加 벤션, ‘래피드 오퍼레이터 AI’ 개발

▲벤션의 래피드 오퍼레이터 AI는 AI 기반 인지 및 경로 계획을 사용해 밀집된 컨테이너에서 무작위 방향으로 놓인 부품을 자율적으로 식별하고 집어 올린다. (사진=벤션)

 

캐나다 벤션Vention Inc.)이 비정형 제조 작업을 위한 ‘래피드 오퍼레이터 AI(Rapid Operator AI)’를 개발했다고 더로봇리포트가 23일(현지시간) 보도했다.

​

래피드 오퍼레이터 AI는 딥 빈 피킹(deep bin picking)을 시작으로 복잡하고 비정형화된 작업들을 자동화한다. 이 회사는 지난주 열린 엔비디아 GTC 2026(3.16~19)에서 이 시스템의 상업적 출시를 발표했다.

​

에티엥 라크루아 벤션 창업자이자 최고경영자(CEO)는 “래피드 오퍼레이터 AI는 비정형 제조 작업을 위한 제품화된 물리적 AI 솔루션이다. 나는 지금 물류 창고가 아니라 제조 현장에 대해 말하고 있다. 제조의 세계는 훨씬 더 까다롭다”고 말했다.

​

라크루아는 신제품이 회사의 범용 로봇 산업 지능 파이프라인(Generalized Robotic Industrial Intelligence Pipeline·GRIIP)을 기반으로 구축됐다고 말했다. GRIIP은 벤션의 고유 모델과 엔비디아 아이작 오픈 모델을 통합해 인지부터 동작까지 통합된 파이프라인을 제공한다.

​

벤션은 노동력 부족과 높은 생산 가변성으로 인해 시스템 운영상 제약을 겪고 있는 다교대 근무 시설을 운영중인 중견 및 대기업 제조업체들을 겨냥하고 있다.

​

◇딥 빈 피킹부터 시작하는 이유

​

벤션은 딥 빈 피킹 작업을 목표로 삼은 두 가지 이유를 강조했다. 첫째, 고객들이 그것을 매우 흔한 문제라고 말했다.

​

프랑수아 지게르 벤션 최고기술 책임자(CTO)는 “업계 고객들과 대화해 보면 그것은 매우 반복적인 문제다. 조립이나 머신텐딩에서 부품 통(빈)이 있으면, 거기서 부품을 꺼내 무언가 작업을 해야 한다. 이 유형의 환경에 적응할 수 있는 확장 가능한 방법이 없었기 때문에 이 사용 사례가 우리를 가로막는 경우가 매우 많았다. 이제 우리의 이 새로운 기술들을 활용해 우리는 이 프로젝트들에 '예'라고 말하고, 고객을 위해 무언가를 구현할 수 있는 훨씬 더 나은 위치에 있다. 모든 것이 크고 깊은 빈에서부터 시작된다. 그것들은 고정된 폼 팩터를 가지고 있고 운영의 일부이므로 그것을 해결해야만 한다”고 설명했다.

​

벤션이 빈 피킹부터 시작한 두 번째 이유는 그 작업이 도전적이었기 때문이었다. 라크루아는 빈 깊숙한 곳에서 집어 올리는 것은 많은 복잡성을 더하며, 집으려는 대상을 보기 어렵고 로봇이나 카메라가 빈 자체 또는 빈 안의 물체와 충돌하지 않도록 보장해야 한다고 말했다.

​

하지만 팀은 이 문제를 해결할 수 있다면 제조 분야의 다른 어떤 문제도 해결할 수 있다는 것을 알았다.

​

라크루아는 “우리가 첫 번째로 배치한 곳은 이 문제를 전통적인 비전 기술로 해결하려고 네 차례나 시도했던 고객이었다. 그들은 매번 실패했기에 우리가 이 기술을 시장에 내놓기 위한 연구개발(R&D) 사례로 이 사용사례를 제안했을 때 그들은 회의적이었다”고 말했다.

​

◇벤션, 효율적이고 유연한 AI 모델 기반으로 구축

​

벤션은 래피드 오퍼레이터가 로봇에 다음과 같은 능력을 제공한다고 말했다.

​

△밀집된 혼란 속에서 무작위로 배치된 부품을 감지하고, 정밀한 6자유도(6-DoF) 포즈를 추정하며, 충돌 없는 파지(把持·grasps) 계획을 세운다.

​

△최소한의 감독으로 신뢰할 수 있는 다교대 운영을 위해 적응형 재시도로 자율 피킹을 실행한다.

​

△불투명, 반투명, 투명 재질을 지원하며 밝은 빛, 저조도 또는 어둠 속에서도 작동하고 최대 60.9cm 깊이의 컨테이너(보관함)내 부품을 처리한다.

​

△이 모든 것을 빠르게 수행할 수 있는 시스템을 만들기 위해, 벤션은 AI 파이프라인과 월드 모델(world models)의 최고 장점만을 취해야 했다.

​

라크루아는 “AI 파이프라인은 매우 효율적이다. 그것들은 빠르고 산업 등급의 사이클 타임을 맞출 수 있다. 최근 휴머노이드에서 자주 보이는 월드 모델은 일반화 능력이 매우 뛰어나지만, 느려서 제조업체의 일반적인 사이클 타임을 맞출 수 없다. 그러면 어떻게 두 가지의 최고 장점을 모두 얻을 것인가. 고객들은 일반화도 원하고 속도와 성능도 원한다”라고 말했다.

​

◇엔비디아 컴퓨팅을 활용하다

​

벤션은 스테레오 매칭을 위해 엔비디아 파운데이션스테레오(FoundationStereo)를 사용하고, 차세(포즈) 추정을 위해 엔비디아 파운데이션포즈(FoundationPose)를 사용했다.

​

지게르는 “파운데이션 모델을 처음부터 구축하려면 많은 컴퓨팅 자원이 필요하다. 비용이 엄청나게 많이 든다. 이런 모델을 구축하는 데는 많은 전문 지식도 필요하다. 그래서 우리는 엔비디아가 그 노력을 하도록 했고, 우리는 그것을 애플리케이션용 파이프라인에 통합했다”고 밝혔다.

​

앞으로 라크루아는 래피드 오퍼레이터 AI가 제조 중심 시스템으로 남을 것이라고 말했다. 하지만 GRIIP을 통해 회사는 더 다양한 작업을 제공할 수 있다 .

​

라크루아는 “2교대 공장을 운영하는 모든 제조업체는 이제 2년 내 회수가 가능한 비용으로 물리적 AI를 도입할 수 있다. 창고운영자들은 인간의 속도와 피킹 신뢰성을 얻는 동시에 매우 복잡하고 제약이 많은 제조 환경을 충돌 없이 돌아다닐 수 있다”고 말했다.

 

 

이재구 기자 robot3@irobotnews.com

저작권자 © 로봇신문 무단전재 및 재배포 금지