쏟아지는 뉴스와 로봇으로 가득 찬 전시회들을 보면서 너무 익숙해진 것인지 아이스박스에 시원한 음료와 스낵을 담아 온 로봇 ‘스낵맨’을 보고 그저 ‘또 다른 로봇 화보 촬영을 하고 있구나’란 생각이 들기도 했다. 하지만 스낵맨을 개발한 웨이브AI의 박민호 대표, 그들의 자율주행 엔지니어들, 그리고 그 과거와 현재를 들으면서 작은 스낵맨을 다시 바라보게 됐다.     

글 | 한상민 기자_han@autoelectronics.co.kr

연관기사: GPS 위치를 정말 신뢰할 수 있나요? (autoelectronics.co.kr)
             EPS에서 출발하는 덴소의 자율이동 로봇 (autoelectronics.co.kr)






8월 말, 광주에 소재한 자율주행 스타트업 웨이브AI(Wave.ai) 취재를 마치고 돌아오던 KTX 상행선. 오전 일정을 시작하면서 웨이브AI의 배송로봇 ‘스낵맨’ 데모를 본 후 주요 팀원을 함께 도열시켜 찍었던 사진을 뷰파인더서 다시 봤다. 이 사진이 주는 느낌이 처음과 많이 달라져 있었다. 

웨이브AI를 만나기 전(자주 들어온 회사명임에도 불구하고 사전 정보가 많이 없었다), 이미 모 회사에서 배송로봇의 UX에 대해 이야기를 하는 동안 자동으로 문을 열고 들어와 커피를 주고 간 로봇을 경험했고, 인천공항에서는 우동을 들고 온 로봇의 서빙을 받으면서 이런 로봇에 대해 ‘의심의 여지가 없는 미래’, 한편으로는 그들이 빼앗을 일자리에 ‘섬뜩함’을 느끼기도 했지만, 쏟아지는 뉴스와 로봇으로 가득 찬 전시회들을 보면서 너무 익숙해진 것인지 아이스박스에 시원한 음료와 스낵을 담아 온 스낵맨을 보고도 그저 ‘또 다른 로봇 화보 촬영을 하고 있구나’란 생각을 하기도 했다.   

하지만, 웨이브AI의 박민호 대표와 자율주행 엔지니어들과의 대화는 다시 이 로봇을 주목하게 했다. 스낵맨은 일종의 ‘테스트베드’였다. 
웨이브AI는 ‘로봇’이란 유행기술을 쫓는 회사라고 단정 지을 수 없다. 일반적으로 자율이동 로봇을 바라보는 전문가들의 시선은 자동차(자율주행차)를 개발해본 회사에 가산점을 주는데, 그들의 엔지니어들은 차량 기반 자율주행 기술을 오랫동안 연구개발, 테스트, 실증해 온 우리나라 자율주행 산업의 선구자들이다. 그 경험과 노하우, 또 다른 도전이 목적 기반 차량 및 자율이동 로봇 개발로 이어지고 있었다. 

그들은 자율주행 기술을 지속 발전시키면서, 자율주행 기술과 로봇이 활용될 수 있는 또 다른 영역을 염두에 두고 그에 맞는 이해와 기술을 더해 반복적으로 개선, 테스트, 학습해 신뢰성, 생산성, 활용성을 높이고 로봇과 운용 비용 절감을 추구하고 있었다.

박 대표는 “GPS, 라이더, 카메라 센서, 인공지능을 활용해 주행 가능 영역을 탐지하고 장애물을 검지해 자율주행하고, 특정 대상 추적을 통한 리더 팔로잉, 원격 수신호 호출 등의 기술까지 더해 다양한 생활형 자율이동 로봇 및 차량 개발, 그리고 실증으로 새로운 비즈니스 모델을 창출하고 사업화해 가고 있습니다. 우리의 분리 모듈식 자율주행 플랫폼 위에서 농업, 물류, 순찰, 방범 등 다양한 애플리케이션을 가능하게 할 것입니다”라고 말했다. 

스낵맨과 웨이브AI 팀원 사진을 보면서 그 만남을 정리했다.  





박민호 대표는 캠퍼스가 웨이브AI와 같이 다음 단계의 자율주행 애플리케이션을 준비하는 회사에게 딱 좋은 시험대가 되고 있다고 말했다.



스낵맨               

「스마트폰으로 로봇을 호출하니 잠시 후 두 대의 로봇이 차례로 모퉁이를 돌아 모습을 보인다. 딱! 코코(Coco, 야쿠르트의 전동카트)처럼 생긴 4바퀴의 로봇이 스스로 주행해 약속된 위치로 왔다. 웨이브AI의 팀원이 스낵맨이라고 부른 이 로봇 뒤에는 피자헛과 하이네켄 스티커가 붙은 플라스틱 박스를 적재한 또 다른 소형 로봇이 따라왔다. 스낵맨의 데크를 열어 시원한 음료수 캔을 꺼내 마셨다.」

웨이브AI의 자율이동 벤딩머신, 일명 ‘스낵맨’은 대학 캠퍼스와 같은 공간에서 고객이 주문한 제품을 원하는 위치로 찾아가 전달하는 로봇으로, 일부는 군집주행해 여러 제품을 적재해 판매할 수 있다. 로봇은 라이더와 카메라, GPS 센서와 AI로 오브젝트를 감지 회피하고 최적의 루트를 찾아 주문자 혹은 원하는 장소로 배송을 한다. 이 로봇은 캠퍼스는 물론 공원, 대형 행사장과 같은 곳, 지오펜싱 영역에서 활용될 수 있을 뿐만 아니라, 일부는 차량의 군집주행처럼 공사장이나 재난현장에서 사람의 수신호에 따라 화물 등을 적재하고 추종할 수도 있다.

“배송로봇 모델은 그것이 도심이나 교외지역이냐, 대학이나 산업 캠퍼스냐, 실내냐 실외냐와 같은 서비스 지역에 따라 달라지지만, 바뀌지 않는 것은 최소한 도어 투 도어 배송이 이뤄져야 한다는 거에요. 새로운 기술, 도구, 작업 방식이 필요한 상황에서 자율주행차가 주목받아 왔지만, 레벨 4 이상 기술이 언제 실현될지 알 수 없고 전통적인 차량 관점에서 현관에서 무언가가 이뤄지는 라스트마일 배송엔 한계가 있어 로봇이 주목받고 있습니다. 스낵맨과 같은 로봇은 바로 이런 환경과 우리 라이프스타일에 대한 기존 차량의 한계 극복을 목표로 합니다.” 박 대표가 설명했다.

예를 들어 쿠팡, 네이버, 이마트 등 배송 서비스 관련 거래가 급증하고 있지만, 라스트마일 물류의 진정한 혁신은 쉽게 이뤄지고 있지 않다. 오히려 인건비, 유류세 등 높아진 비용, 그로 인한 인권문제 등 다양한 이슈가 더 발생하고 있다. 배달 서비스는 높은 수수료, 낮은 배달 신뢰성과 일관성, 품질, 비효율적인 물류로 인한 문제를 안고 있다. 특히 요즘 영세상인들은 물류 측면의 과도한 서비스 요금으로 수익성 문제를 겪고 있다. 스낵맨과 같은 로봇이 활약할 수 있는 부분이 이런 영세상인, 목적지 반경이 3 km 이내인 환경이다. 

한편, 갈수록 복잡해지는 세상, 다양한 상황에 유연하게 대응할 수 있는 로봇을 개발하는 것도 쉽지 않다. 차선이나 도로표지판을 개선하거나 자율주행 전용차로나 전용 로비를 만드는 것, 주차장이나 빌딩 각층의 맵을 만들거나 신호를 줄 수 있는 뭔가를 부착하는 것, 문턱과 같은 요철을 제거하는 것처럼 미리 결정된 로봇의 작동에 맞춰 친화적 환경을 만들려는 움직임이나 관절을 쓰고 심지어 계단을 오를 수 있는 로봇을 만드는 이유가 실제 세계의 모든 가정과 상황, 로봇의 사용성과 경제성 등을 예측하고 시뮬레이션해 보기 위한 것이다.  

“낯선 사람들은 목적지를 찾기 어렵겠지만 경계가 잘 이뤄져 있고 인도의 비중이 높으며 스마트폰 사용에 익숙하고 새로운 것에 열려 있는 학생이 고객인 캠퍼스는 웨이브AI와 같이 다음 단계의 자율주행 애플리케이션을 준비하는 회사에게 딱 좋은 시험대입니다. 저희는 자동차에서 오랫동안 기술력을 쌓아왔고 이런 고도화된 기술, 시스템을 다양한 영역에 적용하면서 비용 절감을 통해 더 많은 기회를 찾고 있습니다. 웨이브AI는 스낵맨같은 소형 로봇에서부터 대형버스, 대형 농기계까지 폭넓은 애플리케이션을 개발합니다.” 



웨이브AI의 자율주행 개발 경험




새로운 도전영역

“광주가 무인 저속 자율주행 특장차 규제자유특구로 지정되면서 노면청소차, 생활폐기물 수거차, 공공정보 수집 차량 등의 개발 실증을 추진했는데, 당시 이 지역에 차량 개발업체는 있었지만, 저희와 같은 AI 기술기업이나 실증사업의 수퍼바이저가 될만한 기업이 없었습니다. 이것을 웨이브AI가 담당하면서 경험을 더욱 높였고, 이에 따라 지금은 한국전자통신연구원과 스마트팜에 들어갈 자율주행 로봇, 한국자동차연구원과 자율주행 관제 모니터링 시스템 등도 개발하면서, 확장된 경험과 노하우를 자체적인 자율주행 플랫폼 개발로 연결시키고 있습니다.” 박 대표가 설명했다. 

웨이브AI는 우리나라의 초창기 자율주행 개발 엔지니어들, 특히 국민대학교, 언멘드솔루션 엔지니어가 주축이 돼 2020년에 창업한 광주 기반 자율주행 스타트업으로, 지난해부터 본격적으로 ▶무인 자율감시 로봇 ▶수요응답형 셔틀 ▶트랙터 ▶도로환경 정보 수집 시스템 ▶자율주행차 ▶상용차 군집주행 등 자율주행 SW를 개발하고 있다. 

이렇게 다양한 영역에서 작업할 수 있는 이유는, 예를 들어 무인 자율감시 로봇의 구동 제어기술, 수요응답형 셔틀의 양방향 무인운전 차량기술 및 최적 경로 운행제어, 트랙터의 주행 오차 ±15 cm급 고정밀도 자율주행, 첨단 도로조사 차량의 센서 데이터 융합 및 데이터 수집 분석기술 등 중요기술을 이미 웨이브AI의 엔지니어들이 10년 넘게 개발 테스트 실증해왔기 때문이다. 이 자율주행 요소기술에 대한 노하우를 더 자세하게 나열하면 ▶GPS/INS, 휠, 카메라, 레이더, 라이더, OBD, V2X, HVI 등 센서 데이터 수집, 필터링, 데이터 퓨전, 페일 세이프 등 데이터 역량으로부터 ▶포지셔닝, 오브젝트의 식별, 트래킹, 맵 매칭, SLAM 등 인지 부문 ▶패스 플래닝 및 모션 플래닝(ACC, AEB Lane Change, Parking)의 판단 부문 ▶속도와 휠 각도에 대한 패스 트래킹과 종적 제어, 횡적 제어, 바디 컨트롤 등 제어 부문 ▶ACC, FCW, AEB, LDWS, LKAS, PAS 등 애플리케이션으로 구분할 수 있다. 

조봉근 책임연구원은 “웨이브AI의 엔지니어들은 2008년경부터 자율주행 기술을 연구개발하기 시작해 자율주행차는 물론 농기계, 드론, 감시로봇 등 많은 것을 개발했고, 평창올림픽 때엔 KT와 함께 5G 기반 45인승 대형버스의 자율주행을 운용했었습니다. 국토부의 자율주행 임시운행허가를 취득한 자율주행차는 자동차융합기술원, 현대오토넷 등이 수행하는 군산지역의 V2X 테스트에 투입되고 있습니다. 소형의 로봇부터 대형버스, 자율주행 기술의 개발부터 운용까지 모든 것을 다 해봤기 때문에 저희 연구진은 정말 광범위한 경험을 갖고 있다고 자부합니다”라고 소개했다.  



강릉 자율주행 루트 
출처 | 방송과 미디어 제24권 1호, “5G가 열어가는 자율주행 세상” 

웨이브AI의 EV 기반 자율주행차



현재 웨이브AI가 개발하는 자율주행 로봇 플랫폼은 일종의 스케이트보드 형태다. 스낵맨처럼 동작하는 바닥이 있고 그 위에 용도에 따라 필요한 것을 얹는 형태다. 고려하는 로봇의 운용 환경이 광범위하기 때문에 다양한 애플리케이션에 적용될 수 있는 로봇의 기본적인 성능을 갖춘 베이스 플랫폼을 만드는 것이고, 그것 위에 스낵맨처럼 목적에 맞춰 캐빈을 교체하고 그 환경에 특화된 소프트웨어, 알고리즘, 서비스를 애드온한다. 아이디어가 독창적인 것은 아니지만, 순수하게 자동차를 백그라운드로 한 사람들이 자동차 기술을 기반으로 로봇을 개발한다는 점만큼은 기술의 활용성 측면에서 특별하다 할 수 있다. 

“자율주행차를 개발, 운용해 본 경험에서 로봇과의 가장 큰 차이는 주행 영역인 것 같습니다. 자동차는 주행하는 영역이 도로로 한정돼 있어 고려 부분도 도로상, 도로에 인접해 있는 것들에 국한되는데, 로봇은 운용 영역이 용도에 따라 도로, 공원, 캠퍼스, 빌딩이나 공장의 실내가 될 수도 있어 상황에 따라 고려할 부분이 달라집니다.” 조윤기 책임연구원이 말했다.

예를 들어, 자동차 같은 경우 도로에서 GPS가 잠시 안 된다고 해도 차선을 따라가면서 어느 정도 문제가 해결될 수 있지만, 로봇은 상황에 따라 GPS의 정확성과 중요성이 매우 크다. 스낵맨처럼 실내가 아닌 실외에서 동작하고 도로가 아닌 좁은 보행로를 따라 움직인다면 GPS 의존도는 더욱 크고 로봇은 항상 자신의 위치를 수 센티미터 내의 정확도로 파악하고 있어야 한다. 

조향과 구동과 같은 영역도 다르다. 자율주행차의 조향은 프론트 휠을 중심으로 하지만 로봇은 4개 혹은 6개 휠의 회전량이 바탕이다. 스낵맨의 경우 4개 휠을 이용해 휠에 같은 값을 주더라도 속도에 따라 회전 방향, 반경이 조금씩 달라진다. 제자리 회전도 할 수 있다. 장애물을 감지하고 회피하는 것이라면, 스낵맨처럼 저속 소형 로봇이라면 그만큼 긴급 회피기동, 라이더의 중요성이 상대적으로 낮을 수 있다.  

“자율주행 기술에는 기본적으로 차량제어(플랫폼제어), 위치추적, 패스 플래닝, 주변환경 인지가 있고, 부가적으로 특정 오브젝트 추적을 통한 리더 팔로잉, 딥러닝을 통한 수신호 인지, V2X 연계 등이 있습니다. 이러한 기술들은 실내, 실외, 사용자 목적에 따라 기술의 쓰임의 정도가 달라질 수 있습니다. 여러 센서들에서 보내지는 데이터를 변환시키고 융합해 결과값을 검출하는 센서 융합기술은 차량 위치추정과 제어를 안정적으로 할 수 있도록 만들어주죠. 특히 위치추정 기술은 다른 자율주행 기술에 큰 영향을 주기 때문에 우리는 오차를 없애기 위해 GPS-EKF(확장 칼만필터)와 파티클필터 알고리즘을 융합해 각 알고리즘의 단점을 보완했습니다.”

웨이브AI 엔지니어들은 그동안 자율주행 트랙터, 군부대 기지방호 무인차량, 아스타나 엑스포 관람용 자율주행 셔틀 등을 개발 운용했으며, KT와 5G 네트워크로 구성한 Edge Cloud에 V2X 서버를 이용한 승용차, 25인승 콤비버스, 45인승 대형버스의 차량 3대를 강릉 올림픽 경기장 주변 4.5 km 구간에서 군집 자율주행 체험 행사를 수행했으며, 5G 기반 자율주행차 원격제어 시스템을 개발하고 이를 자율주행 기술검증 테스트베드인 K-City에서 수행키도 했다. 

“이처럼 웨이브AI는 실내, 실외, 사용자 목적에 맞춰 다양한 자율주행 서비스를 개발하고 있으며, 현재 배달용 스낵맨을 개발하고 있고, 추후 수신호 가능한 농업용 물류 이동 플랫폼, 스마트팜 로봇 등 자율주행을 이용한 다양한 서비스 플랫폼을 개발하겠습니다.” 이준수 팀장이 추가 설명을 했다.

“스낵맨은 실내가 아닌 실외 주행으로 운영돼 주위 환경이나 계절, 날씨에 따라 측위 정보가 수시로 변해서 이를 기술적으로만 해결하는 데 한계가 있습니다. 그래서 제한된 지역 내에서의 운영이 문제 해결의 최선의 방법이라 생각했습니다. 지금은 스낵맨을 위한 운영 프로그램까지 개발하고 있는데, 저희가 본래 플랫폼 제어 부분을 주로 하던 엔지니어들이라 새로운 만큼 신경 쓰고 고려할 부분도 많습니다.” 박 대표가 거들었다. 




웨이브AI는 우리나라의 초창기 자율주행 개발 엔지니어들, 특히 국민대학교, 언멘드솔루션 엔지니어가 주축이 돼 2020년에 창업한 광주 기반 자율주행 스타트업으로, 지난해부터 본격적으로 ▶무인 자율감시 로봇 ▶수요응답형 셔틀 ▶트랙터 ▶도로환경 정보 수집 시스템 ▶자율주행차 ▶상용차 군집주행 등 자율주행 SW를 개발하고 있다. 



비용 저감 

스낵맨 데모에는 이를 추종하는 또 다른 로봇이 있다. 마치 응급구조대원의 배낭에 유선으로 연결된 드론(들 것)에 환자를 태우는 ‘911$ Rescue Drone’처럼 15 m 이내에서 블루투스 통신으로 작업자를 추종하면서 자재, 공구 등을 운반하고 카메라를 기반으로 작업자의 수신호에 따라 정지, 이동 등 몇 가지 동작을 할 수 있는 로봇이다. 

“이 추종 로봇은 웨이브AI가 본래 산업용 로봇의 활용도를 높이고 단가를 낮추려는 목적에서 추종 기능과 카메라 원격작동 기능을 넣어 개발한 것인데, 이런 비용 절감 노력이 자율주행 플랫폼에서도 이뤄지고 있습니다. 레스토랑에서 움직이는 로봇들이 1~2,000만 원 정도인데, 자동차에 기반한 저희 시스템도 로봇의 용도에 따라서 이 정도까지 비용을 낮춰 비용 절감 및 회수를 가능하게 할 것입니다.” 박 대표가 말했다. 
스낵봇 프로토타입은 다른 차량 애플리케이션(안전무결성)에 기반한 플랫폼답게 높은 스펙을 적용한 만큼 대단히 고가로 주요 컴포넌트 단가는 수천만 원대다. 따라서 연구진은 각각의 컴포넌트, 부품별 단가를 비교하고, 이것을 적용해 애플리케이션을 위한 최소 동작과 운용이 가능하도록 조정하고 문제가 없는지를 체크해 비용을 낮춰가고 있다.  

예를 들어, 자율주행차에서 (테슬라를 제외하고) 주차된 차량, 일반 보행자와 같은 오브젝트를 감지하고 회피하는데 이용되는 필수 센서인 라이더 센서, 정밀 위치제어에 요구되는 고사양 GPS의 의존성을 낮추는 대신 카메라 비중을 높이고 있다.  

“기존 시스템은 GPS와 IMU가 3,000만 원, 16채널 라이더가 500만 원이지만, 비전 기술을 활용해 각각 500만 원, 50만 원 이하로 낮출 수 있습니다. 스낵맨의 경우 최대속도가 5 km/h 정도로 사람의 발걸음보다 약간 빠른 정도이기 때문에 자율주행차와 같은 영상처리 속도가 필요하지 않고, 자율주행차와 비교해 비교적 낮은 이미지 처리 속도로도 자율이동을 위한 환경정보의 취득이 가능합니다. 그에 따라 카메라를 이용해 오브젝트 검출, 추종, 인도, 차도, 잔디밭 등의 환경 분류 등에 Panoptic segmentation과 같은 딥러닝 적용으로 고가의 센서 의존도를 낮추고 있으며, 로봇이 주행하며 얻은 주행기록들을 스스로 학습해 환경인식 및 제어 판단과 같은 의사 결정의 정확도와 정밀도를 스스로 높이는 인공지는 시스템 개발을 연구 중에 있습니다.” 

웨이브AI의 개발팀은 이미 GPS 비용부터 대폭 낮췄다. GPS 가격이 높을수록 굉장히 정밀하고 신뢰성이 높은 데이터를 받을 수 있지만 약간의 점핑 현상이 발생해도 커버가 가능해, 이를 관성항법시스템(INS), 관성측정장치(IMU)와 함께 목표 신뢰성을 확보할 수 있는 최소 비용의 GPS로 대체했다.

“예를 들어, 이미 저희가 해봤던 스마트팜 분야에서 1차 농기계 벤더들과 새로운 모델을 위해 협의 중인 것처럼 웨이브AI는 자율주행 차량, 로봇이 활약할 수 있는 다양한 영역을 보고 있습니다. 저희는 익스테리어 디자인, HMI 등의 측면에서 예쁘게 잘하진 못하지만, 실질적인 자율주행과 관련해 그것이 차량이든 로봇이든 10년 이상의 개발 경험을 갖고 있습니다. 스낵맨은 자율주행 기술로 가능한 미래의 로봇 애플리케이션, 컨셉에 대한 새로운 도전입니다.”
  




스낵맨은 웨이브AI의 자율주행 기술로 가능한 미래의 로봇 애플리케이션, 컨셉에 대한 새로운 도전이다. 웨이브AI는 스낵맨의 비용 절감을 위해 고심 중이다.