recognition for Manufacturing and Logistics]

AQUIFI에서 발표한 이 주제는, “3D+AI”라는 큰 틀에서 시작되었습니다.
설명하자면, 객체의 이미지를 여러 각도에서 촬영하고, 각각의 이미지를 별개의 CNN에 매칭 시킨 3D 형태의 입력 데이터를 객체에 학습시킨 후, 이를 이용해 신규 입력 데이터를 구분해내는 것이죠. AQUIFI는 물류 공정에서 컨베이어 벨트 위를 지나가는 택배들의 내부 데이터를 CAD와 스캔을 통해 얻고, 클러스터링 과정을 거쳐 택배의 형태/색상/사이즈까지 파악함으로써 제품 간 배송 터미널 분리 자동화를 가능하게 하고, DB와 비교하여 결함까지 찾아낼 수 있습니다.

Training model [그림5]Training model

기존 2D 이미지에 비해 학습시간은 현저히 늘겠지만, 200개의 데이터로 학습시켜 99% 이상의 정확도를 보장하므로 입체 데이터를 다루는 데는 상당한 도움이 될 것입니다.

마무리

이번 콘퍼런스를 통해 인공지능이 여러 분야에서 어떻게 활용되고 있는지 선진사의 다양한 사례를 접했습니다. 그리고 필자 개인적으로는 하고 있는 일에 대한 확신도 얻을 수 있었습니다. AI 개발자들이 불가능한 일을 하고 있는 것이 아니라 명확한 종착역이 있는 미래를 만들어가는 중이라고 느꼈기 때문입니다. 이미 성공한 선진 사례들이 이렇게 많으니, 우리의 과제도 추후 이 사례들 안에 들어갈 수 있으리라는 기대를 해봅니다.



Anything a human can do with at most a 1-second thought
can probably now or soon be automated by AI.

1초 정도의 생각으로 인간이 할 수 있는 모든 일은
아마 지금이나 조만간 AI에 의해 자동화될 수 있을 것이다.

PepsiCo의 선임 연구 개발 엔지니어인 Shahmeer Mirza가 첫 세션을 시작하면서 Andrew Ng의 말을 인용한 것입니다. 어떻게 하면 세상을 그의 말처럼 만들 수 있을지 다 같이 고민하면서 미래를 준비해 보면 어떨까요.



▶   해당 콘텐츠는 저작권법에 의하여 보호받는 저작물로 기고자에 저작권이 있습니다.
▶   해당 콘텐츠는 사전 동의없이 2차 가공 및 영리적인 이용을 금하고 있습니다.



이 글이 좋으셨다면 구독&좋아요

여러분의 “구독”과 “좋아요”는
저자에게 큰 힘이 됩니다.

subscribe

구독하기

subscribe

송지은
송지은 인공지능/애널리틱스 전문가

삼성SDS AI서비스기술Lab

AI서비스기술Lab 연구소에서 의료 AI 과제를 수행해 왔습니다.

공유하기