로봇공학

로봇공학(Robotics)은 공학 로봇의 구조 설계, 제작, 행동, 제어, 응용, 관리 및 유지 등 로봇에 관련한 모든 기술에 대해 연구하는 학문이다. 영어 robotics(로보틱스)는 robot(로봇)과 mechatronics(메카트로닉스)의 합성어로, 기계 공학, 전기공학, 전자공학, 컴퓨터 과학 등이 포함된 학제적 연구이다.

개요[편집]

로봇공학은 로봇에 관련된 구조 설계, 제어와 운용 기술, 지능에 관한 기술 등을 활용하기 위해 기계공학, 전기공학, 전자공학, 컴퓨터공학, 생체공학 등을 융합시켜 적용한다. 로봇공학은 로봇의 구상, 디자인, 제조, 운영을 포함하기 때문에 컴퓨터공학, 전자공학, 나노기술, 생명공학 등과 중복된다. 로봇공학은 인간을 대신할 수 있고 인간의 행동을 모방할 수 있는 기계를 개발한다. 이때 로봇은 사람과 비슷한 기계, 주어진 제어 명령에 따라 공학적으로 업무를 처리하는 기계를 의미하며, 로봇이라는 단어는 체코 작가 카렐 차페크(Karel Capek)가 1920년에 출판한 희곡 《Rossum's Universal Robots》에서 대중에게 소개한 로봇이라는 단어에서 유래됐다. 영어로 Robot이라는 단어는 노동을 의미하는 슬라브어 Robota에서 유래되었다. 그는 옥스퍼드영어사전에 있는 어원학에 관한 짧은 편지에서 그의 형제를 실제 창시자로 명명했다. 옥스퍼드영어사전에 따르면 로봇이라는 단어는 아이작 아시모프(Isaac Asimov)가 1941년 5월 출판한 공상 과학 단편 소설에서 사용되었고, 그의 다른 단편 소설 《Runaround》에서 로봇의 3가지 법칙에 대한 개념에서 소개했다. 아이작 아시모프는 로봇의 3가지 법칙을 "첫째, 로봇은 인간에게 위해를 가할 수 없으며, 인간이 위험한 상황에 처했을 때 방관해서도 안 된다. 둘째, 로봇은 첫 번째 규칙에 위배되지 않는 한, 인간이 내리는 명령에 복종해야 한다. 셋째, 로봇은 첫 번째 규칙과 두 번째 규칙에 위배되지 않는 한, 자신의 존재를 보호해야 한다."라고 정리했다.^[1]

일반적인 개념에서 산업용 로봇은 몇 개의 자유도를 가지며, 도구, 작업물 및 검사 장치 등을 설치할 수 있는 손목을 몇 개의 팔들로 구성된 기구 부의 끝에 설치한 형상을 하는 메커니즘으로 구성된 기계장치이다. 1960년대 초반 로봇은 주로 산업체의 생산 라인 등에 먼저 적용됐는데, 생산 라인에서 로봇을 사용하면 노동 비용이 줄고, 위험하고, 불쾌하고, 지루한 반복 작업을 수행하기 좋기 때문이다. 로봇은 지속해서 반복적인 작업을 수행할 수 있고, 인간이 수행하기 불쾌한 작업을 수행할 수 있으며, 휴식 없이 오랜 시간 작업할 수 있다. 이 외에도 생산 속도 증가, 제품 품질 향상, 제품 유동성 향상, 낭비 재료 감소, 인력 교체 감소, 자본 비용 감소 등 다양한 이유로 로봇을 사용한다. 오늘날 로봇공학은 기술 발전에 따라 급속도로 성장하는 분야이다. 새로운 로봇을 연구하고, 디자인하고, 제작하는 것은 국내적, 상업적, 군사적인 목적을 포함해 다양하고 실용적인 목적에 기여한다. 인공지능, 딥러닝 등이 고도화될수록, 이 기술을 반영할 수 있는 정교한 로봇이 필요하다.^[2] 기술의 발달 및 기계 제어 기술의 발전으로 산업용, 가정용, 국방용, 의료용, 오락용, 교육용 등으로 그 활용 범위가 넓어졌다.^[3] 오늘날 많은 로봇이 자연으로부터 영감을 받아 생명 공학 분야에 기여한다.

역사[편집]

1948년 노버트 위너(Norbert Wiener)는 로봇공학의 기반인 사이버네틱스 원리를 만들었다. 1961년 다이캐스팅 기계에서 뜨거운 금속 조각을 들어 올려 쌓기 위해 디지털로 작동되고 프로그램 가능한 최초의 로봇인 유니메이트(Unimate)가 설치됐다. 초기에 로봇은 한 시간의 작동 비용이 대략 4달러 정도로 사람의 시급보다 적었으며, 일의 완성도도 높았다. 로봇의 대략적인 수명은 8년 정도였으며, 평균적으로 약 25,000달러에 팔렸다. 로봇은 독성이 강하거나 방사능을 함유한 물질을 다루는 작업, 용광로에서 고온의 재료를 다루는 작업 등 보통 사람들이 하기엔 더럽고 위험해 보이는 작업을 대신하기 위해 고용된다. 1970년에 약 200대의 로봇이 미국의 제조 공장에서 사용됐고, 이때 약 10년 동안 로봇에게 할당된 직업 또한 위험하고, 결렬하고, 반복적이고, 간단했다. 제어와 피드백 기술을 기본으로 하는 지능은 낮지만 힘이 좋은 로봇이 요구됐다. 컴퓨터를 이용한 제어 기술이 적용된 로봇이 1970년대 초반 상업화됐으며, 1974년 처음으로 소형 컴퓨터로 제어되는 로봇이 출현했다. 1980년에는 미국에 약 4,000대의 로봇이, 전 세계적으로는 26,000대의 로봇이 사용됐다. 1980년대 중반에 미국의 산업용 로봇의 수는 17,000대였다. 이 시기 로봇의 평균가격은 약 60,000달러였고, 수명은 15년, 시간당 작업 비용은 5.50달러로 증가했다. 그러나 사람의 시급은 시간당 14.50달러로 올랐다. 1997년 후반에는 약 84,000대의 로봇이 미국에서 사용됐으며, 미국은 일본에 이어 세계 2번째의 로봇 사용국이 됐다. 미국항공우주국에 따르면 오늘날 전 세계적으로 650,000대 정도의 로봇이 사용되고 있다고 한다. 평균 가격은 약 72,000달러, 수명은 17년 이상, 시간당 작업비용 7달러로 사람의 시급 24달러에 비해 매우 저렴하다. 오늘날에는 상용화된 로봇과 산업용 로봇은 인간보다 정확하며 신뢰성 있게 일을 수행하는 데 사용되고 있다.

국내에 로봇이 등장한 것은 70년대 말로, 대부분의 로봇 공급은 수입으로 이뤄졌다. 1980년대 전후로 자동차, 전자 산업이 성장하면서 로봇 개발에 박차를 가해 1986년부터 국산 산업용 로봇이 생산됐다. 이후 10여 개 로봇 생산업체가 1988년까지 1,200대의 산업용 로봇을 생산했고, 용도는 주로 도장용이나 자동차 용접용이었다. 2000년대 국내 로봇 시장의 규모는 다른 기계 산업에 비해 작고 기술도 핵심요소기술과 기반기술이 취약했다. 대부분의 부품은 일본을 포함한 해외 수입에 의존했는데, 기반기술이 부족하고 내수 시장이 작다는 점 때문에 1990년대 이후 한국의 로봇 산업은 중단됐다. 산업용 로봇은 부진했으나 1990년대 말부터 교육용, 가정용, 이벤트용 등 서비스 로봇이 새로운 분야로 부상했고, 특히 청소용, 오락용 로봇이 부상했다.^[4] 로봇은 소비자 및 산업 제품의 제조, 조립, 포장, 광업, 운송, 지구 및 우주 탐사, 수술, 무기, 실험실 연구, 안전 및 대량 생산 등 여러 분야에서 사용된다. 로봇이 발달하면서 공장 자동화로 많은 일자리가 사라졌으며, 인공지능의 발전에 따라 중산층 일자리까지 파괴될 가능성이 높다는 의견이 있지만, 이러한 발전에도 불구하고 기계보다 인간이 더 적합한 특정 기술이 있을 것이기 때문에 문제는 인간과 로봇 기술의 조합을 어떻게 이룰 것인가다. 로봇공학의 장점은 정밀도와 반복성이 있는 작업에 뛰어나지만, 인간의 장점은 창의성, 의사결정, 유연성, 적응성이 있다. 따라서 인간-로봇 상호작용 연구가 중요할 것이다. 현재 스마트팩토리, 스마트팜의 자동화를 위해서도 로봇 연구가 중요하게 떠오르고 있으며, 산업용 로봇 외에도 아마존, 배달의민족, ㈜로보티즈 등에서 배달, 서빙용 서비스 로봇을 개발하고, 테스트하는 단계이다.^[5]^[6]^[7] 기계는 인공지능과 머신러닝만으로 완성되지 않기 때문에, 로봇공학은 기계를 만들기 위해 빠질 수 없는 분야이다.^[8]

특징[편집]

로봇[편집]

로봇공학에서 개발하는 로봇은 많은 종류가 있으며, 다양한 환경에서 다양한 용도와 형태를 가지고 있지만 기본적인 세 가지 공통점을 공유한다.

로봇들은 모두 특정한 임무를 달성하기 위해 고안된 어떤 기계적인 구조, 형태, 모양을 가지고 있다. 예를 들어, 흙이나 진흙을 가로질러 이동하도록 설계된 로봇은 연속 트랙(Continuous track)을 사용한다. 기계적 측면은 대부분 지정된 작업을 완료하고 주변 환경을 물리적으로 처리하기 위한 방법이다. 즉, 로봇의 형태는 기능에 따라 제작된다.
로봇은 기계에 동력을 공급하고 기계를 제어하는 전기 부품을 가지고 있다. 예를 들어, 무한궤도를 가진 로봇은 추적기의 접지 면을 움직일 힘을 필요로 할 것이고, 이 전력은 기본적인 전기 회로와 배터리에서 발생해 전선을 통해 이동한다. 휘발유를 사용하는 기계에서도 연소 과정을 위해 전류가 필요하고, 이것이 휘발유를 사용하는 자동차 같은 기계들이 배터리를 가진 이유다. 로봇의 전기적 측면은 움직임, 센서, 작동 등에 사용된다. 로봇은 기본적인 작동을 활성화하고 수행하기 위해 모터와 센서에 일정 수준의 전기를 공급해야 한다.
모든 로봇은 어느 정도 수준의 프로그래밍 코드를 가지고 있다. 프로그램은 로봇이 어떤 것을 언제 어떻게 할지 결정하기 때문에, 아무리 우수한 기계적, 전기적 요소를 가지고 있어도 프로그램 없이 작동할 수 있는 로봇은 없다. 또, 프로그램이 제대로 구성되지 않으면 로봇의 성능이 떨어지거나 작업을 수행할 수 없다. 로봇은 명령의 집합을 가지고 있고, 인간의 명령에 의해 제어되는 기기와 자동화된 기기 모두 프로그램을 가지고 있다.

연구 분야[편집]

로봇공학에는 사람의 시각 기능을 구현하기 위한 센서, 사람 근육의 움직임을 모방하여 섬세한 동작을 할 수 있도록 하는 액추에이터 기술, 조작 기술, 제어 기술, 이전 학습 정보를 기반으로 물체의 이미지를 인식하여 물체의 종류, 크기, 방향 등의 정보를 파악하는 물체 인식 기술, 자체적인 공간 지각 능력을 탑재하기 위한 위치 인식 기술 등의 분야가 있다.^[3] 로봇공학의 연구는 특정 산업에 관련된 것 외에도 새로운 유형의 로봇에 대한 조사와 로봇을 설계하는 방법, 로봇을 제조하는 새로운 방법에 초점을 맞추고 있다.

인공지능[편집]

미래의 로봇은 지금보다 더 똑똑해져야 하며, 이를 위해 인공지능이 필요하다. 그러나 사람과 협업하는 로봇이 스스로 작업을 진행하고, 새로운 업무수행 방식을 학습하고, 언제 도움을 요청하는지 아는 지능을 어느 수준으로 갖춰야 하는지 논쟁이 있다. 스스로 움직이고 이해하며 사람과 조화를 이루는 로봇들로 가득한 산업의 세계를 현실화하기 위해 윤리적 기준을 프로그래밍해야 한다는 입장과 높은 사고 능력을 부여하지 말아야 한다는 입장이 존재한다. 후자의 경우 로봇은 인간의 대역이나 복제가 아닌 인간의 유효성을 확대를 목적으로 써야 하기 때문에 지능형 로봇이 아닌 인간과 연결된 로봇이 필요한 것이라 주장한다.^[9]

인간-로봇 상호작용[편집]

로봇이 가정과 같은 비공업계 환경에서 효과적으로 일하기 위해서는 수행할 작업을 지시 받는 방법, 멈추라는 말을 듣는 방법이 중요할 것이다. 로봇과 상호작용하는 사람들은 로봇공학에 대해 전혀 모를 수 있다. 그래서 모든 인터페이스는 직관적이어야 한다. 공상과학소설 작가들은 로봇이 결국 명령줄 인터페이스보다는 언어, 몸짓, 표정을 통해 인간과 소통할 수 있으리라 추측하지만, 그 방식은 로봇에게 자연스럽지 않다. 이를 구현하기 위해서는 오랜 시간이 걸릴 것이다.

휴머노이드 : 사람처럼 보이도록 설계된 로봇이다. 관절의 위치와 움직임이 사람의 운동 신경을 모방해서 만들어졌고, 이 때문에 휴머노이드는 두 다리로 직립 보행한다. 휴머노이드 개발을 위한 중요한 연구 주제는 인공지능이며, 휴머노이드는 사람처럼 보이기 위해 모양, 움직임, 센서, 목소리, 상호작용 등의 연구가 필수적이다.
음성 인식 : 기계가 언어를 실시간으로 인식하고 해석하는 것은 매우 복잡한 과정이다. 주변 음향, 배경 소음, 음량, 사투리, 성조 등 다양한 요인들을 고려하고 정확하게 언어를 인식해야 하는데, 현재 기계는 대략 95% 정도로 언어를 인식한다. 인공지능을 통해 사람들의 목소리로 감정을 알 수 있다.
로봇 목소리 : 로봇이 인간과 상호작용하기 위해 목소리를 사용할 때 여러 문제가 있다. 사회적 이유로 인해 합성 음성은 의사소통 매체로서 차선책으로 입증되어 다양한 기술을 통해 로봇 음성의 감정적 요소를 개발할 필요가 있다.
인공 감정 : 현재 로봇으로 하여금 사람의 감정을 인식 및 이해하고 그에 맞게 적절히 반응하는 것을 학습시키는 연구 프로젝트들이 진행되고 있다. 적절한 표정과 동작을 사용해서 로봇이 인간에 대한 반응으로 감정을 내보일 수 있다. 이러한 예로 EMOTISK 학습 시스템을 들 수 있다. 이것은 베를린의 흄볼트 대학 연구원들이 독일 아헨 대학 병원 및 쾰른 대학 병원과 함께 개발하고 있는 소프트웨어인데, 시선이나 얼굴 표정 같은 정보를 분석하고 인간에게 적절한 감정적 피드백을 제공한다. 이 시스템은 자폐증 환자들이 타인의 감정을 인지하고 말 이외의 신호에 반응하는 것을 도울 수 있도록 설계되었다. 인공 감정을 프로그래밍하는 것은 복잡하고, 많은 사람들의 관찰을 필요로 한다.
인공 인격 : 휴머노이드는 시각적인 생김새도 사람과 비슷하고 행동이나 동작하는 것도 사람과 비슷하기 때문에 인격을 부여하기가 쉽고, 실제로 로봇이 인격을 흉내 낸다면 사람과 기계의 상호작용에 영향을 미친다. 일본 토요하시 공과대학의 연구원들은 대화하고 있는 사람의 눈동자를 추적하여 그 사람의 주의가 다른 데로 쏠리는 것을 알아차리는 로봇을 개발했다. 이러한 상황에서 로봇은 몸을 앞으로 기울이고, 목소리를 높이고, 고개를 끄덕이며 사람의 특성을 보임으로써 상대방 사람이 다시 자신에게 주의를 기울이도록 한다.
동작 인식 : 사람의 동작을 즉시 정확하게 인식하고 해석하기 위해서는 실시간 3차원 데이터 포착이 필요하다. 프라운호퍼 연구소는 3차원 데이터를 신속하게 기록하고 처리하는 시스템을 연구하고 있다. 2개의 고속 카메라와 하나의 컬러 카메라가 이미지를 기록하면 전문적인 소프트웨어가 초당 36개의 3D 데이터 기록으로 변환한다. 과학자들은 시스템용으로 신경망에 기반한 학습 소프트웨어를 개발하고 있다.

액추에이터[편집]

액추에이터는 저장된 에너지를 움직임으로 변환하는 로봇의 근육이다. 지금까지 인기 있는 액추에이터는 바퀴나 기어를 회전시키는 전기 모터와 공장에서 산업용 로봇을 제어하는 선형 액추에이터다. 이 외에도 직렬 탄성 액추에이터, 유압식 액추에이터, 탄소 나노튜브 등이 있다.

전기 모터 : 대다수의 로봇은 전기 모터를 사용하며, 휴대용 로봇에서는 브러시를 사용하거나 브러시를 사용하지 않는 DC 모터를 사용하거나 산업용 로봇에서는 AC모터를 사용하기도 한다. 이러한 모터는 부하가 더 가볍고 동작의 지배적인 형태가 회전하는 시스템에서 자주 사용된다.
선형 액추에이터 : 다양한 선형 액추에이터는 회전하는 대신 안팎으로 이동하며 큰 힘이 필요할 때 방향을 빠르게 변경할 수 있다. 일반적으로 압축 및 산화된 공기로 구동되는데, 오일 선형 액추에이터는 일반적으로 모터와 수평 나사로 구성된 전기로 구성될 수도 있다. 기계식 선형 액추에이터는 차량의 랙 및 피니언과 같이 손으로 회전한다.
직렬 탄성 액추에이터 : 모터 액추에이터의 일부로 설계돼 안전성을 개선하고 강력한 힘 제어, 에너지 효율, 충격 흡수 등의 장점이 있는 동시에 변속기 및 기타 기계적 구성 요소의 과도한 마모를 줄여 준다. 이로 인한 낮은 반사 관성은 로봇이 인간과 상호작용하거나 충돌할 때 안정성을 향상시킨다.
유압식 액추에이터 : 로봇에 사용되는 첨단 유압식 구동은 인공 근육처럼 동작한다. 2014년부터 일본의 개발자들은 고무호스, 장력을 견딜 수 있는 섬유, 보호대 등으로 이루어진 인공 근육을 연구하고 있다. 유압식 구동은 사람의 근육을 모방한 것으로서, 압축 공기를 사용하는 것이 아니고 유압식으로 움직인다. 유압식 구동은 더 효율적이며 섬세한 움직임을 할 수 있고, 전기 모터보다 튼튼하다. 유압식 구동 시스템을 사용한 로봇은 재난 현장의 악조건을 견딜 수 있다.
피에조 일렉트로닉 모터(Piezoelectric motor) : 초당 수천 번 진동하는 아주 작은 압전 소자가 선형 또는 회전 운동을 일으키는 모터이다. 여러 작동 방식이 있는데, 피에조 소자의 진동을 사용해 모터를 원이나 직선으로 움직이게 하거나, 피에조 소자를 사용해 너트를 진동시키거나 나사를 사용하는 것이다. 이 모터의 장점은 나노 미터 단위의 해상도, 속도, 크기에 맞는 가용 전력 등이 있다. 이 모터는 이미 상업적으로 사용되고 있으며, 몇몇 로봇에도 적용되고 있다.
탄소 나노튜브 : 원기둥 모양의 나노구조를 지니는 탄소의 동소체이다. 탄소 나노튜브는 열전도율, 기계적, 전기적 특성이 특이해 다양한 구조 물질의 첨가제로도 사용된다. 탄소 나노튜브는 가장 단단하고 강한 물질로, 작은 근육을 구현할 수 있다. 이를 이용하면 미래의 로봇들이 인간보다 빠르게 달릴 수 있을 것이다.^[10]

센서[편집]

로봇은 센서를 통해 특정 환경을 측정하거나 내부 구성 요소에 대한 정보를 받을 수 있다. 이것은 로봇이 작업을 수행하고, 적절한 반응을 계산하고, 환경의 변화에 따라 행동하기 위해 필요하다. 다양한 형태의 측정, 안전 또는 오작동에 대한 경고, 수행 중인 작업에 대한 실시간 정보 제공 등에 사용된다. 인간의 오감을 구현하면서도 라이더, 레이더, 수중 음파 탐지기 등을 사용해 물체를 감지하는 것이 목표이다.

촉각 : 현재 로봇의 손은 사람의 손보다 촉각 정보를 적게 받는다. 최근 연구에서는 인간의 손가락 끝에 있는 기계적 특성과 촉각 수용기를 모방하는 촉각 센서 배열을 개발했다. 센서 배열은 탄성 표면에 포함된 전도성 유체로 둘러싸인 강체 코어로 구성되며, 전극은 강체 코어의 표면에 설치돼 노심 내의 임피던스 측정 장치에 연결된다. 인공 피부가 물체에 닿으면 전극 주변의 유체 경로가 변형되어 물체로부터 받는 힘을 매핑하는 임피던스 변화가 발생한다. 이런 인공 손가락의 기능을 통해 로봇의 쥐는 행동을 조정할 수 있을 것으로 기대된다. 2009년 개발된 스마트핸드(SmartHand)라는 인공 손은 환자가 손으로 글을 쓰고, 키보드를 사용하고, 피아노를 연주하는 등 미세한 움직임을 할 수 있고, 손끝에서 실제 느낌을 감지할 수 있는 센서가 있다.
시각 : 컴퓨터 비전(Computer vision)은 기계의 시각에 관한 기술에 관해 연구하는 과학 분야이다. 컴퓨터 비전은 이미지에서 정보를 추출하는 인공 시스템 뒤에 숨겨진 이론과 관련이 있다. 대부분의 실용적인 컴퓨터 비전에서 컴퓨터는 특정 작업을 해결하기 위해 미리 프로그램돼 있지만 학습을 기반으로 하는 방법이 보편화되고 있다. 컴퓨터 비전 시스템을 일반적으로 가시광선이나 적외선의 형태로 전자기파를 감지하는 이미지 센서에 의존하다. 센서는 반도체 물리학을 사용하여 설계됐고, 빛이 표면에 퍼지고 반사되는 과정은 광학에 의해 설명된다. 정교한 이미지 센서는 이미지 형성 과정을 이해하기 위해 양자 역학을 필요로 하고, 로봇은 환경의 깊이 감각을 계산할 수 있게 시각 센서를 장착할 수 있다. 인간의 눈처럼 로봇의 시각도 특정 영역에 초점을 맞추고 빛의 강도 변화에 적응해야 한다.

엔드 이펙터[편집]

로봇은 물체를 조작한다. 물체를 옮기고, 변형하고, 부수는 등 영향을 미치고, 물체를 조작하는 로봇 팔의 기능적 끝을 흔히 엔드 이펙터(end effector)라고 한다. 대부분의 로봇 팔이 교환 가능한 엔드 이펙터를 갖고 있지만, 일부는 교체할 수 없는 고정 조작자가 있고, 다른 일부는 휴머노이드 손과 같은 범용적인 조작자가 있다.

기계식 그리퍼 : 가장 일반적인 유형의 엔드 이펙터 중 하나인 기계식 그리퍼는 열고 닫을 수 있는 작은 손가락 두 개로 구성되어 있다. 이 손가락으로 다양한 작은 물체를 잡았다 놓을 수 있으며, 금속 와이어가 달린 체인 등 여러 가지로 만들 수 있다. 마찰과 집게를 포함한 다양한 원리로 작동한다.
흡입 엔드 이펙터 : 진공 발생기에 의해 구동되는 흡입 엔드 이펙터는 물체가 흡입을 보장할 수 있을 만큼 매끄러운 표면을 가졌다면 매우 간단한 장치다. 전자 부품이나 자동차 앞 유리 같은 큰 물체를 위해 사용되는 경우가 많으며, 산업에서 많이 사용된다.
범용 이펙터 : 몇몇 발전한 로봇들은 완전히 인간과 같은 손을 사용한다. 범용 이펙터는 매우 능숙하게 사용할 수 있는 조작 장치들이며, 자유도와 수백 개의 촉각 센서를 가지고 있다.

제어[편집]

작업을 수행하기 위해 로봇의 기계적 구조를 제어해야 한다. 로봇의 제어에는 센서를 통해 환경과 로봇의 정보를 얻는 인식 단계와 기계를 움직이는 액추에이터에 신호를 전송하는 처리 단계가 존재한다. 처리 단계는 복잡할 수 있다. 반응 단계에서는 원시 센서 정보를 액추에이터 명령으로 직접 변환할 수 있고, 노이즈 센서 데이터로부터 관심 파라미터를 추정하기 위해 센서 융합이 사용될 수 있다. 이러한 추정에서 즉각적인 작업이 추론된다. 시간이 더 길거나 복잡한 작업을 수행하려면 로봇은 인지 모델을 구축하고 추론할 수 있어야 한다. 인지 모델은 로봇과 환경이 상호작용하는 방식으로, 패턴 인식이나 컴퓨터 비전을 사용해 물체를 추적할 수 있다. 마지막으로 모션 계획, 인공지능을 이용해 작동 방법을 구할 수 있다.

자율성 : 제어 시스템은 다양한 수준의 자율성을 가질 수 있는데, 직접 상호작용의 경우 사용자의 손이나 원격 작동 장치에 의해 사용되며 인간은 로봇의 동작을 거의 완벽하게 제어할 수 있다. 사용자 보조는 사용자가 중간에서 높은 수준의 작업을 수행하도록 하며, 로봇은 이를 달성하는 방법을 자동으로 파악한다. 자율 로봇은 오랜 시간 인간의 상호작용이 없어도 작업을 수행한다. 높은 수준의 자율성이 반드시 더 복잡한 인지능력을 요구하는 것은 아니다. 예를 들어, 공장의 로봇은 완전히 자율적이지만 고정된 패턴에 따라 작동한다. 다른 분류는 인간의 제어와 기계의 상호작용을 고려하는데, 원격 조작은 사용자가 모든 움직임을 제어하고 기계 액추에이터를 변경한다. 감독은 사람은 일반적인 움직임이나 위치 변경을 지시하고 기계는 액추에이터의 움직임을 정한다. 작업 수준의 자율성은 사용자는 작업만 지정하고 로봇은 스스로 작업을 완료한다. 완전 자율성은 기계는 사람과 상호작용하지 않아도 모든 작업을 생성하고 완료한다.

프로그램[편집]

로봇은 로봇과 숙련도에 따라서 다양한 방식으로 프로그램이 가능한데, 일반적인 프로그램 방식으로 물리적인 구성, 교시 방식, 연속적 기억 반복 방식, 소프트웨어 방식이 있다.

물리적인 구성(Physical Setup) : 사용자가 로봇의 운동을 제어할 수 있도록 스위치와 강제 정지 기능을 설치하는 것이다. 이 방식은 보통 프로그램 가능 논리 제어 장치(PLC)와 같은 다른 장치와 함께 사용된다.
교시 방식(Teach Mode) : 이 방식에서는 로봇의 관절들이 교시 기구에 의해 움직인다. 목표 위치와 방위가 얻어지면 이 위치 정보가 제어기로 전달되고, 동작을 재생하는 동안 제어기는 관절들을 같은 위치와 방위로 움직인다. 이 방식은 일반적으로 점에서 점으로 이동하며, 점과 점 사이의 운동은 정의되거나 제어되지 않고 교시된 점들만 도달해야 할 위치로 인정된다.
연속적 기억 반복 방식(Continuous Walk-Through Mode) : 이 방식은 로봇의 모든 관절이 동시에 움직이며, 운동이 지속적으로 제어기에 의해서 검출되고 기록된다. 동작을 재생하는 동안 기록된 동작이 그대로 수행되며, 학습된 동작, 이상적 모델, 말단장치의 물리적인 이동, 로봇 팔의 직접적인 이동에 의해서 운동 내용이 학습된다.
소프트웨어 방식(Software Mode) : 이 방식은 온라인이나 오프라인으로 프로그램되며 운동을 제어하기 위해 제어기를 통해서 운동이 수행된다. 이 방식은 가장 숙련되고 활용도가 높은 방식으로, 센서의 정보와 로봇의 상태에 대한 정보 출력뿐만 아니라 분류까지도 가능하다. 그러나 프로그래밍하기 전에 컴퓨터의 운영체제에 대해 알고 있어야 한다.

로봇 언어[편집]

로봇 제조회사는 회사의 로봇에 사용하기 위해서 필요한 언어를 개발하고, 프로그램 언어도 개발한다. 대부분의 로봇 언어는 코볼, 베이직, C 언어, 포트란과 같은 언어에 기초를 두고 있다. 로봇 언어는 로봇의 성능, 설계, 응용 분야에 따라 다르고, 고급 언어는 기계어로 변환하는 변환기와 컴파일러까지 존재한다.

변환기 기반의 언어는 한 번에 프로그램의 한 라인을 실행하며, 라인마다 번호를 가지고 있다. 변환기는 실행해야 하는 명령 라인을 처리기가 이해하고 실행할 수 있는 기계어로 매번 변환하고, 순차적으로 각 라인을 실행한다. 명령 라인의 실행은 마지막 라인을 만나거나 에러가 발생할 때까지 계속 실행되기 때문에 에러가 발생할 때까지 계속 실행이 가능하고 부분적으로 프로그램의 수정과 실행이 가능하다는 장점이 있다. 따라서 디버그 프로그램을 보다 빠르고 쉽게 사용할 수 있지만, 매번 각 라인을 변환해야 하므로 실행이 느려 비효율적이라는 단점이 있다.
컴파일러 기반의 언어는 프로그램을 실행하기 이전에 프로그램 전체를 컴파일러를 통하여 기계어를 생성하여 변환한다. 처리기가 명령을 실행하는 동안 오브젝트 코드를 실행하기 때문에, 이러한 프로그램들은 빠르고 효율적이다. 그러나 전체 프로그램이 먼저 컴파일돼야 하기 때문에 에러가 있으면 프로그램의 일부를 실행시키는 것이 불가능하고, 디버깅이 더 어렵다.

로봇 언어의 수준은 마이크로컴퓨터 기계 언어 수준, 점대점 수준, 원시적 위치 수준, 구조적 프로그래밍 수준, 작업 지향성 수준이 있다.

마이크로컴퓨터 기계 언어 수준의 언어에서는 프로그램은 기계어로 작성된다. 이 프로그램 수준이 가장 기본이 되며 가장 효율적이지만 배우기 어렵다. 모든 언어는 이 수준에서 변환되거나 컴파일되지만, 고급 수준 프로그래밍 환경에서는 사용자가 고급 수준 언어를 사용하게 되므로 배우기 쉽다.
점대점 수준에서는 점의 좌표축이 순차적으로 생성되며 로봇은 이 명시된 점을 따른다. 매우 원시적이고 단순한 형태의 프로그램으로, 사용하기 쉽지만 성능은 뛰어나지 않다. 현 상태를 설명하기 어렵고, 센서의 정보나 하위 분기에 대한 능력이 부족하다.
원시적 위치 수준에서는 센서의 정보를 포함하고 하위 분기가 가능하다. 대부분 이 수준의 언어는 변환기 수준 정도이다.
구조적 프로그래밍 수준의 대부분의 언어는 컴파일러 수준의 언어이다. 강력하고 보다 세련된 프로그래밍이 가능하나 배우기 어렵다.
작업 지향성 수준의 언어는 아직 존재하지 않는다. 1980년대에 IBM에 의해 제안된 오토패스(Autopass)는 실현되지 못했다. 이 방식은 로봇이 해야 하는 일을 일일이 프로그램하는 대신, 사용자가 작업을 지정하면 제어기가 필요한 순서를 생성하여 작업을 완료하는 방식이다.

활용 분야[편집]

협동 로봇 : 산업의 많은 분야에서 기존 산업용 로봇을 협동 로봇으로 대체하거나 보완하고 있다. 협동 로봇은 생산 공정에서 사람과 협력하여 일하는 로봇으로, 기존 산업용 로봇처럼 보호 장치를 사용해 인간과 분리되어 있지 않다. 전통적 산업용 로봇과 비교해서 협동 로봇은 크기가 작고 유연하며 쉽게 프로그래밍할 수 있다. 협동 로봇은 인간을 대체하는 것이 아니라 보조한다. 캐나다의 패러다임 익렉트로닉스(Paradigm Electronics)는 협동 로봇을 사용하여 생산성을 50%까지 향상시켰으며, 한 사람도 일자리를 잃지 않았다. 직원들은 기계 프로그래밍이나 자동화 생산 공정 후의 품질 관리같이 새롭게 창출된 분야에서 일하고 있다. 미래에는 로봇을 사용해서 직원 1인당 생산성이 최고 30%까지 향상될 것이라고 한다.
산업용 로봇 : 산업용 로봇은 산업 환경에서 제품을 취급, 조립, 가공하는데 사용되는 프로그래밍이 가능한 기계다. 산업용 로봇은 대부분 로봇 팔, 그리퍼, 다양한 센서 및 제어 유닛으로 구성되며, 프로그래밍 된 대로 자율적으로 임무를 수행한다. 2015년에는 평균적으로 고용인 1만 명당 66개의 로봇이 사용되었는데, 현재는 74개로 증가했고, 평균적인 로봇 사용 밀도는 유럽 99개, 미국 84개, 아시아 63개이다. 세계 각국의 로봇 협회들이 참여하고 있는 국제 로봇 연맹(IFR)의 통계에 따르면, 2016년에 미국이 31,500개의 산업용 로봇을 사용하면서 사상 최고치를 기록했다. 이것은 2015년 대비 15% 증가한 것이다. 전 세계적으로는 2016년에 약 29만 개의 산업용 로봇이 사용되었으며, 이것은 2015년 대비 14% 증가한 것이다. 이러한 추세는 앞으로도 계속될 것이고, 앞으로 몇 년간 매해 평균 12%의 성장률이 예상된다. 자동차 분야에서 로봇은 작업 공정을 더 효율적이고 안전하고 빠르고 유연하게 하면서, 50년 이상 자동화 생산 프로세스에서 중요한 역할을 해왔다. 1961년에 제너럴 모터스 컴퍼니(General Motors Company)는 자사 생산 공정에 유니메이트라고 하는 최초의 산업용 로봇을 도입했고, 이 로봇을 사용해서 사출 성형 부품을 옮겼다. 독일에서는 1973년에 처음으로 볼프스부르크의 VW 공장에서 산업용 로봇을 사용하기 시작했다. 이 회사에서 독자적으로 개발하고 직원들이 “Robby”라는 이름을 붙여준 이 로봇은 파사트 생산 공정에 투입되었다. IFR(국제 로봇 연맹)의 통계 조사에 따르면, 2016년 미국의 자동차 업계는 17,600개 이상의 산업용 로봇을 사용했으며, 이는 2015년 대비 43% 증가한 수치다.
무인운반차 : 스스로 운전하고 자동으로 제어되는 무인운반차가 존재한다. 무인운반차는 제조 설비에서 자재를 운반할 때 주로 사용되며, 무인운반차를 통해 컨베이어 벨트 공간을 절약하고, 전원 공급 장치, 수앵 임무, 내비게이션 및 경로 설정 등이 가능하다.
가정용 로봇 : 잔디 깎기, 진공 청소, 창문 닦기 등 일상적인 집안일은 로봇이 대신해서 하기 때문에, 사람들은 시간과 일을 크게 줄일 수 있다. 독일 연방 정보 기술 협회의 조사에 따르면, 조사에 참여한 1천명 이상의 응답자들 중에서 42%가 집에서 로봇을 사용할 의향이 있다고 답했다. 80% 이상은 진공 청소나 바닥 청소에 도움 받기를 원하고, 41%는 로봇이 정원 손질을 도와주기를 원한다고 답했으며, 응답자의 15%는 이미 집에 로봇을 가지고 있다고 대답했다.
보안 로봇 : 독일 연방 정보 기술 협회의 조사에 참여한 응답자의 49%가 자신의 집 보안을 로봇에게 맡길 의향이 있다고 대답했다. 보안 로봇은 식구들이 휴가를 가거나, 출장을 가거나, 회사에 출근하고 있는 동안에 집을 지키는데, 이러한 로봇은 인터넷 연결을 통해서 앱을 사용해서 제어할 수 있다. 만약에 로봇이 이상한 동작을 감지하면 스마트폰으로 경보를 보내고, 내장된 카메라로 HD 영상을 녹화하는 기능, 양방향 오디오 인터콤 기능도 있다. 데이터 보호와 데이터 보안 문제가 고려되어야 한다.
접객용 로봇 : 한국의 엘지전자㈜는 라스베이거스에서 개최된 2018 CES에서 클로이(CLOi)라고 하는 새로운 로봇 제품 시리즈를 선보였다. 이 서빙 로봇은 손님들에게 간식과 음료를 제공하고, 공항, 기차역, 호텔 등에서 24시간 내내 사용될 수 있다. 로봇이 쟁반에 음식을 준비하여 제공하면 손님들이 집어갈 수 있다. 손님에게 서빙을 한 후에는 알아서 서비스 스테이션으로 돌아와서 음식을 보충하고 다시 서빙한다.
농업 로봇 : 농업은 로봇의 활용 잠재력이 큰 또 다른 분야이다. 현재 로봇팔과 멀티스펙트럼 카메라를 설치한 수확기로 오이 수확 과정을 최적화하는 파일럿 프로젝트가 진행되고 있다. 파종 용으로는 태블릿으로 제어되는 소형 파종 로봇이 씨앗을 뿌리고 모든 중요한 정보들을 기록한다. 드론을 사용해서 작물의 성장과 잡초 성장 상태를 모니터링할 수 있으며, 필요하다면 살포 기능도 가능하다.
치료용 로봇 : 로봇을 사용해서 치료를 도울 수 있는데, 뇌졸중이나 신경계 질병이 발생된 환자들의 재활을 도울 수 있고, 신체 장애를 앓는 환자들이 훈련 기계의 도움을 받아서 다시 걷는 법을 배우고 계단을 오른다. 즉, 로봇 하나가 치료사 두 사람 몫을 할 수 있다. 환자들은 재활 훈련을 하면서 직접 피드백을 받는다. 엑소스켈레톤 같은 웨어러블 로봇은 마비된 환자들이 스스로 걸을 수 있도록 하거나, 환자가 체중을 옮기는 것만으로 로봇이 발걸음을 떼도록 할 수 있다.
수술용 로봇 : 로봇은 수술실에서도 사용되고 있다. 수술실에서 로봇은 의사를 대신하는 것이 아니라 정밀한 보조자로서 최소침습 수술을 돕는다. 의사가 직접 수술용 가위나 겸자 같은 수술 기구를 사용하는 것이 아니고, 조이스틱과 풋 페달 등 콘솔을 사용해서 로봇을 제어한다. 수술용 로봇을 사용하면 수술 시간을 줄일 뿐만 아니라 환자의 조직 손상을 줄일 수 있다. 수술용 로봇은 사람의 실수로 인한 위험은 최소화 한다.
장난감 로봇 : 소니(SONY)의 로봇 개 아이보(Aibo)는 2006년 판매가 중단되었다가 2017년 새로운 버전으로 재출시된 로봇이다. 아이보는 2대의 카메라와 마이크로폰으로 자신의 주변을 인식하고, 이렇게 획득한 데이터는 학습 프로그램에 의해 평가되어, 아이보가 개성을 개발할 수 있도록 한다. 다른 로봇 개는 프라운호퍼 연구소에서 연구 중인데, 이 연구소는 2002년부터 어린이들이 기술을 놀이처럼 접근할 수 있도록 하고 로봇 개발 및 프로그래밍에 대한 관심을 일깨우기 위해서 특수 로봇을 사용하고 있다.

각주[편집]

↑ 아이작 아시모프 네이버 지식백과 - https://terms.naver.com/entry.nhn?docId=3573304&cid=59014&categoryId=59014
↑ 글쓰는곰돌이 강한솔, 〈로봇은 그릇이다? 로봇공학이 핵심 미래기술인 이유〉, 《브런치》, 2019-08-15
↑ ^3.0 ^3.1 로봇공학 네이버 지식백과 - https://terms.naver.com/entry.nhn?docId=3652305&cid=40942&categoryId=32433
↑ 백재현 기자, 〈한국 로봇 산업의 역사〉, 《사이언스타임즈 네이버포스트》, 2004-10-14
↑ 김동진 기자, 〈아마존 배달 로봇, 미국서 테스트 지역 확장〉, 《아이티조선》, 2020-07-22
↑ 엄지용 기자, 〈배달의민족의 로봇은 어떻게 진화하고 있나〉, 《바이라인네트워크》, 2020-07-24
↑ 이현주 기자, 〈‘똑똑 점심 배달 왔어요’…배송 로봇 시장에 도전하는 로보티즈〉, 《한경비즈니스》, 2020-07-22
↑ 윤신영 기자, 〈"한국 AI대학원 성공하려면 로봇공학 함께 해야"〉, 《동아사이언스》, 2019-04-16
↑ 제너럴일렉트릭코리아 뉴스레터, 〈인공지능(AI)을 갖춘 로봇, 과연 필요할까?〉, 《제너럴일렉트릭리포트 코리아》, 2016-04-07
↑ 탄소 나노튜브 위키백과 - https://ko.wikipedia.org/wiki/%ED%83%84%EC%86%8C_%EB%82%98%EB%85%B8%ED%8A%9C%EB%B8%8C
↑ 현대로보틱스㈜ 공식 홈페이지 - https://www.hyundai-robotics.com/intro/intro3.html

참고자료[편집]

로봇공학 위키백과 - https://ko.wikipedia.org/wiki/%EB%A1%9C%EB%B4%87%EA%B3%B5%ED%95%99
Robotics Wikipedia - https://en.wikipedia.org/wiki/Robotics
로봇 공학 네이버 지식백과 - https://terms.naver.com/entry.nhn?docId=1617791&cid=50321&categoryId=50321
오현석, 〈로봇공학 : 서론〉, 《개인 블로그》
오현석, 〈로봇공학 : 기초〉, 《개인 블로그》
인피니언 테크놀로지스 공식 홈페이지 - https://www.infineon.com/cms/kr/discoveries/fundamentals-robotics/
로봇신문사, 〈세계 산업용 로봇 제조기업 Top10〉, 《로봇신문》, 2015-11-08
꼬마버핏, 〈전세계 로봇제조기업 순위와 로봇ETF〉, 《네이버 블로그》, 2019-07-08
장길수 기자, 〈로봇신문 '2019 올해의 대한민국 로봇기업' 선정〉, 《로봇신문》, 2019-12-06

같이 보기[편집]

이 문서는 사진이 필요합니다.

이 로봇공학 문서는 인공지능 기술에 관한 글로서 검토가 필요합니다. 위키 문서는 누구든지 자유롭게 편집할 수 있습니다. [편집]을 눌러 문서 내용을 검토·수정해 주세요.

인공지능 : 인공지능 서비스, 인공지능 로봇, 인공지능 기술^□^■^⊕, 인공지능 기업, 인공지능 인물

인공지능 기술	AI 워싱 • 랭체인 • 로봇공학 • 로봇기술 • 인지과학 • 자동추론 • 자연어 처리 • 지능 • 지식표현 • 컴퓨터 비전 • 튜링 테스트 • 프롬프트 • 프롬프트 엔지니어링

문자인식과 음성인식	ICR • OCR • OMR • TTS • URL • 글자 • 답변 • 대화 • 동영상 • 디자인 • 맥락 • 문서 • 문자 • 문자인식 • 문자채팅 • 발음 • 번역 • 분류 • 상담 • 소스코드 • 스토리 • 얼굴 • 얼굴인식 • 음성 • 음성채팅 • 음성인식(STT) • 이미지 • 인공어 • 인공지능 음성 • 자막 • 자연어 • 질문 • 채팅 • 코드 • 코딩 • 텍스트 • 통번역 • 통역 • 파일 • 폴더 • 화상채팅 • 화자인식

인공지능 데이터	데이터라벨러 • 데이터라벨링 • 데이터셋 • 돌마 • 벡터 • 벡터DB • 벡터공간 • 스칼라 • 임베딩 • 크라우드워커 • 토큰 • 토큰화

인공지능 학습	ADP • CoLLM • DALL-E • DDPG • DQN • LAM • LMM • SARSA • sLLM • SLM • 강화학습 • 거대언어모델(LLM) • 결정이론적 메타추론 • 계통적 강화학습 • 과적합 • 동적 계획법 • 딥러닝 • 딥큐러닝 • 머신러닝(기계학습) • 메타추론 • 모델 기반 강화학습 • 모델 프리 강화학습 • 미세조정(파인튜닝) • 반영식 아키텍처 • 비지도학습 • 사전학습 • 수시 알고리즘 • 어니 • 에이전트 • 인공지능 학습 • 전이학습 • 준지도학습 • 지도학습 • 추론 • 학습 • 확률적 경사하강법

인공지능 알고리즘	AGI • ANI • ASI • RAG • XAI • 가중치 • 관계형 네트워크(RN) • 뉴런 • 다층퍼셉트론 • 단층퍼셉트론 • 데이터마이닝 • 방사신경망 • 볼츠만 머신 • 분산 샌드박스 • 생성대립신경망(GAN) • 생성형 AI • 수퍼얼라인먼트 • 순전파 • 순환신경망(RNN) • 시그모이드 함수 • 신경망 • 신경망 구조 • 심층신경망(DNN) • 심층신뢰신경망(DBN) • 양방향 비고정값 암호 체계(TSID) • 역전파 • 은닉층 • 인공신경망(ANN) • 인공지능(AI) • 제한 볼츠만 머신(RBM) • 전방전달신경망 • 주의 메커니즘 • 코헨 자기조직 신경망 • 텍스트마이닝 • 트랜스포머 • 파이 • 퍼셉트론 • 합성곱 신경망(CNN)

계산복잡도	NP • NP-완전 • 계산복잡도 • 공간복잡도 • 시간복잡도 • 여 NP • 여 NP-완전

인공지능 프로그램	BCI • GPT • 딥블루 • 딥페이크 • 멀티모달 AI • 모달 • 모달리티 • 모달창 • 알렉스넷 • 어니 • 알파고 • 알파고제로 • 알파폴드 • 왓슨 • 카페 • 컨트롤넷 • 텐서플로 • 텔레파시 • 토치 • 파이토치 • 한돌

인공지능 특징	결정이론 • 계산상의 합리성 • 논리학 • 논리주의자 • 분산성 • 불확실성 • 삼단논법 • 선호도 • 예측곤란성 • 완벽한 합리성 • 유계 합리성 • 이유 불충분의 원리 • 자율성 • 최대기대효용 • 할루시네이션 • 효용이론

인공지능 법적 지위	권리주체성 • 소버린 AI • 전자대리인 • 전자적 인간 • 책임법

위키 : 자동차, 교통, 지역, 지도, 산업, 기업, 단체, 업무, 생활, 쇼핑, 블록체인, 암호화폐, 인공지능, 개발, 인물, 행사, 일반

[1] 아이작 아시모프 네이버 지식백과 - https://terms.naver.com/entry.nhn?docId=3573304&cid=59014&categoryId=59014

[2] 글쓰는곰돌이 강한솔, 〈로봇은 그릇이다? 로봇공학이 핵심 미래기술인 이유〉, 《브런치》, 2019-08-15

[.EB.A1.9C.EB.B4.87.EA.B3.B5.ED.95.99.EB.91.90.EC.82.B0.EB.B0.B1.EA.B3.BC-3] 3.0 ^3.1 로봇공학 네이버 지식백과 - https://terms.naver.com/entry.nhn?docId=3652305&cid=40942&categoryId=32433

[4] 백재현 기자, 〈한국 로봇 산업의 역사〉, 《사이언스타임즈 네이버포스트》, 2004-10-14

[5] 김동진 기자, 〈아마존 배달 로봇, 미국서 테스트 지역 확장〉, 《아이티조선》, 2020-07-22

[6] 엄지용 기자, 〈배달의민족의 로봇은 어떻게 진화하고 있나〉, 《바이라인네트워크》, 2020-07-24

[7] 이현주 기자, 〈‘똑똑 점심 배달 왔어요’…배송 로봇 시장에 도전하는 로보티즈〉, 《한경비즈니스》, 2020-07-22

[8] 윤신영 기자, 〈"한국 AI대학원 성공하려면 로봇공학 함께 해야"〉, 《동아사이언스》, 2019-04-16

[9] 제너럴일렉트릭코리아 뉴스레터, 〈인공지능(AI)을 갖춘 로봇, 과연 필요할까?〉, 《제너럴일렉트릭리포트 코리아》, 2016-04-07

[10] 탄소 나노튜브 위키백과 - https://ko.wikipedia.org/wiki/%ED%83%84%EC%86%8C_%EB%82%98%EB%85%B8%ED%8A%9C%EB%B8%8C

[11] 현대로보틱스㈜ 공식 홈페이지 - https://www.hyundai-robotics.com/intro/intro3.html

[1]

[2]

[3]

[4]

[5]

[6]

[7]

[8]

[9]

[10]

[11]

위키원

이름공간

변수

보기

더 보기

검색