코로나 19의 확산으로 온라인 소비활동이 급격히 증가하였고, 이에 대응하기 위해 물류 자동화 또는 무인화가 필수로 자리잡았다. 물류 자동화 또는 무인화는 물류 처리 효율성을 높일 뿐만 아니라 택배/소포 서비스 이용자와 종사자의 감염으로부터 안전을 지킬 수 있다. 그러나 이러한 장점에도 불구하고, 국내 우편물류센터에서 롤테이너(rolltainer)에 적재된 소포를 컨베이어 벨트로 하나씩 내려놓는 디팔레타이징 작업은 다음과 같은 불확실성 때문에 대부분 인력으로 진행되고 있다^[1][Fig. 1].

[Fig. 1] 
Rolltainer full of parcels (left) and de-palletizing task (right), where rolltainers are mobile cages that is used as a convenient method of moving and transporting a whole variety of goods and products

• ‧ 일정하지 않은 소포 물량
• ‧ 미지의 소포 재질, 형상, 크기
• ‧ 미지의 소포 적재 위치 및 패턴

우편물류센터는 개인이 우체국에서 접수한 소포 및 계약업체의 소포를 모아서 소포의 목적지에 따라 구분하여 다른 물류센터 또는 관할 우체국으로 보내는 물류 허브이다. 우편물류센터는 다량의 소포를 효율적으로 운송하기 위해 롤테이너를 사용하고 있는데, 여기서 롤테이너는 [Fig. 1]처럼 바닥에 바퀴가 있는 가로 1,100 mm, 세로 800 mm, 높이 1,700 mm의 이동식 운송 용기이다.

우편물류센터에서는 다양한 종류의 작업이 이뤄지고 있으며, 본 논문은 이 중에서 롤테이너 적재 소포를 컨베이어 벨트에 하나씩 내리는 디팔레타이징 작업만을 대상으로 한다. 소포 디팔레타이징 작업은 다음과 같이 수행된다. 먼저 소포 운반 차량에서 소포가 가득 찬 롤테이너를 꺼내고 작업 장소까지 옮긴다. 그리고 롤테이너의 문을 개방하고 소포를 하나씩 컨베이어 벨트 위에 올려놓는다. 그러면 소포는 컨베이어 벨트를 타고 이동하여 소포 구분기를 거쳐 각 집중국 별로 구분된다. 이러한 이유로 우편물류센터 현장에서는 앞서 설명한 디팔레타이징 작업을 소포 구분 작업이라고 부른다.

비정형 소포 디팔레타이징 로봇에 관하여 학술 연구 수준에서 실험실 데모를 수행한 연구사례 및 로봇 작업에 유리하도록 주변 환경을 정형화시킨 연구사례가 많이 있으나, 우편물류센터와 같이 복잡할 뿐만 아니라 롤테이너를 사용하는 물류 현장에 적합하지 않다. 그러므로 본 연구에서는 관련 연구사례로 실제 물류 현장에 로봇을 적용하며 기술을 확보한 기업을 참고하게 되었으며, 그 예시로 일본의 Mujin, 스위스의 Swisslog, 그리고 중국의 Dorabot이 있다^[2]. 먼저 Mujin^[3]은 2020년 Mujin 제어기를 출시하였고, 이후 제어기와 함께 전용 3D 비전 시스템 및 진공 그리퍼도 같이 다루고 있다. Mujin 제어기는 다양한 브랜드의 로봇 팔 제품과 호환되어 사전에 등록된 물류에 대해서 비전 기반 디팔레타이징 작업이 가능하도록 만들어 준다. 두 번째로 Swisslog^[4]는 로봇 제조업체인 KUKA를 모회사로 둔 물류 자동화 솔루션 개발 업체이다. 2019년 물류 창고 내 오더 피킹(order picking) 작업을 자동화하기 위해 빈(bin)에 담긴 다품종 소형 제품을 자동으로 인식하고 픽-앤-플레이스 할 수 있는 ItemPiQ라는 로봇 시스템을 개발하였다. ItemPiQ는 학습 기반 비전 시스템을 통해 사전에 알려지지 않은 제품을 인식하고 KUKA 소형 로봇 팔 말단부의 진공 그리퍼로 제품을 피킹할 수 있다. 마지막으로 Dorabot^[5]은 2019년 DoraPalletizer를 시작으로 2021년 DoraSorter와 같이 다양한 종류의 로봇 물류 자동화 시스템을 개발한 물류로봇 전문 기업이다. Dorabot의 3D 비전 시스템에서 대상 물류를 인식할 뿐만 아니라 복수의 평 팔레트에 대해서 디팔레타이징 하기 위한 로봇의 동작을 생성할 수 있다.

앞서 언급한 세 가지 기업의 로봇 시스템은 각자의 특징이 있으며 물류센터 현장에 도입된 바 있으나, 본 논문에서 다루는 롤테이너 적재 소포 디팔레타이징 작업을 자동화시킨 사례는 없다. 롤테이너가 현장 작업자에게는 편리한 운반 수단이지만 로봇에게는 무작위로 적재된 소포를 피킹해야 할 뿐만 아니라 동시에 롤테이너의 철장과 충돌까지 회피해야 하는 어려운 작업 조건이기 때문이다. 그래서 대부분의 연구개발 사례에서는 비정형 물류를 비교적 쉽게 다룰 수 있도록 물류 공급 장치를 사용하거나 물류가 비교적 균일하게 적재된 평 팔레트를 사용하는 등 로봇의 작업 환경을 일부 정형화시켰다. 그리고 무엇보다 국내 우편물류센터는 재정적인 이유로 로봇 자동화에 있어서 기 보유중인 롤테이너와 작업 라인을 그대로 활용하기를 원한다. 이러한 이유로 국내 우편물류센터 실정에 적합한 물류 로봇 시스템은 여전히 연구 개발이 필요한 상황이다.

본 논문은 국내 우편물류센터를 대상으로 롤테이너 적재 소포를 자동으로 디팔레타이징하기 위한 로봇에 관한 실용적인 연구를 다룬다. 이전에 수행하였던 비정형 환경에서 로봇 팔의 동작계획에 관한 학술 연구^[1,6]를 바탕으로 로봇 시스템 개발과 실제 물류현장에 로봇을 적용한 결과에 초점을 두고 있다. 본 논문의 구성은 다음과 같다. 먼저 2장에서 로봇 시스템을 설명하고, 3장에서 로봇 시스템의 디팔레타이징 작업 방법을 설명한다. 마지막으로 4장에서는 안양우편물류센터에서 현장 테스트를 수행한 결과를 서술하고 5장에서 결론을 맺는다.

로봇의 디팔레타이징 작업은 기본적으로 주어진 롤테이너가 비워질 때까지 롤테이너 내 소포 인식, 로봇 수직 위치 조정, 소포 피킹, 컨베이어로 소포 이송 및 내려놓기 이렇게 총 4가지 과정을 반복하는 것이다[Fig. 3]. 본 장에서는 먼저 로봇 디팔레타이징을 구현하기 위한 프로그래밍 환경을 설명하고, 로봇 디팔레타이징 방법을 작업 순서도와 함께 상세히 다룬다. 그리고 소포 피킹 과정 중 롤테이너 철장과 소포 간에 충돌에 대응하기 위한 후퇴동작 생성 방법을 다룬다.

[Fig. 3] 
Outline of robot’s de-palletizing task

3.2 로봇 작업 순서도

로봇 작업 순서도의 상세 내용을 설명하기 전에, 디팔레타이징 작업에 반복되어 사용되는 로봇의 4가지 사전정의 자세는 다음과 같다[Fig. 4]. 첫 번째로, 초기 자세는 협동 로봇이 롤테이너 위를 바라보는 3D 카메라의 시야를 가리지 않도록 팔을 안쪽으로 모은 자세이다. 두 번째로, 피킹 준비 자세는 협동 로봇이 롤테이너 내 소포를 피킹하기 위해 그리퍼를 롤테이너 중앙 위에 위치시킨 자세이다. 세 번째로, 회피 경유점은 협동 로봇이 소포를 컨베이어로 이송하기 전에 롤테이너와 충돌을 회피하기 위해 중간에 거쳐가는 경유점이다. 마지막으로 소포 이송 자세는 그리퍼가 소포를 컨베이어 벨트 위에 내려놓는 자세이다.

[Fig. 4] 
Four predefined poses of the robot, (a) initial pose, (b) picking-ready pose, (c) waypoint for avoid collision, and (d) parcel-transferring pose

로봇 작업은 다음과 같은 순서로 이뤄진다[Fig. 5]. 협동 로봇이 초기 자세에서 자동 운행(AUTO) 모드이고 워크 센서가 컨베이어 벨트가 비어있다고 판단하면 로봇이 소포를 디팔레타이징 해도 되는 것이다. 그러면 먼저 3D 비전 시스템이 인식한 소포가 있는지 확인한다. 만약 인식한 소포가 있다면 피킹 준비 자세로 이동하고 그 다음 소포에 접근하여 피킹한다. 그리퍼로 소포를 집어 올린 후 소포가 그리퍼에 남아있으면 피킹에 성공한 것 이므로, 이 경우 회피 경유점을 거쳐서 소포 이송 자세로 이동한다. 그리고 컨베이어 벨트에 소포를 내려놓고 이와 동시에 3D 비전 시스템에 그 다음에 집을 소포를 인식하도록 요청한다. 이후 협동 로봇을 초기 자세로 이동시킨 뒤, 인식한 소포의 높이에 따라 3D 카메라와 로봇 높이를 각각 조정한다. 이렇게 로봇의 디팔레타이징 작업 한 사이클이 마무리되면 로봇은 다시 처음 순서부터 반복하면 된다.

[Fig. 5] 
Flowchart of the robot’s de-palletizing task

3D 비전 시스템에서 소포 인식을 요청받았으나 실패한 경우, 3D 카메라의 높이가 너무 높거나 반대로 너무 낮아서 소포를 보지 못했을 수도 있으므로 우선 3D 카메라의 높이를 최대 및 최저로 조정해본다. 그럼에도 불구하고 소포 인식 실패 횟수가 특정 횟수를 초과하면 롤테이너가 비워진 것으로 추정한다. 따라서 이 경우 로봇의 디팔레타이징 작업을 종료한다.

3.3 롤테이너 충돌 시 후퇴동작 생성

우편물류센터 현장에서 사용하는 롤테이너의 철장에는 불균일하게 튀어나온 부분이 있을 뿐만 아니라 외부 충격으로 인해 철장 자체가 일부 휘어져 있다. 그래서 협동 로봇이 그리퍼로 소포를 집어서 올리는 동안 소포가 앞서 언급한 장애물과 충돌하면서 떨어지기 쉽다. 더욱이 협동 로봇이 외부 충격을 감지하면 보호정지를 하므로 작업이 중단되는 상황이 발생하는 것이다. 따라서 로봇 시스템의 작업 성공과 효율을 위해 로봇 말단부의 F/T 센서(Force/Torque sensor)를 사용한 롤테이너 충돌 시 후퇴동작 생성이 필수적이다.

본 연구에서는 롤테이너 충돌 시 후퇴동작 생성 방법을 제안한다. 이 방법을 의사코드(pseudo code)로 표현하면 [Fig. 6]의 함수 MOVE_AND_RETREAT과 같다. 관련하여 [Fig. 7]은 제안된 방법을 설명하기 위한 구체적인 예시이다. 첫 번째 단계로, 협동 로봇이 그리퍼로 소포를 피킹한 뒤 소포를 들어 올릴 위치까지 이동을 시작하였다. 여기서 p(t)는 그리퍼의 현재 위치, p_{pick_up}은 그리퍼가 소포를 들어 올릴 위치이다. 이때는 접촉이 없으므로 F/T 센서에서 계측한 힘 벡터 f_ee의 크기가 최소 허용 값인 min_force보다 작으므로 그리퍼의 선속도 벡터 v의 방향은 p(t)에서 p_{pick_up}을 향하도록 하고 크기는 α라는 상수로 결정한다(의사코드 3번 줄부터 4번 줄). 두 번째 단계에서 협동 로봇이 소포를 들어올리던 도중 소포가 롤테이너 모서리에 튀어나온 부분에 부딪혀서 F/T 센서로부터 힘 벡터 f_ee의 크기가 min_force보다 커졌다. 세 번째 단계에서 그리퍼가 모서리를 피하는 방향으로 움직인다. 그리퍼의 선속도 벡터 v_retreat의 방향은 힘 벡터 f_ee와 동일하게 향하도록 하고 크기는 β라는 상수로 결정된다(의사코드 5번 줄부터 6번 줄). 네 번째 단계에서는 첫 번째 단계와 동일하게 그리퍼가 선속도 v로 움직이고, 결국 다섯 번째 단계에서 그리퍼가 소포를 들어올리는 위치까지 도달하면 의사코드의 1번 줄에서 p_{pick_up} − p(t)의 크기가 최대 허용 거리 오차인 max_pose_error 보다 작아지게 된다. 그러면 후퇴동작 생성은 종료된다.

[Fig. 6] 
Pseudo code of retreat motion generation

[Fig. 7] 
Example of retreat motion of the robot

앞서 제안된 롤테이너 충돌 시 후퇴동작 생성 방법을 로봇 시스템에 적용하고 실험해보았다. [Fig. 8]은 모서리에 위치한 소포를 디팔레타이징할 때 생성된 후퇴동작 예시이다. 협동 로봇이 소포를 피킹한 뒤 두 번째 사진처럼 소포 모서리가 롤테이너와 부딛혔고, 이후 협동 로봇은 그리퍼를 우측으로 회피하고 소포를 들어 올리는데 성공하였다. MOVE_AND_RETREAT 함수에 필요 한 변수 값들은 시행 착오를 통해 선정하게 되었으며, 선정 결과는 [Table 1]과 같다.

[Fig. 8] 
Snapshot of the robot’s retreat motion

[Table 1] 
Value of parameters

Name of variable	Description	Value
max_pose_error	Max. allowable pose error until picking up pose	0.03 m
min_force	Minmun force to enable the retreat motion	45 N
α	Linear velocity of the gripper without collision	0.38 m/s
β	Linear velocity of the gripper while the retreat motion	0.05 m/s

본 연구를 통해 개발된 로봇 소포 디팔레타이징 시스템을 경기도 안양에 소재하는 안양우편물류센터의 작업 라인에 설치하여 현장 테스트를 수행하였다. [Fig. 9]처럼 현장 테스트를 위해 먼저 로봇 대차 시스템을 도킹 장치에 고정시키고 소포가 담긴 롤테이너를 가져와 파킹시킨다. 그러면 현장 테스트는 로봇이 소포 디팔레타이징 작업 수행하고 이후 빈 롤테이너를 소포가 담긴 롤테이너로 교체하고 다시 소포 디팔레타이징 과정을 반복하는 방식으로 진행된다.

[Fig. 9] 
Photos illustrating the sequence of conducting field tests at the Anyang Post Distribution Center. The robot system installation (top), rolltainer parking (left), and the robot’s de-palletizing task (right)

로봇 시스템은 앞서 2.1장에서 다룬 종류의 소포만 취급할 수 있으므로, 현장 테스트 동안 안양우편물류센터에서 로봇에게 적합한 소포가 담긴 롤테이너를 총 7개 찾아서 로봇 소포 디팔레타이징 작업을 테스트하였다. [Fig. 10]은 로봇이 처리 중인 롤테이너 예시이다. 테스트 결과 항목은 성공률과 소포 개당 처리 시간이다. 로봇이 롤테이너 한 개를 처리하는 동안 전체 소포 개수, 성공한 소포 개수, 전체 작업 시간(초)을 계측하고 다음 수식으로 성공률과 소포 개당 처리 시간을 각각 계산하였다. 여기서 실패한 소포는 주로 비전 시스템이 인식에 실패하거나 오인식 하여 로봇 팔이 피킹하지 못한 소포로써, 이러한 소포는 로봇 작업 종료 후 작업자가 수작업으로 처리해주었다.

[Fig. 10] 
Examples of various rolltainers depalletized by the robot at the Anyang Post Distribution Center

• ‧ 성공률 = (성공한 소포 개수 (통) / 총 소포 개수 (통))×100 (단위: %)
• ‧ 소포 개당 처리 시간 = (전체 작업 시간 (초) / 총 소포 개수 (통)) (단위: 초/통)

테스트 결과는 [Table 2]와 같이 요약된다. 로봇 시스템이 롤테이너 7개를 전부 디팔레타이징 하는데 평균 성공률은 91.6% 이고, 소포 처리 시간의 평균 값은 7.3 초/통 이다. 여기서 로봇 시스템의 소포 처리 속도를 단위 시간 당 통으로 표현하면 약 493 통/시간 이다.

본 연구에서 제안된 로봇 시스템의 작업 효율을 안양우편물류센터의 숙련작업자와 비교하였다. 안양우편물류센터에서는 평균적으로 평일 하루 15시간 작업시간(오전 7시 ~ 오후 10시) 동안 약 11만통의 소포가 투입구 8개소에서 투입구당 작업자 2명에 의해 처리된다^[3]. 그러면 숙련작업자 1명의 소포 처리 속도는 다음과 같이 458 통/시간 으로 산출된다.

• ‧ 숙련작업자 소포 처리 속도 = 110,000 통 / (작업시간 15시간×투입구 8개×작업자 2명) = 458 (단위: 통/시간)

이는 앞서 로봇 시스템의 소포 처리 속도와 비교했을 때 숙련 작업자 대비 소포 처리 속도가 107.67% 임을 의미한다. 즉, 제안된 로봇 시스템은 숙련 작업자와 유사한 속도로 소포 처리가 가능한 수준의 작업 효율을 지녔다.

본 논문은 실용적인 관점에서 국내 우편물류센터 실정에 어울리는 롤테이너 적재 소포 디팔레타이징을 위한 로봇 시스템을 다뤘다. 롤테이너에 적재된 소포를 3D 카메라로 인식하고 협동 로봇이 디팔레타이징을 수행하는데 필요한 로봇 시스템을 구체적으로 제안하였다. 그리고 로봇 시스템이 롤테이너 적재 소포를 디팔레타이징 하기 위한 작업 순서도와 롤테이너 충돌 시 후퇴동작 생성 방법을 개발하여 로봇 제어기 내 프로그램으로 구현하였다.

제안된 로봇 시스템을 안양우편물류센터에 설치하고 현장 테스트를 수행하였으며, 이 테스트를 통해 제안된 로봇 시스템이 현장에서 활용하기에 적합한 성공률 및 소포 처리 속도를 갖추고 있음을 검증하였다. 로봇 시스템은 90%가 넘는 디팔레타이징 작업 성공률을 보였다. 그리고 소포 개당 처리 시간은 평균 7.3 초/통 임을 확인했으며 이는 안양우편물류센터를 기준으로 숙련 작업자 대비 107.67%의 소포 처리 속도이다.

우편물류센터는 롤테이너를 활용해야 할 뿐만 아니라 기존 작업자가 사용하고 있는 작업 라인의 변동이 쉽지 않다는 특징이 있다. 이러한 특징을 고려하여 향후 본 연구를 기반으로 작업자와 협업이 가능한 다양한 물류 로봇에 관한 연구가 확장되길 기대한다. 또한 본 논문에서 제안된 로봇 시스템은 협동 로봇을 사용하므로 저 중량 및 소형 소포만을 대상으로 하지만, 향후 고 중량 핸들링이 가능한 산업용 로봇을 사용한 고 중량 및 대형 소포 디팔레타이징에 관한 연구가 필요하다.