로봇 자동화에서 오래된 병목은 팔이 아니라 눈이었다. 자동차 공장처럼 부품이 정형화된 현장에서는 3D 머신비전이 이미 효용을 증명했지만, 물류센터의 상자·비닐·봉투는 찌그러지고 겹치고 반사된다1. 클레로보틱스는 이 난도를 정면으로 겨냥했고, 정부가 62억원 규모와 2030년 6월까지의 시간으로 검증에 들어갔다1. 중요한 것은 지원금 자체가 아니라, 제조 현장의 비전 기술이 비정형 물류 자동화로 넘어가는 순간이 제도권 R&D 의 언어로 포착됐다는 점이다.
왜 물류 빈피킹이었나 — 정형 공장 다음의 난제가 여기 있었다
자동차 제조 현장의 로봇 비전은 상대적으로 규칙적인 세계를 다룬다. 부품의 형상, 위치, 재질, 조명 조건이 관리되고, 불량 검출이나 조립 가이던스도 정해진 공정 안에서 반복된다. 클레로보틱스가 이미 자동차 제조 현장에서 3D 머신비전 기술을 검증했다는 점은 그래서 출발점으로 중요하다1. 검증된 눈을 갖고 있었다는 뜻이지, 물류를 쉽게 풀 수 있다는 뜻은 아니다.
물류센터는 다르다. 상자와 비닐, 봉투가 한 통 안에 섞이고, 표면은 빛을 반사하거나 구겨지며, 물체의 높이와 기울기와 집을 수 있는 지점이 매번 달라진다1. 로봇이 집어야 할 것은 하나의 물체가 아니라, 물체와 물체 사이의 간격, 충돌 가능성, 낙하 리스크까지 포함한 장면 전체다. 빈피킹은 카메라 성능 경쟁이 아니라, 인식·판단·제어가 한 번에 실패하지 않아야 하는 시스템 경쟁이다.
이번 과제명이 긴 이유도 여기에 있다. ‘소형·대면적 멀티스케일 구조광 3D 비전 카메라 및 AI 파지·저전력 자율학습 전용 컨트롤러 통합 빈피킹 플랫폼 개발’은 카메라 하나를 만들겠다는 말이 아니다1. 작은 카메라, 넓은 작업 영역을 보는 대면적 카메라, AI 기반 물체 인식, 로봇 제어, 저전력 컨트롤러를 하나의 작업 단위로 묶겠다는 선언이다.
정부 검증의 의미도 여기서 생긴다. 글로벌 TIPS R&D 일반형 과제 선정은 단순 보조금이 아니라, 긴 개발 기간과 기술 목표를 공개 지표로 묶는 장치다1. 클레로보틱스는 2030년 6월까지 4년간 총 62억원 규모 연구개발을 수행한다1. 이 시간표는 물류 자동화가 데모 영상의 영역에서 현장 설치, 튜닝, 전력, 성공률의 영역으로 내려와야 한다는 압력이다.
무엇이 다르나 — 카메라 업체가 아니라 작업 성공률 업체에 가깝다
| 영역 | 전통 자동화 접근 | 클레로보틱스 접근 |
|---|---|---|
| 대상 환경 | 정형화된 부품·고정 공정 중심 | 상자·비닐·봉투가 섞인 비정형 물류 현장1 |
| 비전 레이어 | 평면 영상 또는 단일 작업 조건에 맞춘 센싱 | 구조광 3D 비전으로 높이·위치·기울기 측정1 |
| 제어 방식 | 카메라와 로봇 제어를 별도 통합 | AI 물체 인식·파지·로봇 제어를 통합 시스템으로 설계1 |
| 현장 비용 | 현장별 설치·튜닝 시간이 커지는 구조 | 설치 시간과 비용을 낮추는 통합 플랫폼 지향1 |
| 성능 목표 | 개별 장비 스펙 중심 | 0.1mm 이하 정밀도, 99% 이상 피킹 성공률, 50W 이하 전력 목표1 |
어떻게 확장하나 — 빈피킹은 시작점이고 공정은 넓다
- 자동차 공장의 기준을 가져온다. 클레로보틱스는 자동차 제조 현장에서 3D 머신비전 기술을 검증한 회사로 소개된다1. 이 경력은 물류센터에 그대로 복사되지 않지만, 산업 현장에서 요구되는 정밀도와 반복성의 기준을 알고 있다는 신호다. 물류 자동화에서 필요한 것은 화려한 인식 모델보다 멈추지 않는 공정이다.
- 카메라와 파지를 한 묶음으로 판다. 구조광 방식은 물체에 빛의 패턴을 투사하고 변형을 분석해 깊이와 표면 정보를 읽는다1. 여기에 AI 기반 물체 인식과 로봇 제어를 결합하면, 단순히 무엇이 어디 있는지를 넘어서 어디를 어떤 순서로 집을지까지 판단하는 구조가 된다. 클레로보틱스의 과제는 ‘잘 보는 카메라’가 아니라 ‘실패율을 낮추는 작업 단위’를 만드는 쪽에 가깝다.
- 물류의 옆 공정으로 번진다. 적용 공정은 빈피킹에만 머물지 않는다. 회사가 제시한 적용 범위에는 팔레타이징, 상하차, 물품 분류가 포함된다1. 한 번 비정형 물체를 안정적으로 보고 집는 레이어가 생기면, 그 위에 쌓을 수 있는 공정은 넓어진다.
왜 정부 검증이 지금 의미 있나 — 물류 자동화는 데모보다 운영비의 문제다
정부가 산 것은 로봇 팔 한 대의 성능이 아니라, 물류 현장에서 반복적으로 재현될 수 있는 비전-파지-제어 통합 레이어의 가능성이다. 50억원의 정부지원금을 포함한 62억원 과제는 클레로보틱스가 0.1mm 이하 정밀도, 99% 이상 피킹 성공률, 50W 이하 소비전력을 동시에 맞춰야 한다는 공개된 체크리스트이기도 하다1. 이 중 하나만 좋아서는 현장성이 부족하다. 정확하지만 느리거나, 성공률은 높지만 전력을 많이 쓰거나, 설치가 복잡하면 물류센터의 경제성은 쉽게 무너진다. The Bet 은 명확하다. 자동차 공장에서 단련된 3D 비전 회사가 물류의 비정형성을 처리하는 표준 모듈이 될 수 있는가.
다음 12개월에 지켜볼 지표 3개
- 0.1mm 목표가 어떤 현장 조건에서 재현되는가. 클레로보틱스가 제시한 개발 목표는 3D 측정 정밀도 0.1mm 이하다1. 관건은 실험실 수치가 아니라 반사, 구김, 겹침이 있는 물류 현장에서 이 정밀도가 유지되는 범위다.
- 99% 피킹 성공률이 어떤 물체군에서 나오는가. 회사의 목표는 99% 이상 피킹 성공률이다1. 상자, 비닐, 봉투처럼 물성이 다른 대상에서 성공률을 분리해 공개할수록 기술의 실제 범위가 보인다.
- 설치 시간과 비용이 얼마나 줄어드는가. 클레로보틱스는 카메라 하드웨어, 머신비전 알고리즘, AI 파지, 로봇 제어를 통합해 기존 자동화 시스템의 설치 시간과 비용을 낮추는 데 초점을 맞춘다1. 이 지표가 확인돼야 플랫폼이라는 말이 장비 판매를 넘어선다.
다음은 62억원의 연구개발이 실제 물류 공정의 반복 가능한 숫자로 바뀌는지다.
