협동 로봇은 산업용 로봇보다 훨씬 공간을 차지하지 않는다는 장점이 있어 스마트공장에서 요구하는 모듈화나 분산화와 같은 유연성을 확보하는 데 중요한 역할을 하였다. 이로 인해 협동 로봇이 스마트공장의 한 축으로 자리 잡을 수 있었고 전 세계적으로 로봇 시장 또한 가파른 성장세를 보이고 있다. 우리나라 역시 인구가 감소하는 추세가 이어지고 주 52시간 근무제 도입 및 최저임금 상승 등에 대한 해결책으로 협동 로봇의 중요성이 확대되고 있다^[1].

협동 로봇의 초기 형태는 지정된 공간에서 단순 작업을 반복하는 용도가 대부분이었기 때문에 산업용 로봇과 큰 차이점을 보이지 못했다. 하지만 최근 들어 제품의 생산성을 향상시키기 위한 목적이 아닌 작업자의 생산성을 향상시키거나 인간의 제한된 근무시간을 보완하기 위한 목적으로 연구가 확대되고 있다. 대표적으로 Omron, Kuka, 한화정밀기계 등의 회사에서는 협동 로봇과 모바일 로봇을 결합한 모바일 매니퓰레이터를 제작하여 협동 로봇의 제한된 활동 영역을 보완하였다. 이를 통해 협동 로봇이 여러 위치에서 다양한 동작을 수행할 수 있게 되었으며 한 사람을 대체할 수 있는 형태의 로봇으로 발전하였다. 또한 AI기술 적용을 통해 전문적인 서비스 로봇으로 활용하려는 시도가 활발하게 이루어지고 있으며 시장의 규모 또한 크게 성장할 것으로 전망되고 있다. 기술적 요인뿐만 아니라 고령화, 저성장 시대 도래, 삶의 질 향상 추구와 같은 사회적 요인들도 서비스 로봇 시장의 성장을 촉진하고 있다^[2].

이와 같은 사회적 변화에 맞춰 본 연구에서는 협동 로봇을 활용하여 작업자의 업무 효율을 향상시키고 한 사람을 완전히 대체할 수 있는 형태의 서비스 로봇을 제작하였다. 먼저 협동 로봇과 모바일 로봇을 결합한 모바일 매니퓰레이터를 제작하고 딥러닝 기반의 객체인식 기술을 통해 물체의 Pick & Place 기능을 구현하였다. 현재 상용화된 모바일 매니퓰레이터에 음성인식 기술이 접목된 제품은 존재하지 않는다. 본 논문에서 제작한 통합 시스템을 통해 음성인식이 접목된 모바일 매니퓰레이터의 활용성을 실험을 통해 증명하였다. 이를 통해 작업자가 로봇과 의사소통 할 수 있는 기능을 구현함으로써 협업 효율을 증가시킬 수 있었다. 최종적으로 ROS (Robot Operating System)을 통해 시스템 통합을 수행하였으며, 이 시스템은 모바일 로봇 실행 노드, 매니퓰레이터 및 비전카메라 실행 노드, 음성인식 노드 총 3개의 실행 노드로 구성되어 있다.

본 연구에서 제작한 모바일 매니퓰레이터는 [Table 1]과 같이 총 5개의 구성요소로 이루어져 있으며 시뮬레이션 환경이 아닌 실제 환경에서 검증이 가능하도록 [Fig. 1]과 같이 시스템을 통합하여 제작하였다. DC 12 V, DC 22-30 V 출력이 가능한 배터리를 통해 비전카메라를 제외한 모든 구성요소에 전원을 공급하며 비전카메라는 매니퓰레이터로부터 스텝다운 컨버터를 통해 전원을 공급받는 구조로 이루어져있다.

[Fig. 1] 
Mobile manipulator H/W

모바일 매니퓰레이터의 구성요소들은 [Fig. 2]와 같이 유선 혹은 무선으로 통신하는 구조로 이루어져있다. 통합 제어기인 PC를 기반으로 외부 마이크를 통해 음성 데이터를 입력받고, 인식된 내용은 ROS service 통신으로 모바일 매니퓰레이터의 실행 노드로 전달된다.

[Fig. 2] 
Communication System

제작한 통합 시스템의 활용성 검증을 위하여 음성 명령을 통한 물체 이송 서비스 작업을 구현하였고 성능 실험 환경을 다음과 같이 구성하였다. 먼저 [Fig. 7]과 같이 테이블의 양 끝 지점을 각각 작업 장소(Pick area)와 배치 장소(Place area)로 정의하고 작업 장소에 오차 보정을 위한 Charuco marker와 Pick up 동작 대상 물체인 큐브를 임의의 위치에 고정시킨다. 로봇이 작업 장소에 정확하게 위치하고 있는 상태에서 물체의 Pick up 동작을 수행할 수 있는 좌표 Teaching을 시행하고 배치 장소에는 큐브를 배치할 수 있는 크기의 컨테이너를 임의의 장소에 위치시킨다.

[Fig. 7] 
Map for transfer service

실험은 [Fig. 8]의 순서도와 같이 대기 장소에서 음성 명령을 전달받은 모바일 매니퓰레이터가 작업 장소로 이동하여 큐브의 Pick up 동작을 수행한 후 배치 장소로 이동하여 컨테이너에 물체의 Place 동작을 수행하는 과정을 총 20회 반복하여 성공 횟수를 측정한다. 이때 주행 거리는 약 6 m 이며 [Fig. 9]와 같이 물체의 Pick & Place 동작을 완벽하게 수행했을 시 성공으로 간주한다.

[Fig. 8] 
Transfer service flow chart

[Fig. 9] 
Implementation of Pick & Place

실험 결과 [Table 4]와 같이 총 20번의 시도 중 16번을 성공하였다. 7번째와 17번째 시도에서는 빛의 영향으로 컨테이너의 좌표를 추출하지 못하였고, 4번째와 10번째 시도에서는 음성이 인식되지 않았다. 물체의 Pick up 동작 성공률은 100%를 보였으며 전체 서비스 작업 성공률은 80%를 보였다. 소요 시간은 [Table 5]와 같으며 이를 통해 제작한 시스템의 서비스 로봇으로의 활용 가능성을 확인할 수 있었다.

본 연구에서는 음성으로 명령을 입력 받은 모바일 매니퓰레이터가 작업 장소로 이동하여 큐브를 Pick up하고 배치 장소로 이동하여 컨테이너에 Place하는 동작을 구현하였다. 또한 반본 실험을 통해 제작한 통합 시스템의 서비스 로봇으로의 활용할 수 있음을 검증하였다. 서비스 작업에 소요되는 시간은 사람이 수행했을 때보다 오래 걸리지만, 단순 작업을 로봇이 수행하도록 하고 그 시간 동안 인간은 창의적인 일에 집중함으로써 이상적인 생산 환경을 창출할 수 있을 것이다.

제작한 통합 시스템은 불편한 사람들에게 필요한 물건을 집어다 주는 로봇, 식당·카페 등에서 음식을 배달하는 로봇, 제조업 현장에서 작업 공구 혹은 제품을 이송해주는 로봇 등 매우 다양한 서비스 분야에서 활용이 가능하다는 점에 의의가 있다. 추후 음성인식과 객체인식 기술의 정확도를 높이는 연구를 통해 시스템의 성능을 향상시키고 얼굴 인식, 빈 피킹^[9] 등 다양한 AI기술을 추가적으로 적용하여 서비스 로봇으로의 활용성을 더욱 높이고자 한다.