[한국경제] LG CNS, 물류로봇 사업 도전장

 

 

 

 

 

📰 LG CNS, 물류로봇 사업 도전장

신문 바로가기

스마트팩토리 무인로봇 청사진

美 베어로보틱스와 업무협약
"물류산업 디지털 혁신 선도"

 

LG CNS가 물류로봇 솔루션 시장에 뛰어들었다. LG CNS는 미국 실리콘밸리 기업 베어로보틱스와 자율주행 로봇 및 관제 솔루션을 함께 개발하기로 업무협약을 맺었다고 20일 밝혔다. 로봇 ‘키바’를 활용해 방대한 규모의 물류센터를 자동화한 아마존과 비슷한 사업 모델을 구현하는 것이 목표다.

 

베어로보틱스는 LG전자가 지난해 3월 6000만 달러를 투자한 로봇 기업이다. 식당에서 움직이는 무인 서빙 로봇을 처음으로 개발했다. 한 공간에서 최대 1000여 대의 로봇을 운영하는 군집제어 기술에서 경쟁력이 높다는 평가를 받는다. 그동안 20여 개국에서 약 2만 대의 인공지능(AI) 로봇을 판매했다.

 

LG CNS는 베어로보틱스와 자율이동 로봇 제어 솔루션을 공동 개발하기로 했다. 온라인쇼핑 회사 등 기업이 운영하는 물류센터에 물품의 무게, 부피, 이동경로 등을 고려한 최적의 로봇 형태와 적절한 로봇 수량을 제안하는 비즈니스 모델이다. 원격 조종과 트래픽 관리, 성능 모니터링 등을 담당할 관제시스템도 설치해 준다.

 

LG CNS는 고정된 좁은 경로에서 반복적으로 상품을 나르고 분류하는 무인운송로봇(AGV) 솔루션을 개발하고 공급해왔다. 베어로보틱스와의 협업을 계기로 이 노하우를 공장 전체를 누비는 자율주행 로봇으로 발전시킬 계획이다. 다양한 모양의 물품을 집는 AI 피킹 로봇, 불량품을 잡아내는 AI비전카메라 등도 개발했다.

 

LG CNS는 로봇이 최단거리 경로로 안전하고 빠르게 이동하게 하는 수리과학적 최적화 기술에서 역시 독보적 경쟁력을 갖고 있다. 이준호 LG CNS 스마트물류&스마트시티 사업부장은 “베어로보틱스의 로봇 솔루션과 LG CNS의 스마트 물류 노하우를 결합해 물류산업의 디지털 혁신을 선도할 것”이라고 말했다. 유가증권시장 상장을 준비 중인 LG CNS는 21~22일 일반 투자자를 대상으로 공모주 청약을 받는다.

 

 

 

 

 

 

✍ 정리

 

LG CNS가 미국 실리콘밸리 기업 베어로보틱스와 협업해 물류로봇 솔루션 시장에 진출했다. 두 회사는 자율주행 로봇 및 관제 시스템을 공동 개발하여 아마존의 물류 자동화 모델과 유사한 시스템을 구축할 계획이다. LG CNS는 기존의 AGV(무인운송로봇) 기술을 발전시켜 자율주행 로봇으로 확장하고, AI 피킹 로봇 및 비전카메라 등의 솔루션도 개발 중이다. 이 프로젝트는 물류산업의 디지털 혁신을 가속화하는 동시에 LG CNS의 IPO(기업공개)와도 맞물려 있다.

 

 

 

1. LG CNS와 베어로보틱스의 협업

• LG CNS가 미국 로봇 기업 베어로보틱스와 자율주행 로봇 및 관제 솔루션 공동 개발을 위한 업무협약 체결
• 아마존의 ‘키바’ 로봇을 활용한 물류 자동화 모델과 유사한 시스템 구축 목표

 

 

2. 베어로보틱스 개요

• LG전자가 6000만 달러를 투자한 로봇 기업
• 무인 서빙 로봇으로 유명하며, 군집제어 기술(최대 1000여 대의 로봇 운영)에 강점
• 20개국에서 약 2만 대의 AI 로봇을 판매한 경험 보유

 

 

3. LG CNS의 물류로봇 사업 확대

• 물류센터를 위한 자율이동 로봇 제어 솔루션 공동 개발
• 물품의 무게, 부피, 이동경로 등을 고려한 최적의 로봇 배치 제안
• 원격 조종, 트래픽 관리, 성능 모니터링 기능을 갖춘 관제 시스템 제공

 

 

4. 기존 기술과의 연계

• LG CNS는 기존에 AGV(무인운송로봇) 기술을 개발해 공급
• 이를 자율주행 로봇으로 발전시키고, AI 피킹 로봇, AI 비전카메라 등 다양한 솔루션도 개발
• 수리과학적 최적화 기술을 활용해 로봇의 최단거리 이동 경로 설정 가능

 

 

5. IPO(기업공개) 일정

• LG CNS는 유가증권시장 상장을 준비 중이며, 21~22일 일반 투자자 대상 공모주 청약 진행

 

 

 

 

 

 

 

 

 

 

🔍 추가 조사한 내용

 

 

LG CNS 로봇 구독 서비스 (Robot as a Service, RaaS)

 

 

LG CNS의 RaaS는 고객이 물류 로봇을 필요할 때 필요한 만큼만 구독할 수 있도록 하는 서비스 모델이다. 기존 이커머스, 유통, 제조 기업들은 물류 로봇 도입 시 높은 초기 비용이 필요했으나, RaaS를 통해 부담을 줄이고 손쉽게 로봇 솔루션을 도입할 수 있다.

 

 

 

1. 주요 특징

• 비용 절감: 초기 투자 비용 없이 필요한 로봇을 구독해 운영 가능
• 유연한 선택: 다양한 물류 자동화 솔루션을 필요에 따라 선택하여 활용 가능
• 효율적 운영: 클라우드 기반 로봇 서비스 플랫폼을 활용하여 실시간 최적화 가능

 

 

 

2. 운영 방식

 

LG CNS의 RaaS는 클라우드 기반의 로봇 서비스 플랫폼을 활용하여 운영되며, 고객의 물류센터 운영 시스템과 연계해 물류 프로세스를 자동화한다.

• 로봇 오케스트레이션 기능: 각 로봇에게 작업을 할당하고 상태를 모니터링
• 실시간 최적화 알고리즘: 업무 재할당 및 물류 흐름 최적화
• 선행-후행 작업 연계: 물류센터 운영의 효율성 극대화

 

RaaS는 두 가지 구독 방식을 제공한다.

• 순수 RaaS (Pure RaaS): 플랫폼과 로봇을 모두 구독하는 방식
• 하이브리드 RaaS (Hybrid RaaS): 플랫폼만 구독하고 로봇은 자체 보유한 경우

 

 

 

3. 물류 자동화 솔루션

• 오토스토어 (AutoStore): 높은 보관 효율을 갖춘 자동화 저장·이송 시스템
• 피킹 로봇: AI 비전 기반으로 제품 모양을 학습하여 최적의 위치에서 픽업 수행
• 소팅 로봇 (Sobot): 정해진 경로를 따라 이동하며 상품을 분류하는 무인운송로봇 (AGV)
• ACR (Automated Case-Handling Robot): 케이스 단위 물품을 이동 및 배치하는 로봇
• AGV (Automated Guided Vehicle): 반복적인 상품 운반을 수행하는 무인운송로봇
• AMR (Autonomous Mobile Robot): 자율주행 기술을 활용해 스스로 경로를 탐색하는 로봇
• AGF (Automated Guided Forklift): 무인 지게차 로봇

 

 

 

4. 적용 사례

• 풀필먼트센터(FC) 운영 고객
  • 인력난을 해결하기 위해 로봇을 도입하고, 운영 안정성을 확보하기 위해 RaaS 플랫폼을 구독
  • 로봇과 서비스 플랫폼을 활용해 물류 프로세스의 생산성과 안정성 향상
• 퀵커머스 B 고객
  • 도심 내 마이크로 풀필먼트센터(MFC)에서 다품종 소량 상품을 효율적으로 보관할 수 있도록 로봇 솔루션을 구독
  • 공간 활용, 운영 효율성, 재무적 효율성을 극대화

 

 

 

 

 

🔗 연관 링크

삐-빅 특급 정보입니다✨ AI로봇이 물건을 분류하고, 원격으로 공장 컨트롤까지!🤖 | LG CNS

물류 DX, LG CNS 로봇 구독 서비스(SINGLEX RaaS)로 완성하세요!

그래 이 맛이야! 물류DX의 신세계 “로지맛”(세계 최대 물류박람회) 다녀와봄🎁

 

 

 

 

 

 

 

 

 

 

💡현직자에게 할 질문

 

 

1. 자율이동 로봇(AMR)의 실시간 경로 최적화에서 가장 어려웠던 문제는 무엇인가요?

AMR이 실시간으로 경로를 조정한다고 하지만, 물류센터는 끊임없이 변화하는 환경이기 때문에 최적화가 쉽지 않을 것 같습니다. 특히,  사람의 갑작스러운 이동, 예상보다 긴 대기 시간, 적재 공간 부족 등 예측할 수 없는 돌발 변수가 있을 텐데요. 이런 환경에서 AMR이 정확하게 경로를 판단하고 최적화할 수 있도록 적용한 특정 기술이나 전략이 있나요? 단순히 알고리즘 개선을 넘어서, 실제 현장에서 어떤 방식으로 데이터를 축적하고 반영할 것인지 궁금합니다.

 

 

 

2. 기존 고객사들이 RaaS 도입 후, 가장 먼저 요청하는 ‘예상 밖의 커스터마이징 요구’는 무엇인가요? 

고객들이 처음에는 예상하지 못했지만, RaaS를 도입하고 나서 가장 많이 요청하는 기능이나 변경사항이 무엇인지 알고 싶습니다. 예를 들어, 의약품 물류, 냉장 물류와 같이 특정 산업군에서는 기존의 표준 물류 로봇 운영 방식과 달리 온도 조절, 특수 적재 규칙 등 특수한 프로세스가 필요했던 사례가 있었나요? 이러한 요청을 반영하는 과정에서 기술적으로 가장 어려웠던 부분과 해결 방법을 공유해 주실 수 있을까요?

 

 

 

3. AI 피킹 로봇이 특정 제품을 다룰 때 예기치 못한 장애가 발생한 사례가 있나요?

AI 피킹 로봇은 다양한 형태의 상품을 다룰 텐데, 실제로 운영해보니 유리병, 부드러운 패키지, 액체류 등 특정 상품군에서 인식률이 낮거나 취급 오류가 발생한 사례가 있었나요? 이런 문제가 발생했을 때, 기존 알고리즘을 어떻게 보완했는지, 그리고 데이터 학습 방식을 조정하는 과정에서 얻은 교훈이 있다면 공유 부탁드립니다.