공간 컴퓨팅이란?
artificial-intelligence-industrial-markets이 기사는 기업 전략 분석가인 윌 페러(Will Ferrer)와 수석 연구 분석가인 데이비드 임머맨(David Immerman)이 공동으로 작성했습니다.
'공간 컴퓨팅이란 무엇인가?'라는 질문은 비즈니스를 디지털 방식으로 변혁하고자 하는 산업체의 수가 갈수록 늘어나고 있는 현재, 특히 공장, 창고, 작업장과 같은 물리적 환경에서 현장 근로자가 업무를 수행하는 방식으로 운영되고 있는 기업들 사이에서 활발하게 대두되고 있는 질문입니다.
공간 컴퓨팅이라는 용어는 MIT 미디어랩(MIT Media Lab) 출신 시몬 그린우드(Simon Greenwold)가 2003년 발표한 자신의 논문에서 처음 사용한 용어입니다. 이후 한참 지난 최근에서야 환경, 인간, 객체를 추적하는 인공지능(AI), 카메라 센서 및 컴퓨터 비전, 제품 및 자산을 모니터링하고 관리하는 사물 인터넷(IoT), 인간 사용자 인터페이스를 제공하는 증강 현실(AR) 등의 새로운 기술의 발전에 힘입어 그린우드의 논문에서 다루었던 내용과 비전을 실현할 수 있게 되었습니다.
간략하게 말하자면 공간 컴퓨팅은 이러한 기술의 일부 또는 전부를 결합하여 도로 위를 달리는 자율 주행 차량부터 공장에 투입되는 로봇에 이르기까지 이러한 대상의 공간적 위치를 연결하는 기술이라고 할 수 있습니다. 이 기술은 상대적 위치 즉, 다른 위치와 연관성이 있는 위치에 대한 지식을 추가하여 '기존 컴퓨팅' 개념을 확장합니다. 예를 들어 자율 주행 차량은 GPS, LiDAR, 카메라 센서 및 기타 기술을 활용하여 삼각측정 방식으로 차량의 정확한 위치를 파악하고 주행 환경에 존재하는 객체와의 근접성을 측정합니다.
전 세계적으로 자동화가 확산된 가운데, 인간과 기계가 함께 작업하는 경우도 갈수록 증가하고 있습니다. 공간 컴퓨팅은 인간과 기계가 함께 작업할 때 인간과 기계 간 작업을 동기화합니다. 이것은 프로세스에 참여하는 모든 기계와 근로자의 업무 조정을 포함하여 근로자와 기계가 공존하는 전체 작업장을 최적화하는 궁극적인 방법입니다.
공간 컴퓨팅은 인간과 기계 간의 동등한 협업을 가능하게 할 뿐만 아니라 인간과 기계의 성과를 각각 개선할 수도 있습니다. 이제 공간 컴퓨팅의 잠재성을 보여주는 과거 및 미래의 사례를 살펴보며 이 개념을 구성하는 주요 요소에 대해 알아보겠습니다.
지능적인 기계를 더욱 발전시키는 공간 컴퓨팅
자동화된 창고 운영은 공간 컴퓨팅을 활용한 최첨단 사용 사례입니다. 전자 상거래 판매량을 증가시키고 익일 배송을 원하는 고객의 기대를 만족시킨 '아마존 효과'는 소매 창고 산업에 획기적인 변화를 일으켰습니다. 이 산업에서는 매일 수많은 고객 주문을 신속하게 처리하기 위해 상품을 빠르게 이동해야 합니다.
자율적으로 작동하는 무인 운반차(AGV)는 위치, 상대적 위치, 속도를 끊임없이 처리합니다. 이러한 실시간 정보를 바탕으로 AGV의 현재 절대적 위치와 상대적 위치를 파악하고, 최근 방문한 목적지와 현재 이동 중인 목적지를 알 수 있으며, 현재 이동 속도도 파악할 수 있습니다. 이 동적 3D 환경 전체에서 공간 컴퓨팅은 AGV의 상대적 위치, 대상 상품과의 근접성 및 목적지 정보를 활용하여 모든 AGV의 자율 주행을 관리하고 최적화합니다. 그 결과, 올바른 위치에 올바른 상품을 가장 효율적인 방식으로 배송할 수 있습니다.
공간 컴퓨팅의 사용 사례가 항상 최첨단 자율 창고 사례만큼 복잡한 것은 아닙니다. 룸바(Roomba)와 같은 스마트 진공청소기는 유사한 공간 기술을 사용하여 집안을 탐색합니다.
인간의 역량을 강화하는 공간 기술
인간과 기계 간 상호 작용이 발전함에 따라 근로자 또한 이러한 새롭게 부상 중인 공간 컴퓨팅 영역에 참여할 수 있게 되었습니다. 예를 들어 공간 컴퓨팅을 통해 근로자는 공장과 같은 산업 환경에 일반적으로 사용되는 물리적 시스템과의 상호 작용 방식을 개선할 수 있습니다.
실시간으로 로봇 재프로그래밍 수행
생산 라인에 사용되는 수많은 로봇의 경우, 새로운 작업을 시작하기 전에 적절한 재프로그래밍이 이루어져야 합니다. 그러나 이같은 재프로그래밍 작업을 수행하려면 생산 라인을 잠시 중단하고 전문 엔지니어가 소프트웨어를 업데이트해야 하므로 기계 설정, 전환 시간은 물론 기타 주요 제조 KPI와 관련된 비용이 많이 들 수 있습니다.
그러나 공간 컴퓨팅을 사용하면 상황별 로봇 재프로그래밍이 가능하기 때문에, 로봇을 직접 조작하는 근로자가 엔지니어링에 관한 전문 지식 없이도 최소한의 다운타임으로 새로운 작업에 대한 로봇의 움직임을 보다 쉽게 이해하고, 제어하고, 계획할 수 있습니다. 논리 흐름을 커스터마이징할 수 있는 간단하고 시각적인 이러한 프로그래밍을 통해 근로자가 로봇의 움직임을 한 눈에 쉽게 파악할 수 있으므로 보다 협력적인 업무 방식이 도입될 수 있습니다. 한 예로, 모바일 코봇이 공장 내에서 중량물을 운반하고 인간이 하기엔 힘이 많이 들고 위험한 작업을 수행하도록 웨이포인트를 지정하는 모바일 오퍼레이터가 있습니다.
근로자 생산성을 위한 공간 분석
공장 및 산업 플랜트에서는 직원 수백만 명의 업무 흐름 및 이동을 최적화하는 방법을 끊임없이 모색하고 있습니다. 제조업체의 71%가 이러한 노동력 최적화를 위해서는 수작업 시간 및 동작 연구가 중요하다고 답했지만 여전히 43%는 이러한 방식에서 도출된 데이터를 신뢰하지 않습니다.
지속적인 프로세스 개선에 공간 분석을 활용하면 수작업 또는 서류 방식보다 더 정확하고 안정적으로 근로자 및 생산 병목 현상을 파악할 수 있습니다. 이러한 심층 분석 정보는 노동 효율성을 개선하고, 안전 및 생산성을 높이고, 나아가 신제품 출시 기간을 단축하기 위해 생산 능력 및 제조 공정을 재구성하는 데 매우 중요할 수 있습니다.
아시다시피 AR/MR은 인간이 데이터를 물리적 맥락에 맞게 시각화할 수 있으므로 공간 컴퓨팅에 최적화된 사용자 인터페이스입니다. 그러나 모든 AR/MR 솔루션이 위치 데이터를 활용하진 않기 때문에 AR/MR 솔루션라고 해서 무조건 공간 컴퓨팅을 지원하지는 않는다는 점을 명심하십시오.
최종 고찰
이 글에서 소개한 사용 사례는 공간 컴퓨팅을 통해 산업체의 제품, 프로세스, 인력 및 장소 전체에서 비즈니스 가치를 창출할 수많은 잠재적 사용 사례의 일부에 불과합니다. 전 세계 근로자의 무려 3/4이 현장에서 근무 중이고 현장 시설 및 장비에 대한 투자 규모가 수십억 달러에 달한다는 점을 미루어 볼 때, 비즈니스 프로세스를 최적화할 기회는 무궁무진합니다.
아직 초기 단계인 공간 컴퓨팅은 IoT, AR/MR, AI와 같은 실행 기술이 보다 광범위하게 채택되고 새로운 위치 데이터 소스가 캡처되고 활용됨에 따라 산업체의 큰 관심을 받게 될 것입니다.
공간 컴퓨팅을 시작할 준비가 되셨다면 Vuforia Spatial Toolbox를 다운로드하십시오. 이 툴박스는 개발자, 혁신 전문가, 연구자가 사내에서 공간 컴퓨팅을 체험해볼 수 있도록 돕기 위해 개발된 오픈 소스로 구성되어 있습니다.
이미지 제공
