클라우드 AI MSP 스마일샤크가 로봇 서비스 전문 기업 클로봇의 인공지능 개념증명(PoC)을 지원하며, 방역 로봇에 생성형 AI를 적용하는 기술 검증이 이뤄졌다. 기존 이미지 인식 중심의 접근에서 벗어나, 현장 맥락과 방역 지침을 함께 해석하는 구조를 시험했다는 점에서 업계의 관심을 끈다.
스마일샤크는 27일 클로봇이 아마존웹서비스(AWS) 기반 AI PoC를 수행하는 과정에서 기술 설계와 검증을 지원했다고 밝혔다. 이번 프로젝트는 열대 지방 건설 현장에서 뎅기열 등 감염병 확산 위험을 낮추기 위한 방역 로봇 개발 가능성을 점검하는 데 초점이 맞춰졌다.
클로봇은 자율주행 로봇 솔루션 ‘카멜레온(Chameleon)’과 관제 플랫폼 ‘크롬스(CROMS)’를 중심으로 안내, 이송, 청소·방역, 안전·순찰, 물류, 제조 등 다양한 산업 현장에 로봇 서비스를 공급해 온 기업이다. 이기종 로봇을 통합 운용하는 기술을 바탕으로, 글로벌 네트워크를 통해 서비스 로봇과 물류 로봇, 산업용 로봇 등을 소싱해 제공하고 있다. 객체 인식, 거리·자세 추정 등 AI 인지 모듈을 자율주행 시스템에 결합해 현장 적용 범위를 넓혀온 것도 특징이다.
이번 PoC의 핵심 과제는 모기 유충 발생 환경을 자동으로 판별하는 AI 구조를 로봇에 적용할 수 있는지 확인하는 것이었다. 실제 열대 건설 현장에서는 물웅덩이뿐 아니라 덮인 배수구, 구조물 내부, 방치된 폐기물 등 눈에 잘 띄지 않는 공간에서도 유충이 발생한다. 단순 이미지 인식 방식으로는 환경의 위험도를 정확히 구분하기 어렵다는 한계가 반복적으로 지적돼 왔다.
클로봇은 이 문제를 해결하기 위해 AWS의 완전 관리형 생성형 AI 서비스인 ‘아마존 베드록(Amazon Bedrock)’을 활용했다. Vision-Language Model(VLM)을 통해 현장 이미지를 언어 정보와 함께 해석하고, 검색 증강 생성(RAG) 방식을 적용해 방역 지침과 기준 정보를 결합하는 실험 환경을 구성했다. 로봇이 단순히 이미지를 분류하는 수준을 넘어, 판단 근거를 설명할 수 있는 구조를 검증하는 데 목적이 있었다.
실험 결과, 현장 이미지와 방역 매뉴얼을 함께 고려해 유충 발생 가능 환경을 분류하는 접근이 기술적으로 가능하다는 점을 확인했다. AWS 클라우드 인프라의 확장성과 아마존 베드록의 다양한 파운데이션 모델 접근성을 활용하면서 테스트 환경 구축과 반복 실험에 소요되는 시간도 줄였다는 설명이다. 다만 실제 상용 환경에서의 정확도와 비용 효율성, 로봇 하드웨어와의 안정적 연동은 추가 검증이 필요한 과제로 남았다.
클로봇 로봇 AI 기술팀 권지현 팀장은 “유충 위험 환경 판별과 방역 지침 준수 여부를 자동으로 분류할 수 있는 가능성을 확인했다”며 “기술 검증 단계에서 스마일샤크가 클라우드와 AI 구성 전반을 빠르게 지원해 프로젝트 진행에 도움이 됐다”고 말했다. 이어 “운영 시스템으로 확장하는 과정에서도 협업을 이어가길 기대한다”고 덧붙였다.
스마일샤크 장진환 대표는 “이번 PoC는 여러 AI 모델을 짧은 기간에 실험하고 비교하는 데 의미가 있었다”며 “기업들이 PoC 단계에서 멈추지 않고 실제 서비스 고도화로 이어질 수 있도록 지원을 이어갈 계획”이라고 밝혔다.
업계에서는 이번 실험을 방역 로봇 상용화의 직접적인 성과로 보기는 이르다는 평가도 나온다. 열대 건설 현장이라는 특수한 환경, 실제 방역 효과에 대한 정량적 검증, 현장 운영 비용 문제 등이 남아 있기 때문이다. 다만 Vision AI의 한계를 보완하기 위한 생성형 AI 결합 시도가 로봇 서비스 전반으로 확장될 가능성을 보여줬다는 점에서는 의미 있는 사례로 받아들여지고 있다.
Copyright ⓒ 스타트업엔 무단 전재 및 재배포 금지
본 콘텐츠는 뉴스픽 파트너스에서 공유된 콘텐츠입니다.
