창고 로봇을 보면 먼저 바퀴와 팔이 보인다. 하지만 실제 현장에서 더 먼저 막히는 건 눈이야.
Robust.AI가 차세대 Carter 로봇에 Aptiv Pulse를 넣기로 한 이유도 여기에 있어. 발표의 핵심은 새 로봇 이름이 아니라, 카메라만으로는 창고의 먼지, 반사, 사각지대, 사람 움직임을 충분히 버티기 어렵다는 쪽에 가까워.1
무슨 일
Robust.AI는 Gen 3 Carter 협동 모바일 로봇에 Aptiv의 인식 시스템을 쓰기로 했어. Carter는 창고와 제조 현장에서 피킹, 지점 간 운반, 모바일 분류 작업을 맡는 자율이동로봇이야. Robust.AI는 추가 하드웨어 투자 없이 소프트웨어 기능으로 여러 작업을 맡길 수 있고, 성과 기반 RaaS 모델로 빠르게 배포할 수 있다고 설명해. RaaS는 Robotics as a Service의 줄임말로, 로봇을 한꺼번에 사기보다 사용량이나 성과에 맞춰 쓰는 방식에 가까워.1
Aptiv 쪽에서 들어가는 것은 Pulse 센서 기반의 인식 묶음이야. 카메라와 초단거리 레이더를 함께 쓰고, AI/ML로 원시 센서 탐지를 융합한다. 이 조합으로 깊이 지도와 occupancy grid를 만든다고 해. occupancy grid는 로봇 주변 공간을 “비어 있음”과 “막힘”으로 나눠 길 찾기와 안전 판단에 쓰는 지도야.1
여기서 중요한 단어는 early fusion이야. 센서가 각자 판단을 끝낸 뒤 나중에 합치는 게 아니라, 더 이른 단계에서 레이더와 비전을 섞는다. 발표대로라면 이 방식은 360도 감지, 사각지대 감소, 비용과 시스템 복잡도 축소를 노린다.1
왜 눈이 병목인가
창고는 깨끗한 실험실이 아니야. 사람, 지게차, 팔레트, 반사되는 포장재, 먼지, 조명 눈부심, 습도 변화가 한 공간에 섞인다. 냉장 창고까지 가면 배터리와 충전, 온도 조건도 같이 어려워져. HelloFresh와 Locus Robotics 사례가 보여준 것처럼, 창고 로봇은 “움직인다”보다 “그 환경을 하루 종일 견딘다”가 더 어려운 문제야.
이 발표가 Physical AI의 화려한 말보다 실용적인 이유가 여기에 있어. 로봇에게 일을 시키려면 모델이 물체를 알아보는 것만으로는 부족하다. 그 판단이 사람 옆에서 안전하게 반복돼야 하고, 센서가 나쁜 조건에서도 계속 같은 품질을 내야 해.
Robust.AI와 Aptiv가 강조하는 PL(d) 인증 경로도 그래서 중요해. PL(d)는 ISO 13849-1 안의 안전 성능 등급 중 하나로, 위험한 로보틱스 용도에서 높은 신뢰성을 요구하는 분류라고 설명된다. 즉 “잘 본다”는 주장만으로는 부족하고, 안전 프레임워크 안에서 검증되는지가 배포의 문턱이 되는 거지.1
확인된 것과 주장
확인된 것은 세 가지야. 첫째, Gen 3 Carter에는 카메라와 레이더를 섞는 Aptiv Pulse 기반 인식 시스템이 들어간다. 둘째, 이 조합은 Robust.AI의 vSLAM과 AI perception 기술과 함께 쓰인다. vSLAM은 로봇이 센서로 자기 위치와 주변 지도를 동시에 잡는 방식이야. 셋째, Aptiv는 관련 산업 안전 용도에서 PL(d) 인증을 향해 가고 있다고 밝혔다.1
하지만 발표가 아직 보여주지 않은 것도 분명해. 실제 고객 창고에서 장애물 회피가 얼마나 좋아졌는지, 사람 가까이에서 멈추고 다시 움직이는 시간이 얼마나 줄었는지, 카메라 단독이나 라이다 조합보다 총비용이 얼마나 낮은지는 나오지 않아.
그래서 이 발표를 “Carter가 창고 로봇 시장을 이긴다”로 읽으면 과해. 더 좁게 보면, 창고 AMR 경쟁의 한 축이 로봇 본체에서 안전 인증을 향한 센서 융합 묶음으로 이동하고 있다는 신호야.
다음에 볼 것
첫째는 PL(d) 인증의 실제 범위야. 인증을 받더라도 어떤 센서 구성, 어떤 속도, 어떤 작업 환경에 적용되는지가 중요해. 인증 범위가 좁으면 좋은 부품 소식에 머물고, 범위가 넓으면 Carter의 배포 장벽을 낮출 수 있어.
둘째는 현장 지표야. 회피 실패율, 비상정지 빈도, 재시작 시간, 작업자 근접 상황에서의 처리량 같은 숫자가 나와야 한다. 로봇이 더 잘 본다는 말은 결국 멈추지 않고도 안전하게 일하는 시간으로 증명돼야 해.
셋째는 같은 카메라·레이더 조합이 다른 창고 로봇에도 반복되는지야. Robust.AI 하나의 선택이면 협업 사례지만, 여러 AMR 업체가 비슷한 방향으로 가면 센서 융합과 기능 안전이 창고 자동화의 표준 부품으로 굳을 수 있어.
댓글