[Ability of Mobility] 기술이 바꾸는 이동

현시대의 모빌리티를 바라보는 핵심기술은 무엇?

데이터 확보 후 데이터의 흐름과 물리적 흐름이 연결되어야 

 

 

자율주행차와 로봇, 인공지능 기술을 기반으로 한 무인·자동화가 보다 효율적인 이동과 연결을 만드는 핵심기술로 부각된다. 2020년까지 사람이 사라진 물류센터, 배송차량을 볼 수 있을 것이라는 정부의 예측도 나온다. 정말일까. 현시대의 모빌리티를 바라보는 핵심기술을 정리해봤다. 앞으로의 모빌리티를 바꿀 기술 전망도 함께다.

 

사람과 공존하는 기술

 

▲ 아래 내용은 로지스타서밋2018 세션을 맡은 강성주 우정사업본부장의 발표를 참고, 정리했습니다. 사진은 강성주 우정사업본부장. 

 

대체로 새로운 비즈니스와 기술이 도입된 초기 단계에는 시장기업의 역할보다 정부의 역할이 크게 나타나는 경향이 있다. 시장이 성숙하고 정부의 역할이 줄어드는 것이 자연스러운 흐름이라면, 그 과정에서 우정사업본부의 역할은 물류 영역의 혁신을 지원하는 데 있다고 판단한다.

 

우정사업본부는 전기차, 드론, 디지털 물류시스템 등 4차 산업혁명 시대의 기술을 적극 도입하고자 하는 시도를 지속해나가고 있다. ‘시대가 변해도 우리가 집중해야 하는 것은 사람이다’라는 전제를 두고, 신기술을 활용해 집배원들의 노동환경을 개선하고 도서산간 지역처럼 물류 환경이 열악한 곳에도 공공 서비스로서의 우편 및 택배 품질을 강화할 계획이다.

 

이 외에도 공공 물류시스템을 발전시킬 수 있는 모델을 발굴해 자금 지원이나 우정사업본부의 시스템을 개방하고, 시범 적용을 진행하여 연구개발에 도움을 주고자 한다.

 

한편, 글로벌 O2O 영역에서 아마존, 알리바바와 같은 기업과 협력을 통해 한중일 동북아 권역의 물류 시장을 키움으로써 택배산업을 발전시키려는 노력도 진행 중이다.

 

자율주행차가 바꾸는 모빌리티

 

자율주행이란 센서를 활용해 주위 환경을 인지하고, 소프트웨어가 그에 대한 사고를 통해 차량을 제어하는 것을 가리킨다.

 

사람으로 비유하자면 눈의 역할이자 자율주행차의 핵심이 되는 센서는 카메라, 레이더, 라이다 세 가지로, 각각의 센서마다 장단점을 가지고 있다. 이에 따라 세 가지 센서를 잘 조합해 시스템을 안정적으로 만드는 것이 자율주행 연구의 핵심 과제가 됐다.

 

역사적으로 자동화와 무인화는 사람이 하기 힘들고 어려운 영역부터 진행되는 경향이 있었다. 아마존은 키바 로봇을 도입해 물류센터 내에서의 물품 이동 인력을 대체하고 업무 효율을 높였다. 공공 교통 영역보다 화물운송 영역에서 자율주행차가 상용화될 가능성이 높다고 전망되는 이유도 같은 맥락이다.

 

화물운송에 들어가는 비용의 30%는 인건비이고, 전체 구간 중에서 고속도로가 차지하는 비율은 80~90% 정도로 파악된다. 마스오토는 간선 고속도로 운행이나 물류센터 간 운행을 무인화 하고자 한다. 2~3년 뒤 완전자율 무인트럭이 완성되면 수출입화물이나 기업 고정화물, 택배 간선운송에 적용될 수 있을 것으로 기대된다.

 

로봇이 바꾸는 모빌리티

 

▲ 아래 내용은 로지스타서밋2018 세션을 맡은 박정훈 CJ미래경영연구원 수석의 발표를 참고, 정리했습니다. 사진은 박정훈 CJ미래경영연구원 수석.

 

물류산업은 향후 로봇의 도입과 발전이 전망되는 분야 중 하나다. 물류로봇 시장은 자율주행차나 외골격 로봇, 드론 등을 포함했을 때 2020년 전 세계적으로 35조 원 규모의 시장으로 성장할 것으로 예상된다.

 

최근에는 단순히 이동이나 운반의 기능을 넘어 차체에 설비를 장착해 피킹 작업 기능을 수행할 수 있도록 만드는 것이 트렌드 중 하나다. 또한, 물류로봇 시장이 무르익으면서, 스타트업뿐만 아니라 전통 강자인 대기업 역시 로봇 시장에 뛰어들었다.

 

그런데 사실 물류로봇 영역에선 하드웨어만큼이나 소프트웨어도 중요하다. 사람에게 명령하면 사람은 자신의 판단 하에 자율적으로 피킹 작업을 진행한다. 하지만 로봇은 다르다. 로봇은 세세한 작업동작과 이동방식까지 정해주어야지 비로소 작업을 진행할 수 있다.

 

이런 상황에서 로봇 공급업체들은 지속적인 수익모델로써 물류로봇의 고객 맞춤형 소프트웨어 프로그램까지 공급하는 렌탈모델을 도입하기 시작했다. 로봇 섭스크립션(정기 사용) 모델도 이와 같은 맥락이다.

 

이제 사람들은 로봇이 아닌 ‘로봇 서비스’를 산다. 현재 로봇 섭스크립션 모델이 가장 활발한 분야는 서비스 로봇 분야로, 호텔에서 활용되는 안내로봇이나 접객로봇, 운반로봇의 대부분은 인간 아르바이트 직원을 쓰는 것처럼 시간이나 작업량을 기반으로 사용료를 기반으로 비용을 지불해 사용할 수 있다. 이에 따라 물류로봇 영역에서도 섭스크립션 모델의 도입 가능성이 높아지고 있다.

 

마지막으로 한국의 상황에서 물류로봇의 도입 효과를 궁금해 하는 이들이 많다. 일반적으로 물류로봇 도입의 ROI(투자수익) 기간은 2년 정도다. 사실 해당 ROI 산출법은 하루 3교대 근무를 가정하고 있어 국내 현실과는 다소 맞지 않을 수 있다.

 

하지만 인건비가 시간당 1만 2,000원 이상이고, 2교대 이상으로 근무가 진행되며, 신발이나 책 등 정형화된 포장의 물품을 다루는 곳이라면 물류로봇의 도입이 효과적일 수 있다.

무인화가 바꾸는 모빌리티

 

아마존과 구글의 무인물류와 모빌리티 특허를 살펴보면, 한 가지 공통점이 있다. 바로 사용자의 구매나 이동 데이터가 마치 ‘자산’과 같은 역할을 한다는 점이다. 아마존과 구글은 소비자로부터 얻은 데이터를 기반으로 좀 더 효율적인 서비스를 제공하고자 한다.

 

아마존의 무인물류 관련 특허는 풀필먼트 센터에서 시작해 최종 소비자까지 배송단계까지 포함한다. 아마존의 무인상점 ‘아마존고’는 이미 2014년에 출원된 특허다.

 

아마존은 이미지(영상) 기술, 위치 기반 판단 기술, 선반의 무게 센서, 통신장치 등을 통해 고객의 구매 행동을 파악하고, 사용자의 이전 구매 이력을 기반으로 소비자에게 해당 구매가 올바른 것인지 자동으로 묻는다. 이후 상품은 자동패킹 과정을 거쳐 자율주행차나 일회용 드론에 실려 소비자의 집까지 배송된다. 즉, 아마존의 특허는 소비자에게 ‘끊김 없는(Seamless)’ 구매 경험을 제공하는 것에 목적을 둔다.

 

한편, 구글은 자율주행과 관련한 특허를 상당히 많이 보유하고 있는 업체다. 자율주행 운송수단을 호출한 뒤 탑승하는 방법과 기존의 탑승 기록을 기반으로 승객을 픽업 지점과 도착 지점을 승객에게 제안하는 방법이 특허로 등록되어 있다. 또한, 지속적으로 축적된 이동 데이터는 다시 자율주행차 등 이동수단의 학습에 활용되어 사람의 직관적인 판단을 넘어서는 합리적인 판단을 할 수 있도록 만든다.

데이터가 바꾸는 모빌리티

 

쏟아지는 인공지능 스피커, 스스로 생각하며 인간과 로봇의 공존에 관해 이야기하는 인공지능 로봇, 그야말로 인공지능의 시대‘인 것처럼’ 보인다. 그런데 조금만 들여다보면, 현재 우리는 데이터 자체를 확보하는 데에도 어려움을 겪고 있는 상태다.

 

차량용 내비게이션이 운전자에게 바보 같은 경로를 안내하는 것이 바로 이 때문이다. 내비게이션 소프트웨어는 도로의 정체 상황이나 차량 속도 등에 대한 데이터를 충분히 가지고 있지 않다. 당연히 운전자에게 최적화된 경로 결과를 안내하는 것 역시 불가능해진다. 하지만 그로 인해 좌절할 필요는 없다.

 

반대로 이는 우리가 충분한 데이터를 확보할 수만 있다면, 내비게이션의 정확도를 크게 올릴 수 있다는 것을 의미한다. 따라서 인공지능을 이야기하기에 앞서 데이터를 어떻게 확보할 것인지에 대한 고민이 선행되어야 한다.

 

데이터를 확보한 뒤에야 딥러닝, 머신러닝 등을 이용해 특정 사건을 예측하는 등의 의미 있는 성과가 일어나게 된다. 그 때에 비로소 미래의 일을 최대한 정확하게 계산하는 ‘알고리즘 최적화’의 단계로 넘어갈 수 있는 것이다.

 

현 시대를 가리키는 또 다른 표현으로 ‘디지털 세상’이라는 말을 쓴다. 하지만 현재의 디지털은 온라인에서만 일어나는 일이다. 온라인의 데이터, 데이터의 흐름(Flow), 물리적 흐름이 모두 연결되지 못한 채 부유하고 있다. 이 세 요소를 연결하는 자가 바로 미래 모빌리티의 주인공이 될 것이다.