이네스 우갈데 디아즈 | Siemens 올해의 발명가 | 신인
사람에게는 쉽지만 로봇에게는 정말 어려운 작업이 있어요. 쓰레기통 수거도 그런 작업 중 하나예요.예를 들어 로봇은 분류되지 않고 무질서하게 배열된 개별 부품 더미를 담은 쓰레기통에서 한 부분만 골라낼 수 있어야 해요. 소포 더미처럼 말이에요.
이네스 우갈데 디아즈와 미국 버클리에 있는 그녀의 팀은 6년 넘게 로봇 제어 시스템을 개발했고 지금까지 40개 이상의 발명품을 만들었어요.이네스는 다양한 로봇 그립 도구에 맞게 유연하게 수정할 수 있는 빈 피킹 솔루션으로 신인 부문에서 2024년 올해의 발명가로 선정됐어요.이 특별한 발명품이 선택된 이유는 차세대 Siemens SIMATIC 로봇 픽 AI의 씨앗이 되기 때문이에요.Pick AI는 2024년 봄에 열리는 독일 하노버 박람회를 포함하여 수많은 무역 박람회에서 소개됐어요.
많은 로봇들이 진공청소기를 만들어서 잡아요.로봇들은 팔 끝, 엔드 이펙터라고 하는데, 잡힐 물체에 진공을 가하기 위해 하나 이상의 흡착판을 사용해요.그러려면 진공패드를 최적의 상태로 평평하고 매끄럽고 다공성이 없는 표면에 놓아야 해요.흡착 패드에는 크기와 모양이 다른 종류가 많아요. 밑면이 직사각형 또는 정사각형이고 흡착판이 하나 이상 있어요.
“우리의 새로운 발명품은 다양한 크기와 배열의 흡입 그리퍼를 쉽게 사용할 수 있게 해줘요.원하는 것을 결정하는 것은 고객의 몫이에요.” 이네스가 말합니다.“그게 사실 저희 제품의 아주 독특한 점이라 다른 경쟁사들과 차별화돼요.”
혼란스러운 쓰레기통 속에서 개별 부품들이 임의의 공간 방향으로 서로 겹쳐져 있어요.로봇은 먼저 이 혼돈 속의 구조를 인식해야 해요. 부품이 어디서 시작되고 어디서 끝나는지 식별하고 위치를 이해해야 잘 잡을 수 있는 위치를 찾을 수 있어요.필요한 데이터, 즉 상자의 현재 모습은 3D 카메라에서 제공해요.이미지에서 개별 사물을 구별하도록 훈련된 AI 알고리즘은 로봇 팔 제어를 위한 토대를 마련해요.
수상한 발명품은 장면 이해, 특히 쓰레기통과 개별 사물을 구별하는 것을 기반으로 만들어졌어요.이걸 보통 “인스턴스 분할”이라고 해요. 기계 학습하고 컴퓨터 비전의 표준 문제예요.수백만 개의 예제에 대한 학습을 통해 이점을 얻은 이 작업을 위한 사전 훈련된 모델이 이미 많이 있어요.좋은데 너무 일반적이어서 쓰레기통 따기 시나리오에서 실수를 해요.이네스와 그녀의 그룹은 특정 데이터 세트 (예: 기존 Pick AI 로봇 셀의 실제 데이터) 에 대한 추가 교육을 해서 이러한 표준 솔루션의 성능을 만족스러운 수준으로 향상시켰어요.
이네스는 이렇게 말합니다. “우리 솔루션은 합성 소스와 실제 소스 모두에서 얻은 방대한 데이터 세트를 기반으로 교육했기 때문에 모든 고객 사이트에서 작동할 수 있어요.“상자, 병, 가방, 그리고 부품이 플라스틱 호일로 포장된 경우에도 정말 잘 어울려요.원칙적으로는 고객이 운영 성능 저하를 보지 않아야 해요. 하지만 그럴 경우 모델이 실패로부터 교훈을 얻을 수 있을 거예요.이것이 저희 제품 전략의 일부예요.우리는 로봇 플릿의 대규모 데이터 세트를 Siemens 클라우드로 수집할 준비를 하고 있어요. Siemens 클라우드는 실패 사례를 활용하여 제품을 더 좋게 만들 수 있어요. 한 고객뿐 아니라 데이터 공유에 동의한 모든 고객을 위해 말이죠.”개선은 성능 향상뿐만 아니라 새로운 사용 사례를 드러내기도 해요.이네스는 이렇게 설명합니다. “최소한의 노력으로 소프트웨어를 수정하여 로봇 디팔레타이징 등 완전히 새로운 사용 사례에 맞출 수 있다는 것을 알게 됐어요.픽 AI는 독일 에를랑겐에 있는 Siemens 생산 창고 중 한 곳에 새로 배치한 로봇 디팔레타이징 셀의 핵심이에요.데이터 덕분에 팀은 로봇 조작의 한계를 뛰어넘고 있어요.
