기술기고문
자율화를 향해 진화하는 산업 혁명
글: 안드레아스 파(Andreas Parr) 사업개발 담당 선임 마케팅 엔지니어, 밥 스캐널(Bob Scannell) 제품 마케팅 매니저, 사르벤 아이펙(Sarven Ipek) 마케팅 매니저 / 아나로그디바이스(Analog Devices, Inc)
1차 산업 혁명기의 조면기(cotton gin: 목화에서 면실을 분리해내는 기계)와 증기기관의 발명에서부터 2차 산업 혁명기의 조립라인의 개발까지, 세계는 신기술을 빠르게 채택한 덕분에 커다란 도약을 이룰 수 있었다.
많은 분석가들은 인더스트리 4.0과 자율 시스템의 성장과 함께 차기 산업 혁명이 우리 앞에 와 있다는 데 동의한다. 재료와 노동력의 보다 효율적인 활용을 추구하는 이러한 산업적 발견의 다음 시대에는 기반 기술들이 빠른 속도로 발전을 거듭해야 한다.
자동화하고 자율적으로 움직이는 로봇, 자동차, 드론은 제조, 채굴, 농업 및 물류 분야에서 진행되고 있는 산업 혁명에서 중추 역할을 맡게 될 것이다.
자율 애플리케이션이 요구하는 수준의 시스템 성능을 달성하려면 장비는 주변 환경을 인지하고 탐색할 수 있어야 한다. 이러한 목표 성능은 다각적인 센서 기술을 활용하여 이들 출력을 기존 방식, 인공지능(AI) 또는 머신러닝 기반 알고리즘으로 융합 및 해석함으로써 달성할 수 있다. 이 때 해결해야 할 가장 큰 과제는 신뢰성과 가용성으로서, 이는 최종 목표를 안전, 효율, 비용, 유연성 향상에 두면서 다양한 센서 기술을 함께 사용함으로써 해결할 수 있다.
자율 시스템은 AI와 알고리즘에 정보를 제공하기 위해 센서 융합 기술을 통해 수집된 높은 충실도의 데이터에 크게 의존한다. 이 산업 분야에서 가장 일반적으로 사용되는 센서는 레이더, LiDAR, 비전, 초음파 및 관성 센서이다. 아래의 표는 각 인지 센싱 기술의 장단점과 함께, 시스템에서 여러 센서 기술을 병행 사용해야 하는 필요성을 보여준다.
[표] 주요 센서 기술의 특징
인지 센싱: 기계의 눈이 되어 주는 기술
인더스트리 4.0을 위해서는 다양한 과제들이 해결돼야 한다. 제한된 공간과 적대적 환경 속에서 자율적으로 움직이는 기계(로봇, 협동 로봇 등)는 보다 작고 정확하면서, 가까이에 있는 대상도 측정할 수 있는 레이더 기술을 필요로 한다. 주변 공간을 이미징하고 분류하는 것은 효율과 생산성, 안전에 필수적이다.
최근 RF 트랜시버 IC 기술의 발전에 힘입어, 레이더는 인지 애플리케이션을 위한 중요한 센서 기술의 하나로 급부상하고 있다. 일례로, 77GHz 완전 통합형 완전 디지털 트랜시버 MMIC를 들 수 있다. 높은 출력 전력, 저잡음 송/수신 채널, MIMO 안테나 어레이를 결합한 고속 선형 FMCW 칩은 합리적인 가격으로 고성능, 고분해능 레이더 시스템을 구현할 수 있게 한다. 레이더 기반 디지털 빔포밍은 가장 열악한 환경 조건에서도 복수의 표적 물체에 대한 반경방향 속도, 각도, 거리를 감지할 수 있다. 이는 동적인 환경에서 로봇, 협동 로봇(cobot), AGV가 안전하고 효율적으로 상호작용하는 데 있어서 매우 중요한 특성이다.
산업 환경에서 자율 시스템의 임무는 대상 물체를 안전하게 피하는 데 있는 게 아니라, 물체를 찾고 들어올리는 데 있는 경우가 많다. LiDAR의 강력한 물체 감지 및 분류 정확도는 이러한 일반적인 작업을 완료하는 데 필요한 정밀도를 제공한다.
테라헤르츠 주파수 범위에서 동작하는 LiDAR 시스템은 정교한 각도 분해능을 달성하여 고분해능 깊이 지도로 변환한다. 이러한 고분해능 깊이 지도를 사용하여, LiDAR 시스템은 물체를 분류하고 비전, IMU, 레이더 정보와 융합함으로써 신뢰할 수 있고 핵심적인 결정을 내린다. LiDAR 시스템은 햇빛이 밝은 야외와 같은 동적 환경에서 동작하도록 설계되었다. LiDAR는 9xx nm 및 15xx nm 파장의 좁은 펄스를 사용하고 높은 전력으로 구동하기 때문에, 이 같이 까다로운 조건에서도 더 멀리 볼 수 있다. 또한 좁은 펄스는 더욱 섬세한 깊이 분해능이 가능해 하나의 픽셀 안에서 여러 표적 대상을 감지할 수 있지만, 9xx 및 15xx의 적외선은 더 적은 태양 복사를 갖는다.
LiDAR 시스템이 보편화되려면 많은 과제들을 극복해야 한다. 여기에는 복잡하고 비싼 신호 체인 문제, 광학 설계 문제, 그리고 시스템 테스트 및 보정이 포함된다. 현재 이러한 신호 체인을 통합하고 복잡도와 크기, 전력 요구사항 및 전체 소유 비용을 줄이기 위한 연구개발 노력들이 진행 중이다.
내비게이션 센싱: 자율 애플리케이션의 정확도를 높이는 기술
센서가 산업용 기계에 널리 사용되고 이러한 센서로부터 사용할 수 있는 데이터가 더 풍부해지면서 기계의 위치 및 상대 운동의 중요성 역시 함께 높아지고 있다. 자율성은 종종 이동성과 연관되므로, 차량의 정확한 위치 결정, 기계의 동작 유도, 계측기의 정밀한 조향이 매우 중요하다. 이러한 동작을 매우 정확하게 감지할 수 있다면 안전과 신뢰성이 함께 요구되는 보다 까다롭고 가치 있는 애플리케이션에 적용할 수 있다. 예컨대 스마트 팜(smart farm)은 농작물 관리에서 효율을 지속적으로 높여야 하는 과제에 대응해야 하는데, 센티미터 수준의 위치 측정 정확도를 갖게 된다면 투입을 늘리지 않고도 산출을 극대화할 수 있다.
자율 항법에 대한 한 가지 접근 방법은 GNSS(global navigation satellite system) 위치 서비스를 활용하는 것이다. 이 서비스는 어디서나 이용할 수 있지만 신호 단절에 취약하다는 단점이 있다. 완전 자율성을 실현하려면 작동에 제한이 없어야 하며, 차단이나 일시적 중단의 위협이 없어야 한다. 관성 센서는 이를 위한 보완적인 모션 측정을 제공하며, 신호 중단이나 외부 인프라 필요성 같은 제약으로부터 자유롭다. 통상적으로, 3축 가속도 센서와 3축 회전 센서를 결합하여 6자유도(DoF)의 관성측정장치(IMU)를 구성한다. IMU의 출력은 추가적인 프로세싱을 거쳐 상대 자세, 방향 및 속도를 제공한다. 이는 궁극적으로 추측 항법(dead reckoning)이라고 하는 기능을 제공한다.
센티미터 수준의 위치 결정 또는 지향각 1도의 1/10 정확도를 달성하려면 특수한 종류의 관성 센서가 필요하다. 소비가전 수준의 IMU 출력은 비교적 양호한 환경에서도 매우 빠르게 드리프트 한다. 이들 장치는 원하는 동작과 다른 오류 소스(진동 및 교차축 교란 포함)를 구별할 수 없다. 고성능 관성 센서는 시간당 1° 범위 내의 높은 안정도를 나타내고, 특수한 센서 구조를 도입하여 선형가속도 오류를 제거하며, 온도와 정렬 교란을 보상하도록 보정되었다. 이처럼 정밀한 모션 캡처는 GPS 및 인지 센서보다 10배 ~ 100배 빠른 속도로 수행되므로 비자율적 기계에 의존하는 인간의 본능적인 모션 감지 능력을 가장 잘 대체할 수 있다.
산업 혁명의 발전은 그 기반이 되는 자율성을 지원하는 센서 기술의 발달에 의존한다. 단거리 또는 장거리에 있는 사물을 정밀하게 감지 및 분류할 수 있게 해주는 레이더, LiDAR, 카메라 기술은 산업용 자율 차량이 표적 물체를 인간 조작자와 거의 유사하게 효과적으로 감지할 수 있게 해준다. 또한 관성 기술은 자율 애플리케이션에 직감 또는 추측 항법을 제공하는 데 있어 매우 중요하다. 센서가 정밀할수록 더 높은 품질의 데이터를 인공지능에 제공할 수 있으며, 궁극적으로 이는 더 안전하고 효율적인 애플리케이션 구현으로 이어진다.
자율 기능에 대한 자세한 내용은 analog.com/autonomy에서 확인할 수 있다.
저자 소개
안드레아스 파(Andreas Parr)는 2018년 마케팅 엔지니어로 ADI에 합류했다. 독일의 레이더 센서 전문기업 시메오(Symeo)에서 산업용 레이더 센서 제품 매니저로 근무했으며, ADI가 시메오를 인수하면서 ADI의 일원이 되었다. 시메오에 입사하기 전 독일 에를랑겐-뉘른베르크(Erlangen-Nuremberg) 대학에서 UHF RFID 현지화 연구 조교로 있었다. 2011년 에를랑겐-뉘른베르크 대학에서 전기공학, 전자공학, 정보기술 학위를 받았다. 문의: andreas.parr@analog.com.
밥 스캐널(Bob Scannell)은 ADI의 MEMS 관성 센서 제품 사업개발 매니저이다. ADI에서 20년 이상 센서에서부터 DSP, 무선 기술에 이르기까지 다양한 기술 마케팅 및 비즈니스 개발 업무를 맡았다. ADI 입사 전에는 로크웰 인터내셔널(Rockwell International)에서 설계와 마케팅을 담당했다. UCLA에서 전기공학 학사학위를, USC에서 컴퓨터 공학 석사학위를 취득했다. 문의: bob.scannell@analog.com.
사르벤 아이펙(Sarven Ipek)은 2006년에 ADI에 입사했다. ADI에 재직하면서 오류 분석, 설계, 특성화, 제품 엔지니어링, 프로젝트 및 프로그램 관리에서 폭넓은 경험을 쌓았다. 현재 매사추세츠 주 윌밍턴 소재 아나로그디바이스에서 자율주행 및 안전 그룹의 LiDAR 부서 내 마케팅 매니저를 맡고 있다. 노스이스턴 대학에서 전기 및 컴퓨터 공학 학사와 전기 공학 석사학위(통신 시스템 및 신호 처리)를 받았다. 문의: sarven.ipek@analog.com.
1차 산업 혁명기의 조면기(cotton gin: 목화에서 면실을 분리해내는 기계)와 증기기관의 발명에서부터 2차 산업 혁명기의 조립라인의 개발까지, 세계는 신기술을 빠르게 채택한 덕분에 커다란 도약을 이룰 수 있었다.
많은 분석가들은 인더스트리 4.0과 자율 시스템의 성장과 함께 차기 산업 혁명이 우리 앞에 와 있다는 데 동의한다. 재료와 노동력의 보다 효율적인 활용을 추구하는 이러한 산업적 발견의 다음 시대에는 기반 기술들이 빠른 속도로 발전을 거듭해야 한다.
자동화하고 자율적으로 움직이는 로봇, 자동차, 드론은 제조, 채굴, 농업 및 물류 분야에서 진행되고 있는 산업 혁명에서 중추 역할을 맡게 될 것이다.
자율 애플리케이션이 요구하는 수준의 시스템 성능을 달성하려면 장비는 주변 환경을 인지하고 탐색할 수 있어야 한다. 이러한 목표 성능은 다각적인 센서 기술을 활용하여 이들 출력을 기존 방식, 인공지능(AI) 또는 머신러닝 기반 알고리즘으로 융합 및 해석함으로써 달성할 수 있다. 이 때 해결해야 할 가장 큰 과제는 신뢰성과 가용성으로서, 이는 최종 목표를 안전, 효율, 비용, 유연성 향상에 두면서 다양한 센서 기술을 함께 사용함으로써 해결할 수 있다.
자율 시스템은 AI와 알고리즘에 정보를 제공하기 위해 센서 융합 기술을 통해 수집된 높은 충실도의 데이터에 크게 의존한다. 이 산업 분야에서 가장 일반적으로 사용되는 센서는 레이더, LiDAR, 비전, 초음파 및 관성 센서이다. 아래의 표는 각 인지 센싱 기술의 장단점과 함께, 시스템에서 여러 센서 기술을 병행 사용해야 하는 필요성을 보여준다.
[표] 주요 센서 기술의 특징
| 센서 | 주요 장점 | 약점 | 주요 적용 분야 |
| 비전 | 최고의 분해능, 컬러 | 야간, 악천후, 거리 추정 | 3D 매핑(>15m), 1단계 분류, 소형 장애물 감지 |
| LiDAR | 최고의 분해능, 거리 측정 | 악천후 | 3D 매핑(>15m), 1단계 분류, 소형 장애물 감지 |
| 레이더 | 전천후, 거리 측정, 속도 측정 | 낮은 분해능 | 물체 감지 및 추적 |
| 초음파 | 전천후, 거리 측정, 최저 비용 | 단거리, 낮은 분해능, 느린 반응 | 느린 속도, 단거리 감지 |
인지 센싱: 기계의 눈이 되어 주는 기술
인더스트리 4.0을 위해서는 다양한 과제들이 해결돼야 한다. 제한된 공간과 적대적 환경 속에서 자율적으로 움직이는 기계(로봇, 협동 로봇 등)는 보다 작고 정확하면서, 가까이에 있는 대상도 측정할 수 있는 레이더 기술을 필요로 한다. 주변 공간을 이미징하고 분류하는 것은 효율과 생산성, 안전에 필수적이다.
최근 RF 트랜시버 IC 기술의 발전에 힘입어, 레이더는 인지 애플리케이션을 위한 중요한 센서 기술의 하나로 급부상하고 있다. 일례로, 77GHz 완전 통합형 완전 디지털 트랜시버 MMIC를 들 수 있다. 높은 출력 전력, 저잡음 송/수신 채널, MIMO 안테나 어레이를 결합한 고속 선형 FMCW 칩은 합리적인 가격으로 고성능, 고분해능 레이더 시스템을 구현할 수 있게 한다. 레이더 기반 디지털 빔포밍은 가장 열악한 환경 조건에서도 복수의 표적 물체에 대한 반경방향 속도, 각도, 거리를 감지할 수 있다. 이는 동적인 환경에서 로봇, 협동 로봇(cobot), AGV가 안전하고 효율적으로 상호작용하는 데 있어서 매우 중요한 특성이다.
산업 환경에서 자율 시스템의 임무는 대상 물체를 안전하게 피하는 데 있는 게 아니라, 물체를 찾고 들어올리는 데 있는 경우가 많다. LiDAR의 강력한 물체 감지 및 분류 정확도는 이러한 일반적인 작업을 완료하는 데 필요한 정밀도를 제공한다.
테라헤르츠 주파수 범위에서 동작하는 LiDAR 시스템은 정교한 각도 분해능을 달성하여 고분해능 깊이 지도로 변환한다. 이러한 고분해능 깊이 지도를 사용하여, LiDAR 시스템은 물체를 분류하고 비전, IMU, 레이더 정보와 융합함으로써 신뢰할 수 있고 핵심적인 결정을 내린다. LiDAR 시스템은 햇빛이 밝은 야외와 같은 동적 환경에서 동작하도록 설계되었다. LiDAR는 9xx nm 및 15xx nm 파장의 좁은 펄스를 사용하고 높은 전력으로 구동하기 때문에, 이 같이 까다로운 조건에서도 더 멀리 볼 수 있다. 또한 좁은 펄스는 더욱 섬세한 깊이 분해능이 가능해 하나의 픽셀 안에서 여러 표적 대상을 감지할 수 있지만, 9xx 및 15xx의 적외선은 더 적은 태양 복사를 갖는다.
LiDAR 시스템이 보편화되려면 많은 과제들을 극복해야 한다. 여기에는 복잡하고 비싼 신호 체인 문제, 광학 설계 문제, 그리고 시스템 테스트 및 보정이 포함된다. 현재 이러한 신호 체인을 통합하고 복잡도와 크기, 전력 요구사항 및 전체 소유 비용을 줄이기 위한 연구개발 노력들이 진행 중이다.
내비게이션 센싱: 자율 애플리케이션의 정확도를 높이는 기술
센서가 산업용 기계에 널리 사용되고 이러한 센서로부터 사용할 수 있는 데이터가 더 풍부해지면서 기계의 위치 및 상대 운동의 중요성 역시 함께 높아지고 있다. 자율성은 종종 이동성과 연관되므로, 차량의 정확한 위치 결정, 기계의 동작 유도, 계측기의 정밀한 조향이 매우 중요하다. 이러한 동작을 매우 정확하게 감지할 수 있다면 안전과 신뢰성이 함께 요구되는 보다 까다롭고 가치 있는 애플리케이션에 적용할 수 있다. 예컨대 스마트 팜(smart farm)은 농작물 관리에서 효율을 지속적으로 높여야 하는 과제에 대응해야 하는데, 센티미터 수준의 위치 측정 정확도를 갖게 된다면 투입을 늘리지 않고도 산출을 극대화할 수 있다.
자율 항법에 대한 한 가지 접근 방법은 GNSS(global navigation satellite system) 위치 서비스를 활용하는 것이다. 이 서비스는 어디서나 이용할 수 있지만 신호 단절에 취약하다는 단점이 있다. 완전 자율성을 실현하려면 작동에 제한이 없어야 하며, 차단이나 일시적 중단의 위협이 없어야 한다. 관성 센서는 이를 위한 보완적인 모션 측정을 제공하며, 신호 중단이나 외부 인프라 필요성 같은 제약으로부터 자유롭다. 통상적으로, 3축 가속도 센서와 3축 회전 센서를 결합하여 6자유도(DoF)의 관성측정장치(IMU)를 구성한다. IMU의 출력은 추가적인 프로세싱을 거쳐 상대 자세, 방향 및 속도를 제공한다. 이는 궁극적으로 추측 항법(dead reckoning)이라고 하는 기능을 제공한다.
센티미터 수준의 위치 결정 또는 지향각 1도의 1/10 정확도를 달성하려면 특수한 종류의 관성 센서가 필요하다. 소비가전 수준의 IMU 출력은 비교적 양호한 환경에서도 매우 빠르게 드리프트 한다. 이들 장치는 원하는 동작과 다른 오류 소스(진동 및 교차축 교란 포함)를 구별할 수 없다. 고성능 관성 센서는 시간당 1° 범위 내의 높은 안정도를 나타내고, 특수한 센서 구조를 도입하여 선형가속도 오류를 제거하며, 온도와 정렬 교란을 보상하도록 보정되었다. 이처럼 정밀한 모션 캡처는 GPS 및 인지 센서보다 10배 ~ 100배 빠른 속도로 수행되므로 비자율적 기계에 의존하는 인간의 본능적인 모션 감지 능력을 가장 잘 대체할 수 있다.
산업 혁명의 발전은 그 기반이 되는 자율성을 지원하는 센서 기술의 발달에 의존한다. 단거리 또는 장거리에 있는 사물을 정밀하게 감지 및 분류할 수 있게 해주는 레이더, LiDAR, 카메라 기술은 산업용 자율 차량이 표적 물체를 인간 조작자와 거의 유사하게 효과적으로 감지할 수 있게 해준다. 또한 관성 기술은 자율 애플리케이션에 직감 또는 추측 항법을 제공하는 데 있어 매우 중요하다. 센서가 정밀할수록 더 높은 품질의 데이터를 인공지능에 제공할 수 있으며, 궁극적으로 이는 더 안전하고 효율적인 애플리케이션 구현으로 이어진다.
자율 기능에 대한 자세한 내용은 analog.com/autonomy에서 확인할 수 있다.
저자 소개
안드레아스 파(Andreas Parr)는 2018년 마케팅 엔지니어로 ADI에 합류했다. 독일의 레이더 센서 전문기업 시메오(Symeo)에서 산업용 레이더 센서 제품 매니저로 근무했으며, ADI가 시메오를 인수하면서 ADI의 일원이 되었다. 시메오에 입사하기 전 독일 에를랑겐-뉘른베르크(Erlangen-Nuremberg) 대학에서 UHF RFID 현지화 연구 조교로 있었다. 2011년 에를랑겐-뉘른베르크 대학에서 전기공학, 전자공학, 정보기술 학위를 받았다. 문의: andreas.parr@analog.com.
밥 스캐널(Bob Scannell)은 ADI의 MEMS 관성 센서 제품 사업개발 매니저이다. ADI에서 20년 이상 센서에서부터 DSP, 무선 기술에 이르기까지 다양한 기술 마케팅 및 비즈니스 개발 업무를 맡았다. ADI 입사 전에는 로크웰 인터내셔널(Rockwell International)에서 설계와 마케팅을 담당했다. UCLA에서 전기공학 학사학위를, USC에서 컴퓨터 공학 석사학위를 취득했다. 문의: bob.scannell@analog.com.
사르벤 아이펙(Sarven Ipek)은 2006년에 ADI에 입사했다. ADI에 재직하면서 오류 분석, 설계, 특성화, 제품 엔지니어링, 프로젝트 및 프로그램 관리에서 폭넓은 경험을 쌓았다. 현재 매사추세츠 주 윌밍턴 소재 아나로그디바이스에서 자율주행 및 안전 그룹의 LiDAR 부서 내 마케팅 매니저를 맡고 있다. 노스이스턴 대학에서 전기 및 컴퓨터 공학 학사와 전기 공학 석사학위(통신 시스템 및 신호 처리)를 받았다. 문의: sarven.ipek@analog.com.
제품스펙