.svg)
AI 솔루션 문의하기
협동로봇은 안전 펜스 없이 사람과 같은 공간에서 작업하도록 설계되기 때문에 접촉이 발생했을 때 사람에게 가해지는 힘의 크기를 신체 부위별로 정해진 한계값 이하로 유지해야 한다는 엄격한 기준이 적용됩니다. 이 기준은 단순히 로봇의 속도를 늦추는 수준을 넘어 손 팔뚝 어깨 머리처럼 신체 부위마다 다르게 정해진 통증 및 손상 한계값을 로봇이 실시간으로 인식하고 대응할 수 있어야 한다는 요구로 이어지며 이를 학습시키려면 각 상황이 안전 기준 안에 있는지 벗어났는지를 정확하게 표시한 데이터가 뒷받침되어야 합니다. 신체 부위별 기준이 서로 다르다는 점에서 데이터 라벨링 작업 자체의 난이도도 함께 높아집니다.
기존의 로봇 안전 기술은 대체로 접촉이 발생했는지 여부만을 감지해 로봇을 정지시키는 방식에 머물러 있었습니다. 문제는 접촉이 발생한 이후에 정지하는 방식으로는 순간적으로 가해진 힘이 이미 신체에 손상을 줄 수 있는 수준에 도달했을 가능성을 배제할 수 없다는 점이며 실제 협동 작업 현장에서는 접촉이 발생하기 전 단계에서 로봇이 속도를 줄이거나 경로를 바꾸는 예방적 대응이 함께 요구됩니다. 접촉 발생 여부만 구분하던 이전 방식으로는 이러한 예방적 판단을 학습시키기 위한 근거 데이터를 만들어낼 수 없었습니다.
안전동작 라벨링 솔루션은 협동로봇과 사람이 함께 작업하는 영상 및 센서 데이터에서 근접 접촉 충돌이라는 여러 단계의 상황을 구간별로 정확하게 구분해 표시하는 작업을 담당합니다. 사람과 로봇 사이의 거리가 좁아지는 근접 구간 실제로 맞닿는 접촉 구간 그리고 신체 부위별 힘의 한계값을 초과하는 충돌 구간을 각각 다른 기준으로 라벨링하기 때문에 인공지능은 위험이 커지는 흐름 자체를 단계적으로 학습해 접촉이 발생하기 전부터 미리 대응하는 능력을 갖출 수 있습니다. 이는 접촉 여부라는 단일 기준으로 판단하던 기존 방식과 달리 위험의 진행 단계 자체를 데이터로 세분화한다는 점에서 접근이 다릅니다.
동일한 힘이라도 손끝에 가해질 때와 머리에 가해질 때 인체에 미치는 영향은 크게 다릅니다. 안전동작 라벨링 솔루션은 접촉이 발생한 신체 부위를 함께 식별해 부위별로 다르게 정해진 힘의 한계값을 기준으로 위험 여부를 판단해야 하며 동일한 접촉 강도라도 부위에 따라 안전한 접촉으로 분류될 수도 있고 위험한 충돌로 분류될 수도 있다는 점을 라벨링 과정에서 정확하게 반영해야 합니다. 이러한 세밀한 구분이 뒷받침되지 않으면 실제로는 안전한 접촉까지 로봇이 과도하게 반응해 작업 효율이 떨어지는 부작용도 함께 발생할 수 있습니다.
접촉이 실제로 발생하기 전 단계인 근접 구간에서의 데이터는 라벨링 작업이 특히 까다로운 영역입니다. 사람이 로봇에게 다가가는 속도와 방향 그리고 로봇의 남은 이동 경로를 함께 고려해 실제로 접촉으로 이어질 가능성이 높은 근접 상황과 단순히 스쳐 지나가는 근접 상황을 구분해 표시해야 하며 이러한 구분이 정확할수록 로봇이 불필요하게 자주 멈추지 않으면서도 실제 위험 상황에는 확실하게 반응하는 균형이 만들어집니다. 사람의 보행 패턴이나 작업 습관에 따라 근접 상황의 성격이 달라질 수 있어 다양한 작업자의 데이터를 폭넓게 확보하는 것도 중요합니다.
협동로봇을 실제 현장에 도입하려면 관련 안전 규격에 따른 인증을 거쳐야 하는 경우가 많습니다. 정확하게 라벨링된 안전동작 데이터는 로봇의 반응 능력이 요구되는 기준을 충족하는지를 입증하는 근거 자료로 활용될 수 있어 인증 심사 과정에서 로봇이 실제로 위험 상황에 어떻게 대응하는지를 데이터로 소명하는 데 도움이 됩니다. 라벨링 기준 자체가 관련 규격의 요구 사항과 일치하지 않으면 아무리 많은 데이터를 확보해도 인증 과정에서 근거로 인정받기 어려울 수 있어 규격에 대한 이해를 갖춘 인력이 라벨링 기준을 설계하는 단계부터 참여해야 합니다.
제조 현장에 협동로봇 안전동작 라벨링 솔루션을 도입하려면 먼저 적용하려는 협동로봇의 작업 유형과 사람과의 접촉 가능성이 높은 구간부터 우선적으로 데이터를 수집하는 계획을 세워야 합니다. 신체 부위별 힘의 한계값 기준을 명확히 정리하고 라벨링 작업자마다 판단 기준이 흔들리지 않도록 사전 교육과 교차 검증 절차를 함께 마련해야 하며 실제 작업자의 다양한 체형과 작업 습관을 반영한 데이터를 폭넓게 확보해야 특정 조건에서만 정확하게 작동하는 편향을 줄일 수 있습니다. 라벨링 결과를 주기적으로 재검토하는 절차도 함께 갖춰야 데이터 품질을 꾸준히 유지할 수 있습니다.
협동로봇은 사람과 물리적으로 가장 가까이에서 작업한다는 점에서 안전에 대한 요구 수준이 다른 어떤 산업용 로봇보다 높습니다. 안전동작 라벨링 솔루션은 접촉이 일어난 이후를 넘어 위험이 커지는 과정 자체를 데이터로 촘촘하게 나누어 로봇이 미리 반응할 수 있는 근거를 만들어내는 작업이며 이러한 데이터의 정밀도가 곧 사람 곁에서 얼마나 안심하고 로봇과 함께 일할 수 있는지를 좌우하게 됩니다.
.svg)
.svg)
