Aptiv Pulse

이 문서는 자라는 중인 질문입니다. 아직 증거를 모으고 있으며, 내용이 바뀔 수 있습니다.

Aptiv Pulse는 창고 로봇에서 “눈”이 단순 카메라 문제가 아니라는 점을 보여주는 이름이야. 로봇이 사람과 팔레트 사이를 지나가려면 물체를 보는 것만으로는 부족해. 먼지, 반사, 사각지대, 조명, 사람 움직임이 섞인 공간에서 계속 같은 품질로 판단해야 하거든.

그래서 Pulse를 볼 때의 핵심은 센서 부품 하나가 좋아졌다는 이야기가 아니야. 카메라와 레이더를 이른 단계에서 섞어, 길 찾기와 기능 안전을 한 묶음으로 만들 수 있느냐가 먼저야.

한 줄로 말하면

Aptiv Pulse는 카메라와 초단거리 레이더를 함께 써서 창고 로봇의 주변 인식과 안전 판단을 돕는 센서 기반 인식 묶음이고, Physical AI가 현장 안전 인증까지 내려올 때 반복해서 볼 제품 이름이야.

무엇인가

지금 로컬 근거에서 확인되는 것은 Robust.AI의 Gen 3 Carter 채택 사례야. 발표에 따르면 Carter에는 Aptiv의 intelligent perception solution이 들어가고, 그 안에는 Aptiv Pulse 센서를 바탕으로 한 AI·머신러닝 센서 융합이 포함돼.¹

Pulse 쪽의 역할은 카메라와 초단거리 레이더를 함께 쓰는 데 있어. 발표는 raw sensor detection을 AI/ML로 early fusion해서 depth map과 occupancy grid를 만든다고 설명해.¹ depth map은 주변 물체의 거리감을 잡는 지도이고, occupancy grid는 공간을 비어 있는 곳과 막힌 곳으로 나눠 길 찾기와 회피에 쓰는 지도야.

왜 계속 등장하는가

첫째, 창고 로봇의 상용화 병목은 “움직인다”보다 “안전하게 반복된다”에 가까워. 카메라만으로는 반사 포장재, 먼지, 눈부심, 습도 변화, 사람 동선을 모두 견디기 어렵다. Pulse는 이 빈틈을 레이더와 비전의 조합으로 줄이려는 방향에 서 있어.

둘째, 이 제품은 로봇 본체보다 안전 프레임워크 쪽 질문을 끌고 와. Robust.AI와 Aptiv의 발표는 Pulse 기반 인식이 관련 산업 안전 용도에서 Performance Level d, 즉 PL(d) 인증의 기초를 만든다고 설명했어.¹ 로봇이 창고 안에서 사람 옆에 서려면 “잘 본다”는 말보다 어떤 안전 기준 안에서 검증되는지가 더 중요해진다.

셋째, Pulse가 Robust.AI 한 곳에 그치지 않고 다른 AMR과 산업 장비에 반복 채택되는지 봐야 해. 반복 채택이 나오면 창고 자동화 경쟁의 일부가 로봇 몸체에서 센서 융합·기능 안전 묶음으로 옮겨가고 있다는 신호가 될 수 있어.

이 대상을 볼 때의 핵심 축

flowchart LR
    A["카메라"] --> C["early fusion"]
    B["초단거리 레이더"] --> C
    C --> D["depth map"]
    C --> E["occupancy grid"]
    D --> F["navigation"]
    E --> F
    F --> G["functional safety"]

• 센서 구성 축. Pulse가 어떤 카메라와 어떤 레이더를 쓰는지 봐야 해. “카메라+레이더”라는 말만으로는 해상도, 감지 거리, 사각지대, 비용 구조가 보이지 않는다.
• 융합 단계 축. early fusion은 센서별 판단을 나중에 합치는 방식과 다르다. 어느 단계에서 raw detection을 섞는지가 지연시간, 오탐, 안전 판단을 바꿀 수 있어.
• 기능 안전 축. PL(d) 경로가 실제 인증 완료인지, 어떤 작업 조건까지 덮는지 확인해야 해. 인증 범위가 좁으면 좋은 부품 신호에 머물 수 있다.
• 고객 반복 축. Robust.AI Carter 밖에서도 채택되는지 봐야 해. 여러 로봇 회사가 같은 묶음을 쓰면 Pulse는 개별 협업보다 표준 부품에 가까워진다.

최근 관찰된 신호

2026년 7월 Robust.AI는 Gen 3 Carter 협동 모바일 로봇에 Aptiv Pulse 기반 인식 시스템을 쓰기로 했다고 공개됐어. 발표는 이 조합이 Robust.AI의 vSLAM과 AI perception 기술과 함께 쓰이고, 창고·제조·냉장 보관 환경의 장애물, 먼지, 눈부심, 습도 변화, 반사 표면 같은 조건을 겨냥한다고 설명했어.¹

중요한 지점은 Pulse가 단순 부품명이 아니라 기능 안전 문턱과 연결돼 있다는 점이야. 발표는 이 협업이 관련 산업 안전 용도에서 PL(d) 인증의 기반을 세운다고 말한다.¹ 다만 어느 구성, 어느 속도, 어느 작업 환경까지 인증 경로가 적용되는지는 아직 별도 원문이 필요해.

헷갈리지 말아야 할 점

• Pulse 채택은 현장 성능 증명이 아니야. 더 잘 본다는 주장은 회피 실패율, 비상정지 빈도, 재시작 시간, 작업자 근접 상황의 처리량으로 확인돼야 해.
• 센서 융합은 카메라를 버린다는 뜻이 아니야. 지금 확인되는 방향은 카메라와 레이더를 함께 쓰는 것이지, 한 센서가 다른 센서를 완전히 대체한다는 얘기가 아니야.
• PL(d) 경로와 인증 완료는 다르다. 발표가 말한 것은 관련 안전 용도의 인증 기반이지, 모든 창고 작업 조건에서 검증이 끝났다는 뜻으로 읽으면 안 돼.
• Aptiv Pulse는 Robust.AI 자체가 아니야. Carter 채택 사례는 중요하지만, Pulse는 Aptiv 쪽 인식 묶음이고 Robust.AI는 그 적용 고객 중 하나로 봐야 해.

이어서 읽기

Robust.AI Carter 채택 사례는 Carter 로봇의 눈은 카메라만으로 부족했다에서 먼저 읽으면 좋아. 그 글은 창고 로봇에서 왜 카메라·레이더 융합과 안전 인증이 병목이 되는지 사건 중심으로 풀어.

적용 대상 쪽은 Robust.AI에서 이어서 볼 수 있어. Carter가 어떤 작업 흐름을 맡고, Pulse 채택이 Robust.AI의 사람 협업형 창고 자동화와 어떻게 연결되는지 정리해 둔 페이지야.

더 큰 배경은 Physical AI야. 로봇이 실제 공간에 들어갈 때 모델, 센서, 몸체, 안전 인증이 왜 한 묶음으로 움직이는지 이어서 볼 수 있어.

남은 질문들

• Aptiv Pulse의 공식 센서 구성과 사양은 무엇인가?
• early fusion은 Pulse 안에서 어떤 단계의 데이터를 섞는 구조인가?
• PL(d) 인증 경로는 어떤 안전 기능과 작업 조건을 실제로 덮나?
• Robust.AI 외 고객에서도 Pulse가 반복 채택되고 있나?
• 카메라·레이더 조합은 라이다 기반 인식과 비교해 비용, 안전성, 유지보수에서 무엇이 다르나?

각주

1. Robotics & Automation News/Sam Francis, 「Robust.AI selects Aptiv’s AI-powered perception system for next-generation Carter warehouse robot」(2026-07-07) 기사. ↩︎ ↩︎² ↩︎³ ↩︎⁴ ↩︎⁵