.svg)
AI 솔루션 문의하기
공장은 같은 제품을 수천 번 반복해서 만들지만, 건설현장은 프로젝트마다 설계와 구조가 새롭게 정해져 같은 작업을 대량으로 반복할 기회 자체가 비교적 드물다고 할 수 있습니다. 이런 조건에서는 하나의 현장에서 수집한 데이터만으로 충분한 학습량을 채우기 어려워 여러 현장에서 조금씩 쌓은 데이터를 서로 연결하는 전략이 무엇보다 중요해집니다. 건물의 구조나 재질이 다르더라도 로봇의 동작 원리 자체는 공통되는 부분이 있어 이런 공통 요소를 중심으로 데이터를 통합하면 부족한 학습량을 어느 정도 채울 수 있습니다. 지역별로 자주 쓰이는 건축 방식을 먼저 정리해 두면 데이터를 통합하는 기준도 한결 뚜렷해집니다.
건축정보모델로 만들어진 설계도면은 로봇이 수행해야 할 작업의 이상적인 목표를 담고 있지만 실제 시공 현장에서는 여러 변수로 인해 이 목표와 조금씩 다른 결과가 나타납니다. 설계도면 데이터만으로 로봇을 학습시키면 이상적인 조건에서는 정확하게 작동하다가도 실제 현장의 미세한 오차 앞에서 판단이 흔들리곤 합니다. 설계 데이터와 실제 시공 결과를 나란히 기록해 그 차이 자체를 학습 자료로 삼는 접근이 이런 흔들림을 붙잡아줍니다. 시공 단계별로 오차가 누적되는 양상을 함께 기록해 두면 어느 단계에서 오차가 커지는지도 짚어낼 수 있습니다.
현장에서 콘크리트를 직접 쌓아 올리는 3차원 인쇄 방식의 자율 시공은 아직 굳지 않은 재료의 점성과 처짐 정도를 실시간으로 파악하며 다음 층을 쌓을지 판단해야 합니다. 재료의 상태를 확인하지 않은 채 정해진 속도로만 인쇄를 진행하면 아래층이 미처 지지력을 갖추기 전에 위층이 얹혀 구조물이 무너지는 상황으로 번질 수 있습니다. 재료의 점성 변화와 인쇄 결과 사이의 관계를 데이터로 꾸준히 축적해 두면 이런 위험을 상당 부분 줄이게 됩니다.
콘크리트나 모르타르 같은 건축 재료는 기온과 습도에 따라 굳는 속도가 크게 달라지며 같은 배합이라도 여름과 겨울의 결과물이 다르게 나타납니다. 하나의 계절에서 수집한 데이터만으로 자율 시공 로봇을 학습시키면 다른 계절에 접어들었을 때 재료의 반응을 잘못 예측해 시공 품질이 떨어지고는 합니다. 여러 계절과 기상 조건에서 데이터를 폭넓게 확보해야 이런 변화를 놓치지 않습니다. 일교차가 큰 환절기에는 하루 안에서도 재료의 반응이 달라질 수 있어 이 시기의 데이터는 더 촘촘하게 모으는 편이 낫습니다.
철근을 묶거나 벽돌을 쌓는 작업처럼 반복성이 어느 정도 있는 공정은 데이터를 축적하기가 상대적으로 수월하지만 구조가 복잡한 이음새나 마감 작업처럼 현장마다 다르게 나타나는 공정은 충분한 사례를 모으기 어렵습니다. 이런 희소한 작업 유형을 데이터가 부족하다는 이유로 자율화 대상에서 제외하면 결국 사람의 손이 계속 필요한 영역으로 그대로 남습니다. 소수의 사례라도 정밀하게 기록하고 유사한 작업 사이의 공통점을 찾아내면 부족한 사례 수를 어느 정도 만회할 수 있습니다.
건설현장은 여러 공정이 동시에 진행되며 로봇이 작업하는 구간 주변에서도 사람이 계속 오가는 경우가 많아 로봇 단독으로 작동하는 공장 환경과는 데이터의 성격 자체가 상이합니다. 로봇만 있는 상태에서 수집한 데이터로 학습을 마치면 실제 현장에서 사람과 마주쳤을 때 로봇이 적절히 대응하지 못하는 공백이 그대로 남습니다. 사람과 로봇이 함께 있는 실제 작업 환경에서 데이터를 모아야 이 공백이 메워집니다. 작업자의 이동 경로가 예측 가능한 구간과 그렇지 않은 구간을 나누어 데이터를 관리하는 방식도 고려할 만합니다.
건설현장은 인근 장비의 진동과 지속적으로 발생하는 분진이 뒤섞인 환경이며 이런 조건은 로봇에 장착된 센서의 측정값에 잡음을 더하는 요인이 됩니다. 깨끗한 실험실 환경에서 검증된 센서 데이터 처리 방식을 그대로 가져오면 현장의 잡음 속에서 실제 신호를 구분하지 못하는 문제로 이어지기 쉽습니다. 진동과 분진이 섞인 실제 조건에서 데이터를 따로 확보해야 이런 잡음 속에서도 흔들리지 않는 처리 방식을 갖출 수 있습니다.
건설 구조물은 시공 오차가 안전과 직결되는 분야여서 제조업의 품질 기준보다 훨씬 엄격한 허용 오차를 적용받는 경우가 많습니다. 일반 제조업의 데이터 기준을 그대로 가져와 오차 허용 범위를 넉넉하게 설정하면 겉으로는 작업을 마친 것처럼 보여도 구조적으로 위험한 결과물이 나올 수 있습니다. 구조 안전과 관련된 항목은 다른 항목보다 훨씬 촘촘한 기준으로 검증해야 이런 착시를 막을 수 있습니다. 구조 부재의 종류에 따라 요구되는 정밀도 자체가 달라질 수 있어 부재별로 기준을 세분화하는 작업도 뒤따라야 합니다.
여러 건설사가 각자의 방식으로 자율 시공 데이터를 축적하면 형식과 기준이 제각각이어서 이후 이 데이터를 함께 모아 활용하려 할 때 어려움을 겪게 됩니다. 표준화되지 않은 데이터를 무리하게 통합하려 하면 데이터의 의미가 왜곡되거나 상당 부분을 다시 가공해야 하는 비효율이 뒤따릅니다. 업계 차원에서 공통으로 쓸 수 있는 데이터 형식을 미리 정해 두면 이런 비효율을 장기적으로 크게 줄일 수 있습니다.
전체 시공 과정에 한꺼번에 자율제조 로봇을 투입하기보다 특정 공정이나 특정 구역에서 먼저 시범적으로 데이터를 수집하고 검증하는 편이 안전합니다. 시범 단계를 건너뛰고 곧바로 전면 도입을 시도하면 예상치 못한 문제가 여러 공정에서 동시에 나타나 원인을 파악하기 어려운 상황에 놓이게 됩니다. 시범 현장에서 확인된 문제를 보완한 뒤 점차 다른 현장으로 범위를 넓혀가는 순서가 이런 혼란을 막아줄 수 있습니다.
.svg)
.svg)
