진화하는 로봇 비전

최근 중국에 기반을 둔 로우 코스트 오퍼레이션(Low Cost Operation) 모델의 붕괴 및 저출산 고령화로 인한 취업자 수 감소에 따라, 변종·변량 생산에 대응할 수 있는 ‘1인 셀(Cell) 생산 방식’에서의 자동화가 요구되고 있다. 이를 실현할 수 있는 기술이 바로 지능화 로봇 기술이다.

일본 미쓰비시전기는 지능화 로봇 기술 개발에 적극적으로 참여해 2011년부터 신형 로봇 ‘MELFA F 시리즈’를 출시하고 있다. 여기에서는 제품에 포함된 지능화 기술(3차원 비전 센서, 역각 센서, 간섭 회피, 협조 작업) 및 지능화 기술 실증 셀 개요와 관련해, 특히 3차원 비전 센서에 초점을 맞춰 설명한다.

오쿠다 하루히사(Okuda Haruhisa)

미쓰비시전기 나고야제작소 로봇제조부 지능화기술개발추진 리더

현재 제조 현장에서는 생산·소비의 글로벌 경쟁, 다양화된 사용자 요구 등 나날이 변화하는 과제에 대한 대응이 요구되고 있다. 최근 신흥국으로의 공장 이동이 두드러지는 한편, 인건비 상승 및 노무관리 문제 등 사회구조 변화에 따라, 저렴한 대량의 노동력을 기반으로 한 로우 코스트 오퍼레이션 모델이 붕괴하면서 자동화에 대한 요구가 급속도로 높아지고 있다.

이와 함께, 전기 전자 분야 등의 조립 생산 현장에서는 기존 대량생산을 위한 생산라인(그림 1 참조)보다 한층 진보한 변종·변량 생산이 가능한 ‘1인 셀 생산 방식(그림 2 참조)’이 주류가 되고 있다. 그러나 숙련공의 퇴직 및 저출산 고령화에 의한 취업인구 감소가 진행 중이기 때문에 지금까지의 1인 셀 생산 방식 대신 기존에는 실현하기 어려웠던 ‘로봇 셀 생산 방식’이 국내외에서 요구되고 있다.

로봇이 활약하는 조립 현장으로

미쓰비시전기는 기존 자동화 생산라인의 고생산성, 신뢰성 및 사람에 의한 셀 생산 방식의 유연성, 간편성, 공간 절약, 저비용 등의 장점을 겸비한 변종·변량 생산에 적합한 지능화 로봇 셀 생산을 실현하기 위해, 2005년부터 자사 제품의 생산 현장을 대상으로 개발 프로젝트를 시작했다. 특히, 일본 신에너지산업 기술 종합 개발기구(NEDO)의 위탁 사업으로, ‘전략적 첨단 로봇 요소 기술 개발 프로젝트’ 및 ‘차세대 로봇 지능화 기술 개발 프로젝트1)~4)’에 참여함으로써 지금까지와는 전혀 다른 새로운 개발 방법으로 접근해 볼 수 있었다.

그 중 하나로 오픈 이노베이션(개방형 혁신) 전략에 근거해, 교토 대학을 비롯한 나고야 대학, 홋카이도 대학, 도야마 현립 대학 등 여러 대학과의 연계 활동을 실시함으로써 다각적인 연구 관점을 도입했다. 또 한편에서는 실제 이미지 검증 시스템을 연구 단계에서 설계, 제작, 시범 운행, 운영할 수 있는 일련의 흐름을 경험함으로써 과제 추출, 개발 기술 실증, 연구 개발을 동시 실시해 완성도 높은 기술을 개발할 수 있었다.

그림 3과 그림 4는 이 프로젝트에서 구축한 실증 셀(서보 앰프 조립 셀, 노 퓨즈 브레이커 조립 셀)을 나타낸 것이다.

이번 개발 프로젝트를 통해 부품의 효율적 공급 및 기동 시간 단축, 부품 편차에 대한 유연성 등의 과제가 표면화됐으며, 이를 해결할 수 있는 6개의 주요 지능화 기술이 개발됐다.

우선 ‘벌크 부품 공급을 위한 소형 3차원 비전 센서와 고속 인식 기능’을 통해 부품의 효율적인 공급이 가능해졌으며, ‘여러 로봇 간 고속 간섭 회피 기능’ 및 ‘지그레스(Jigless) 조립에 적합한 고정밀도 복완 협조 제어 기능’, ‘효율적인 교시를 위한 역각 센서 정보 제공 기능’으로 기동 시간을 단축할 수 있게 됐다. 또, ‘안정 조립을 위한 역각 센서 이용 고속 모방 제어 기능’ 및 ‘안정적인 작업을 위한 역각 센서에 의한 힘 제어 기능’을 통해 부품 편차에 대해 유연성을 가질 수 있게 됐다.

이러한 기술 중 여기에서는 3차원 비전 센서를 자세히 설명하고, 지능화 기술 실증 셀(서멀 릴레이 조립)의 통합 효과 검증에 대해 살펴보기로 한다.

3차원 벌크 부품 공급 병 피킹(Picking) 작업

자동 조립 시스템에는 현재 인력에 의한 트레이 정렬 공급 또는 파트 피더라고 하는 진동식 전용 부품 정렬 장치가 이용되고 있다. 그러나 트레이 정렬 공급 장치의 경우 인건비와 트레이 운반비·트레이 설치 면적의 증대가 문제로 대두됐다. 또, 파트 피더의 경우에는 장치 비용 및 설치 면적의 증대, 반송 문제에 의한 조작 정지 등의 문제가 발생한다. 이 때문에 벌크 부품 공급(병 피킹)은 자동화에 있어 오랜 해결 과제였다. 이와 관련해, 최근 특히 3차원 비전 센서가 유효한 센싱 수단으로 주목받고 있다.

미쓰비시전기는 지금까지 스테레오 카메라 방식, 레인지 파인더 방식의 3차원 센서를 개발해 왔다. 레인지 파인더 방식의 3차원 센서는 공간 코드화법을 이용한 삼각 측량 원리에 따라, 대상 물체에 줄무늬 이미지를 여러 장 투영해 카메라 영상 이미지에 대한 계산처리를 한다. 미쓰비시전기는 소형 로봇에 쉽게 설치 가능한 900g 이하의 경량 헤드부를 개발해 30만점 이상의 조밀한 거리 분포 데이터를 0.9초 이하로 얻을 수 있는 센서를 개발 중이다5).

일반 물체 파지

이미지 인식 연구의 관점에서 볼 때, 3차원 위치 자세를 인식할 수 있으면 병 피킹의 과제는 대체로 해결했다고 생각하기 쉽지만, 실제로는 겹겹이 쌓이는 많은 소형 부품이나 입체 형상의 부품 등을 중심으로 핸들링시 다양한 문제가 발생한다. 특히, 부품 자세를 알고도 다른 부품이 겹쳐 있어 꺼낼 수 없다거나, 꺼내고 싶은 부품의 자세에 로봇 손끝 자세를 합하면 주변 구조물과의 간섭이 심해진다거나 혹은 복잡한 형상의 부품은 서로 얽히기 때문에 분리하기가 매우 어려워진다는 등의 문제가 그것이다. 이 같은 문제들은 단순한 핸들링 문제에만 그치지 않으므로, 처음부터 거슬러 올라가 인식 기술의 근본적인 재검토가 필요하다.

따라서 병 피킹 문제를 크게 두 단계로 분리해 파악해 볼 수 있다. 첫 단계에서는 부품을 잡아 끄집어내는 것으로 특화하는 방식이다. 또, 두 번째 단계는 분리된 물체를 목표 자세까지 변환하는 과정으로, 추출 후 임시로 둔 부품을 2차원 비전 센서로 위치 결정해 핸드 간에 바꿔 들거나 간이 정렬 기구 등에서 이를 수행할 수 있다.

부품 인출에 적합한 인식 방법으로는 물체 형상 정보가 아닌, 핸드 형상 정보를 이용해 핸드 파지 자세를 찾는 방식이 적합하다. 이 방식은 거리 센서의 보급으로 최근 활발하게 제안되고 있는데6)~8), 일반 물체 파지(Grasping Novel Objects) 등으로 불리는 경우가 많다.

인식 알고리즘

일반 물체 파지 방법에 근거한 인식 알고리즘을 그림 9로 나타냈다. 거리 화상을 분할한 후 높이 정보를 토대로 후보 세그먼트를 추출하고, 파지 후보 영역에 대해 핸드 모델에 의한 콘벌루션(Convolu tion) 연산으로 공산을 구해 파지·추출 작업을 실시한다.

파지 방식은 크게 두 가지로 나뉘는데, 하나는 물체를 끼워 넣어 추출하는 협지며, 다른 하나는 물체를 공기압이나 전자력으로 끌어당기는 흡착이다. 협지에서는 물체가 그리퍼(핸드의 손톱 부분) 사이에 들어가 물체 주변에 그리퍼를 끼울 공간이 존재하고 있는 것이 파지 조건이 된다. 흡착에서는 밀착시키는 핸드 패드 부분보다 큰 물체 표면이 존재하는 것이 파지 조건이 된다.

파지 위치 인식은 다음과 같이 (1)~(4)식으로 기술된다. x, y, z는 비전 센서에서 얻을 수 있는 좌표 위치를 나타내고, c는 거리 화상 내 회전을 나타낸다. 또한 오른쪽 위의 ‘*’ 표시는 위치 자세 추정치임을 나타내고, (3), (4)식의 연산 기호 ⓧ는 각 영역의 연산을 나타낸다.

[x *, y*, z*] = argmax x,y,c  f (x, y, c)         …(1)

f (x, y, c) = { G (x, y, z)  if  C (x, y, z) = 0

                        0                otherwise         …(2)

G = AG     IS                                              …(3)

G = AC     IC                                              …(4)

거리 화상 I에서 어느 높이 이상의 후보가 되는 영역을 2값으로 표현한 것(후보 부분을 1, 그 이외를 0으로 한다)이 파지 후보 영역 Is다. 또한 파지시 손톱 끝이 부딪힐 가능성이 있는 영역을 2값으로 표현한 것(후보 부분을 1, 그 이외를 0으로 한다)이 간섭 후보 영역 Ic다. 식 (3), (4)에 의해 각각 파지 가능 영역 AG와 Is가 중복되는 영역은 G로, 간섭 영역 Ac와 Is가 중복되는 영역은 C로 정의되는 것을 알 수 있다.

즉, 식 (1)~(4)를 충족시키기 위한 파지 조건은 협지형, 흡착형에 관계없이 핸드에 있어서의 파지 가능 영역 AG(Graspable Area : 협지라면 그리퍼 사이의 틈새, 흡착이라면 패드가 닿는 부분)이 물체에 접촉하며, 간섭 영역 Ac(Collisional Area : 그리퍼 자체)에 물체나 주변의 간섭물이 존재하지 않는 것이 된다.

이를 단순히 핸드 모델 표현에 응용한 것이 그림 10이다. 여기에서는 다수의 핸드를 수 파라미터(WG : 파지 가능 영역 폭, WC·HC·RC : 충돌 영역 폭·높이·반경, RC : 충돌 영역 반경)로 표현하고 있다.

그림 11은 이 방법에 의한 인식 화면(협지형)이고, 그림 12는 파지 모습을 나타낸 것이다. 인식 화면에서 3개의 동그라미 가운데 중앙의 동그라미는 파지 후보 위치를 나타내며, 양쪽 두 개의 동그라미는 파지용 그리퍼가 들어갈 틈을 나타낸다. 이들로부터 이 방법이 효과적으로 기능하고 있는지 확인할 수 있다. 거리 화상을 얻을 때까지의 측정 시간은 촬상과 계산 처리를 합쳐 약 0.9초, 인식 처리는 약 0.3초였다. 첫 번째 시행에서의 파지 성공률은 부품에 따라 다르지만 대체로 80~95%였다. 파지 실수는 핸드 신호로 검지할 수 있기 때문에 다른 후보에 대한 재시행을 실시함으로써 최종적으로 파지를 행할 수 있다.

지능화 기술 실증 셀

모터의 과부하에 의한 소손 방지 등을 목적으로 하는 서멀 릴레이는 다양한 기종 라인업을 가진 제품이다. 이 때문에 생산량이 적은 기종에서는 지금까지 주로 사람 셀 생산 방식에 의한 변종·변량형을 조립해 왔다. 이번 대상 제품에서는 16종류, 34개의 많은 부품을 취급해야 할 필요가 있고, 기존의 부품 공급 장치나 전용 조립 지그를 사용하는 설계에서는 비용·면적·설계 시간의 증대를 초래할 문제가 있었다.

여기에서 설명한 바와 같이, 최근 미쓰비시전기는 3차원 비전 센서를 비롯해 각종 지능화 기술을 포함한 실증 시스템을 구축했다9). 이 시스템(그림 13, 그림 14)에는 전동 핸드를 이용한 핑거 체인지 기구나 간이 나사 정렬기구의 개발도 포함돼 있다.

면적 절약(W : 1.7 × D : 1.5 × H : 1.2m)으로 기존 셀 설계에 비해, 비용과 시작 시간을 모두 70% 정도로 줄이면서 1인 셀 생산 방식 이상의 생산 능력(월 생산 약 2,500대 이상)을 실현하는 데 성공했다.

지능화 기술 접목된 ‘MELFA F 시리즈’

개발된 지능화 기술은 2011년 11월부터 미쓰비시전기가 판매하기 시작한 ‘MELFA F 시리즈(그림 15)’의 제어 컨트롤러상 소프트웨어에 표준 탑재돼 있다. 이것은 협조 제어, 간섭 회피 기능 등의 소프트웨어 기능을 표준으로 사용할 수 있다. 또한, 필요에 따라서는 옵션 하드웨어인 역각 센서, 3차원 비전 센서, 다기능 핸드를 도입함으로써 더 많은 지능화 기술을 이용해 로봇에 의한 셀 생산 시스템을 쉽고 빠르게 구축할 수 있다9). 더욱이, 사용자가 필요한 기능을 바로 시작할 수 있도록 필요한 하드웨어 서포트 소프트웨어를 패키지로 제공함과 동시에 새로운 샘플 소프트웨어를 수시로 제공할 수 있는 체제도 갖췄다.

본 기사는 日本工業出版이 발행하는 월간 画像ラボ와 기사협약에 의해 轉載한 것입니다

[월간 FA저널 ()]

[저작권자 © FA저널 SMART FACTORY, 무단 전재 및 재배포 금지]