현장 문제
로봇 플랫폼마다 센서 구성과 작업 환경, 안전 제약이 다릅니다. 순찰 경로와 작업 대상도 현장마다 달라 정해진 규칙만으로는 자동화하기 어렵습니다.
해결 방식
로봇과 드론은 사전 3D 지도와 SLAM으로 자율주행하고, 이상상황을 감지하면 관리자에게 알립니다. 로봇팔의 조작 정책은 시연 데이터로 VLA 파운데이션 모델을 파인튜닝해 학습합니다.
적용 대상
- 바퀴형 이동 로봇
- 드론
- 사족보행 로봇
- 이동 조작 로봇
- 협동로봇
- 항만 크레인
시스템 구성
순찰 로봇과 드론, 고정 CCTV의 데이터를 온디바이스 AI가 현장에서 처리하고 이상상황만 관리자에게 전달합니다.
- 순찰 로봇
- LiDAR와 카메라
- 드론
- 고정 CCTV
01
이동 로봇 자율주행
바퀴형 이동 로봇과 드론이 정해진 경로를 스스로 순찰하고 화재, 연기, 쓰러짐 같은 이상상황을 감지합니다. 2026 온디바이스 AI 공공서비스 실증에서 전통시장, 도서관, 산림 서비스에 적용하고 있습니다.
- 사전 3D 지도와 SLAM 기반 실내 자율주행
- 장애물 회피와 거점 자동 복귀
- 온디바이스 AI 이상상황 감지와 관리자 알림
- 드론 순찰과 이상 지점 좌표 전송
02
VLA 기반 로봇 조작 학습
원격 조작 장치로 수집한 시연 데이터로 VLA 파운데이션 모델을 파인튜닝해 로봇팔의 조작 정책을 학습합니다. 사족보행 로봇, 이동 조작 로봇, 협동로봇, 고정형 플랫폼에 적용한 경험이 있습니다.
- 원격 조작 기반 시연 데이터 수집
- VLA 파운데이션 모델 파인튜닝
- 센서-투-액션 엔드 투 엔드 정책 학습
- 센서 융합 상태 추정과 모션 플래닝
- 원격 조작 장치
- 그리퍼
- 카메라
- 이동 베이스
03
항만 크레인 자율 상하역
STS 크레인과 갠트리 크레인의 상하역 자율화를 위해 항만 디지털 트윈에서 학습 데이터를 수집하고 VLA 모델을 학습하는 기술을 개발하고 있습니다. 트위스트락 콘 파지처럼 사람이 하던 비정형 작업도 대상입니다.
- 항만 디지털 트윈 기반 학습 데이터 수집
- VLA 모델 기반 크레인 동작 학습
- 트위스트락 콘 자동 파지
- STS 크레인
- 스프레더
- 트위스트락 콘
- 컨테이너
- 터미널 트럭
인지에서 학습까지
인지
영상, LiDAR, 음향, 위치 데이터로 주변 환경과 작업 대상을 인식합니다.
판단
온디바이스 AI가 이상상황과 다음 동작을 판단합니다.
행동
자율주행과 조작, 관리자 알림으로 현장에서 바로 대응합니다.
학습
센서 로그와 시연 데이터로 모델을 다시 학습합니다.
주요 기능
- 사전 3D 지도와 SLAM 기반 자율주행
- 실시간 장애물 회피 경로 계획
- 온디바이스 AI 이상상황 감지
- 관리자 알림과 관제 연계
- 시연 기반 조작 학습
- VLA 파운데이션 모델 파인튜닝
- 센서 융합 기반 실시간 상태 추정
- 안전 제약을 준수하는 자율 행동
도입 목표
- 상시 순찰이 어려운 구역의 자율 감시
- 이상상황 발생 시 관리자 알림
- 비정형 조작 작업의 자동화
자주 묻는 질문
- 어떤 로봇에 적용할 수 있나요?
- 사족보행 로봇, 이동 조작 로봇, 협동로봇, 고정형 플랫폼에 적용한 경험이 있습니다. 바퀴형 이동 로봇과 드론은 공공서비스 실증에 적용하고 있습니다. 새 플랫폼은 센서 구성과 제어 인터페이스를 확인한 뒤 적용 범위를 결정합니다.
- VLA 모델도 다루나요?
- VLA 파운데이션 모델을 파인튜닝하고 센서-투-액션 엔드 투 엔드 정책을 학습합니다.
- 통신이 끊어지는 곳에서도 동작하나요?
- 로봇과 드론에 탑재한 온디바이스 AI가 이상상황을 판단합니다. 통신이 끊어진 동안 발생한 이벤트는 기기에 저장했다가 연결되면 순서대로 전송하도록 설계합니다.
- 견적은 어떻게 받나요?
- 대상 현장과 로봇 플랫폼 종류, 수행할 작업, 기존 관제 연계 범위를 알려주시면 구성과 견적을 안내합니다.