폭스콘이 40% 시간 단축으로 증명한 정밀 조립의 AI 혁명


전자제품 제조업체 폭스콘은 인건비 상승과 지역화된 생산으로의 전 세계적 추세에 대응하여 "확장 가능한 AI 기반 로봇 인력"이라는 비전을 추진하고 있다. 전통적인 규칙 기반 로봇으로는 높은 정확성, 적응성, 정밀한 힘 제어가 필요한 나사 조이기와 케이블 삽입 같은 정밀 작업을 자동화하기 어려웠다.

폭스콘은 엔비디아 플랫폼과 함께 정밀한 소켓 위치 추정과 실시간 동작 계획을 통합한 AI 기반 로봇 팔을 사용했다. 나사 조이기의 경우 AI 기반 로봇이 강화 학습을 통해 최적의 동작 궤도와 토크 적용을 학습했고, 케이블 삽입은 실시간 힘과 궤도 조정을 통해 부품 변화에 맞춰 동적으로 그립과 움직임을 조절할 수 있게 되었다.

생산 라인의 디지털 트윈을 만들어 빠른 가상 시뮬레이션, 테스트, 검증을 통해 폭스콘은 배치 시간을 40% 단축했다. AI 기반 로봇은 사이클 타임을 20-30% 개선했고, 가상 검증을 통해 물리적 환경에서의 비용이 많이 드는 시행착오를 없애 운영비를 15% 절감했다.

규칙형·학습형·판단형, 세 로봇이 만드는 무결점 생산라인


연구에 따르면 미래 공장에서는 세 가지 기본 로봇 시스템이 공존하며 계층적 자동화 전략을 형성한다. 규칙 기반 로봇은 자동차 용접 같은 구조화되고 반복적인 작업에서 탁월한 속도와 정밀성을 제공한다. 훈련 기반 로봇은 고급 강화 학습 알고리즘과 시뮬레이션을 통해 가상 및 실제 경험을 통해 학습하며, 적응형 키팅이나 적응형 물류 같은 제한된 변화가 있는 작업에서 회복력을 보여준다.

상황 기반 로봇은 가장 새로운 영역으로, 로봇 기반 모델과 제로샷 학습을 활용해 익숙하지 않은 시나리오에서 자율적으로 인식하고 추론하며 행동한다. 이들 시스템은 높은 수준의 지시를 해석하고 사전 작업별 훈련 없이 실제 복잡성에 대응하여 알려지지 않은 부품이나 새로운 환경이 있는 예측 불가능한 환경에서 특히 유용하다.

세 시스템 유형의 경계는 종종 겹치며, 단일 로봇이 세 가지를 모두 결합하는 하이브리드 접근법을 사용할 수 있다. 예를 들어 협업 조립 셀에서 로봇은 높은 정밀도로 작업을 수행하기 위해 규칙 기반 논리를 따르면서 동시에 인식 시스템을 사용해 환경을 모니터링한다. 누락된 부품이나 인간 개입 같은 예상 작업 흐름에서 벗어난 상황이 발생하면, 로봇은 상황 기반 추론으로 전환해 상황을 해석하고 자율적으로 해결한 후 규칙 기반 실행으로 돌아간다.

로봇 고용하는 시대, 중소기업 진입장벽 사라지다


똑똑한 로봇이 확산되려면 새로운 물리적 AI 기술 스택이 필요하다. 이는 로봇 하드웨어, 실시간 AI 추론을 위한 엣지 하드웨어, 하드웨어 추상화와 프로세스 조정을 위한 운영 시스템, 로봇 개발과 테스트를 위한 가상 환경과 도구, 최종 사용자 상호작용을 위한 인터페이스와 도구 등 다섯 계층으로 구성된다.

AI 전문 스타트업부터 기술 대기업까지 새로운 참여자들이 기존 업체들과 함께 생태계를 재편하고 있다. 일부 소프트웨어 전용 스타트업은 기존 하드웨어를 기반으로 기능을 업그레이드했고, 동시에 전체 기술 스택에 걸친 솔루션을 제공하는 수직 통합 회사들도 등장했다.

전통적인 통합업체와 함께 배치, 운영, 유지보수를 위한 로봇 서비스형(RaaS) 모델을 제공하는 새로운 서비스 제공업체들이 시장에 진입했다. 이는 접근성을 넓히고 내부 역량이 부족한 회사들의 진입 장벽을 낮췄다. 아마존의 경우 커리어 초이스(Career Choice) 프로그램을 통해 직원들에게 학위와 자격증을 위한 등록금 지원과 도서·수수료 상환을 제공하고 있으며, 메카트로닉스와 로봇공학 도제 프로그램을 통해 직원들이 경력을 발전시키고 시급을 최대 40%까지 높일 수 있도록 지원하고 있다.





해당 기사에 인용된 리포트 원문은 세계경제포럼에서 확인 가능하다.

리포트 명: Physical AI: Powering the New Age of Industrial Operations

이미지 출처: 세계경제포럼

해당 기사는 챗GPT와 클로드를 활용해 작성되었습니다.