.svg)
AI 솔루션 문의하기
협동로봇은 작업자와 같은 공간에서 부품 조립이나 검사, 제품 이송 등 다양한 작업을 수행합니다. 이 과정에서 카메라를 통해 부품의 위치와 형태를 확인하거나 작업자의 움직임, 작업 공간의 상태를 인식하는 비전 AI가 활용될 수 있습니다. 협동로봇 비전 AI 학습데이터를 여러 개발·운영 환경에서 공유하려면 단순히 이미지를 모으는 것보다 어떤 조건에서 수집된 데이터인지 확인할 수 있도록 체계적으로 구성하는 것이 중요합니다. 데이터의 출처와 작업 조건을 함께 관리해야 다른 공정에서도 필요한 데이터를 선별해 활용할 수 있습니다.
협동로봇의 비전 AI는 단순히 물체가 화면에 존재하는지를 판단하는 데 그치지 않고 작업 대상의 위치와 방향을 파악하는 데 활용될 수 있습니다. 따라서 데이터셋을 공유할 때는 부품이나 제품의 형태뿐 아니라 로봇이 해당 대상을 어떤 위치에서 인식했는지도 함께 기록할 필요가 있습니다. 같은 부품이라도 작업대 위의 위치나 방향이 달라지면 이미지가 달라질 수 있기 때문입니다. 객체의 위치, 크기, 방향 등의 정보를 일정한 기준으로 정리하면 서로 다른 환경에서 수집된 데이터도 비교하거나 재활용하기가 수월해집니다.
실제 제조 현장에서는 카메라의 위치나 조명, 작업대의 구조가 공정마다 다를 수 있습니다. 동일한 부품을 촬영하더라도 카메라 각도와 주변 배경에 따라 이미지의 특징이 달라질 수 있어 특정 환경의 데이터만 공유할 경우 활용 범위가 제한될 수 있습니다.
이처럼 촬영 조건을 함께 기록하면 데이터를 제공받은 쪽에서 해당 데이터가 어떤 환경에서 만들어졌는지 파악할 수 있습니다.
협동로봇의 가장 큰 특징 중 하나는 작업자와 동일한 공간에서 작업한다는 점입니다. 따라서 비전 AI 학습데이터에도 로봇만 등장하는 장면뿐 아니라 작업자가 부품을 전달하거나 로봇 주변에서 작업하는 상황을 포함할 필요가 있습니다. 작업자의 손이나 팔이 작업 대상을 가리는 경우, 로봇과 작업자의 위치가 가까워지는 경우 등도 실제 환경에서 발생할 수 있는 데이터입니다. 사람과 로봇이 함께 움직이는 상황을 데이터셋에 포함하면 실제 협업 환경에서 발생할 수 있는 다양한 인식 조건을 반영할 수 있습니다.
AI 모델이 실제 현장에서 안정적으로 작동하려면 정상적인 작업 데이터만으로는 부족할 수 있습니다. 부품이 지정된 위치에서 벗어나거나 뒤집혀 있는 경우, 작업자가 대상물을 가리는 경우, 로봇의 작업 영역에 예상하지 못한 물체가 들어오는 상황 등도 학습·검증 데이터로 활용할 수 있습니다. 정상과 예외 상황을 명확한 기준으로 분류해 공유하면 다른 개발 환경에서도 필요한 사례를 찾아 활용할 수 있습니다. 특히 예외 데이터가 어떤 조건에서 발생했는지에 대한 설명과 라벨 기준까지 함께 제공하는 것이 중요합니다.
여러 기관이나 기업, 공정에서 데이터를 공유할 경우 같은 의미의 데이터가 서로 다른 방식으로 정리되는 문제가 발생할 수 있습니다. 예를 들어 한 데이터셋에서는 ‘부품 집기 실패’로 분류한 상황을 다른 데이터셋에서는 ‘객체 인식 실패’로 기록할 수 있습니다. 이런 차이를 줄이려면 객체 분류와 작업 상태, 이상 상황 등에 대한 공통 기준을 마련하고 데이터 형식도 일정하게 관리할 필요가 있습니다. 공유를 전제로 데이터의 라벨 체계와 메타데이터 항목을 맞춰두면 서로 다른 데이터셋을 결합하거나 비교하는 작업도 쉬워집니다.
데이터를 여러 환경에서 공유할수록 데이터 품질과 접근 권한을 함께 관리해야 합니다.
작업자가 촬영된 데이터에는 개인정보가 포함될 수 있으므로 공유 목적과 범위를 고려해 필요한 비식별화 및 접근 관리 절차를 적용할 필요가 있습니다.
.svg)
.svg)
