기자간담회 전경

자율주행차나 드론이 이슈화되고 있는 것과 맞물려 오토노머스 테크놀로지(Autonomous Technology)가 부상하고 있는 가운데, 테크니컬 컴퓨팅 소프트웨어 기업인 매스웍스(MathWorks)가 지난 4월 27일 코엑스 인터콘티넨탈호텔에서 ‘매트랩 엑스포 2017 코리아(MATLAB EXPO 2017 Korea)’를 개최했다.

이날 함께 개최된 기자간담회를 통해 매스웍스는, 오토노머스 테크놀로지는 단지 자율주행 자동차나 로봇, 드론에만 적용되는 것이 아니라, 다양한 산업분야의 비즈니스 시스템 및 애플리케이션의 유지보수와 운영을 향상시키는 기술이라는 점을 강조하고, 자사의 매트랩(MATLAB) 및 시뮬링크(Simulink)를 사용해 구축된 오토노머스 테크놀로지 사례를 소개했다.

이날 행사는 4차 산업혁명이라는 제조 트렌드를 맞이한 현재, 그동안 실체가 없었던 머신러닝이나 딥러닝이 산업계에 어떻게 쓰이고 있는지, 또 IT와 산업기술(OT)의 융합이 산업계에 어떤 변화를 가져오고 있고, 융합을 통해 고객이 어떤 이점을 얻을 수 있는지를 설명하는데 초점이 맞춰져 진행된 것이 특색.

취재 최교식 기자 cks@engnews.co.kr

매스웍스의 제이슨 기델라(Jason Ghidella) 이사는 발표를 통해, 오토노머스 테크놀로지라고 하면 흔히 자율주행차나 로봇, 드론을 생각하지만, 오토노머스 테크놀로지는 농기계나 석유가스 추출기계의 정비 예측, 의료기기 등 우리가 생각하지 못한 분야에서 이미 많이 사용되고 있다고 말했다.

기델라 이사는 오토노머스 테크놀로지란 시스템이 직접적인 인간의 제어 없이 독자적·자율적으로 활동하는 것을 말한다고 정의하고, 오토노머스 시스템은 경험해보지 않은 것을 컴퓨터 에서 작동할 수 있는 역량이 있다는 점에서 단순히 사람이 하던 일을 기계가 대체하는 자동화(Automation)와 다르다고 설명했다.

센싱과 인지, 의사결정과 계획, 행동을 모두 통합한 알고리즘을 개발할 수 있다는 것이 매트랩과 시뮬링크의 장점

기델라 이사는 우선 오토노머스 테크놀로지의 대표격인 자율주행차의 구성요소를 설명했다.

차량은 카메라와 GPS, 레이더 등을 통해 센싱을 하고 차의 주변 환경을 인지한다. 또 데이터를 시스템을 통해 계속 학습시켜서 데이터로부터 의미 있는 데이터를 추출할 수 있도록 해야 한다. 차량으로 하여금 어떤 것이 차고, 어떤 것이 사람인지 머신러닝 기반으로 알고리즘해서 계속 학습을 시키는 것을 말한다.

차량이 주변을 인지하게 되면 차량이 브레이크를 밟을 것인가, 비켜갈 것인가 등의 의사결정을 할 수 있도록 학습 시켜야 하며, 이러한 의사결정에 새로운 알고리즘이 적용될 수 있다.

기델라 이사는 매트랩과 시뮬링크의 장점은 이러한 센싱과 인지, 의사결정과 계획, 행동을 모두 통합한 알고리즘을 개발할 수 있다는 것이라고 강조했다. 또 오토노머스 테크놀로지는 책임을 인간에서 컴퓨터로 전환한다는 것이 기존의 기술과의 차이라고 말하고, 오토노머스 테크놀로지의 혜택을 누리기 위해서 전체를 자율화할 필요는 없으며, 오토노머스 테크놀로지를 적용하는 데는 전반적으로 자율화하는 방법과 상황을 여러 레벨로 나누어서 부분적으로 자율로 발전시켜 나가는 방법이 있다고 설명했다.

또, 오토노머스 테크놀로지가 어떻게 의사결정에 영향을 미치는지 사례로서 오일·가스를 추출하는 리그를 만드는 기업을 소개했다. 이 기업은 오일·가스를 펌핑하는 리그의 펌프는 한 번 고장이 나면 수리비용이 10만 달러에 달할 만큼 엄청날 뿐 아니라, 스페어 추출 리그는 대당 백만 달러 이상의 고가이기 때문에, 펌프의 예지정비가 가능한 서비스를 개발하기를 원했다.

많은 데이터를 취합하기 위해서 펌프에 25개의 센서를 달고, 시그널 프로세서를 통해 불필요한 데이터를 제거하고 실제 측정한 데이터만 추출해서 결론적으로 압력센서와 진동, 타임센서 이 3개의 센서를 통해 펌프의 상태를 진단하고 유의미한 정보를 파악해서 셀프 오거나이즈된 정비 시스템을 확보하게 된 사례.

기델라 이사는 시그널 정보를 얻을 수 있다는 것과 이러한 정보를 펌프 운영자에게 전달함으로써 정비계획을 도와준다는 것이 오토노머스 시스템의 장점이라고 설명하고, 이 고객사는 오토노머스 시스템을 도입해, 실패율을 낮추고 백업장비를 비치하지 않아도 됨으로써 연간 1천만 달러의 비용을 절감하고 있다고 설명했다.

예측인자(Predictor)를 얻는 방법으로는 데이터 주도형(Data Driven)과 모델 주도형(Model Driven)이 있는데, 그동안 대부분 데이터 주도형을 사용해 불필요한 데이터를 추려냈 지만, 모델베이스는 시스템이 어떻게 구축이 됐고 어떻게 작동할 것인지 널리지(Knowledge)를 얻을 수 있다는 장점이 있다고 말하고, 시뮬링크 임베디드(Simulink Embeded)를 사용하면 이러한 도메인이 모델 안에 내장되어 있어서 어떤 것이 최상인지 인사이트를 얻을 수 있다고 설명했다.

기델라 이사는 데이터 베이스와 모델 베이스 이 두 가지 방법을 사용해 제트 엔진을 모니터링하고 있는 고객사례를 소개하는 한편, 오토노머스 테크놀로지의 4가지 요소인 센싱, 인지, 의사결정과 계획, 행동을 모두 활용한 바이오메디컬 회사의 사례를 소개했다.

이 바이오메디컬 회사는 혈당관리기 오토노머스 시스템을 만들었는데, 이 오토노머스 시스템의 컨트롤 시스템은 글루코스 (Glucose) 레벨 모니터와 인슐린 투여기로 구성이 되어 있고, 적절한 양의 인슐린을 투여하기 위해 해당 당뇨환자가 무엇을 먹고 어떤 운동을 했는지 모바일을 통해 직접 자신의 정보를 입력하면 매스웍스의 솔루션을 활용해서 병원에 가지 않고도 가상 클리닉을 통해 적절한 인슐린 양을 제공받을 수 있다.

자율로봇 ‘Justin’, 모델기반의 매트랩과 시뮬링크 사용해 복잡한 컨트롤 알고리즘과 코드 자동 생성 해결

또 실제 환자로부터 받는 데이터에는 한계가 있기 때문에, 데이터를 시뮬레이션하게 됐는데, 매트랩에 이러한 것들을 구축해서 사람의 혈당치 등을 시뮬레이션하고 아마존 웹서 비스를 이용해 하루에 5,000만 명의 환자를 시뮬레이션하기 위한 연산 확장을 얻을 수 있었다고 설명하고, 이러한 많은 데이터는 시뮬레이션을 통해서 얻을 수도 있고, 현장에서, 또는 커넥티드 디바이스를 통해 IoT 기반으로 얻을 수 있다고 말했다.

이어서 오토노머스 테크놀로지를 활용해서 수확물을 자동 으로 트레일러에 실어 넣는 시스템을 구축한 모 글로벌 농기계 업체의 사례를 소개했다. 오토노머스 시스템이 기계의 주둥이 부분과 높이를 조절해서 트레일러를 바꿔가면서 수확물을 채울 수 있도록 한 사례로서, 이 사례에서는 기계의 주둥이 부분 부분과 트레일러를 센싱하는 것이 중요한데, 3D카메라를 활용해 센싱과 인지를 하고, 컴퓨터 비전을 통해 핵심 파라미터를 추출했다.

이러한 데이터는 랩(Lab)에서도 얻을 수 없고 수확기간이 짧기 때문에 현장에서도 테스트가 불가능하기 때문에, 컴퓨터 비전 알고리즘과 컨트롤 알고리즘을 비교해 3D Sense Simulator를 통해 실제로 현장 시뮬레이션을 하고, 알고리즘을 검증하고, 최종적으로 수확물을 채우는 전략을 세울 수 있었다는 설명. 이것은 모델 기반의 시뮬링크를 통해 구현한 사례에 해당한다.

또 독일의 DRL 연구소에서 만든 ‘Justin’이라는 자율 로봇의 사례가 소개됐다. 이 로봇은 오토노머스 테크놀로지의 모든 요소를 통합한 사례로, 모델기반의 매트랩과 시뮬링크를 사용해 복잡한 컨트롤 알고리즘과 코드를 자동으로 생성하고 있다.

기델라 이사는 오토노머스를 구축하는데 있어서 인지와 관련된 부분과, 최고의 예측인자를 사용하는 것, 적합한 데이터를 확보하는 것, 모델 베이스 디자인에 어떻게 임베디드를 활용할 것인가가 중요하다고 말하고, 더 나아가 이들의 통합이 중요하며, 매트랩은 이 모든 것을 통합할 수 있도록 도와준 다고 역설했다.

매스웍스 코리아 이종민 대표는, 매스웍스는 4차 산업혁명이 필요로 하는 기술을 제공하고 있으며, 그 이점을 고객과 함께 공유해 나가고 있다고 말했다.

Q&A with MathWorks

“매스웍스의 툴은 4차 산업혁명에 가장 적합해”

ㆍ매스웍스 코리아 대표 이종민 ㆍ매스웍스 코리아 전무 김영우 ㆍ매스웍스 이사 제이슨 기델라

매스웍스의 제이슨 기델라 이사가 자사의 매트랩 및 시뮬링크를 통해 구현된 오토노머스 테크놀로지의 사례를 설명하고 있다.

Q. 예측인자로서 데이터 베이스와 모델 베이스 두 가지를 얘기했는데, 이 두 가지는 어떻게 다른가?

A. 데이터 주도형은 시그널을 보고 이미지 시그널 프로세스 정보를 데이터에 적용하는 방법이고, 모델 베이스는 시그널의 행동에 대해 알고 있어서 데이터가 왔을 때 도메인 널리지로 접근해서 도메인의 핵심적인 요소를 데이터에 반영하는 것이다. 이 두 가지는 별개가 아니라, 서로 연관이 되어 있다.

Q. 오토노머스 테크놀로지와 관련한 매스웍스의 비전은 무엇인가?

A. 매스웍스의 비전은 최고의 알고리즘을 엔지니어에게 제공 해서 엔지니어가 작업을 쉽고 빠르게 할 수 있도록 도와주는 것이다. 또 하이레벨의 펑션을 제공해서 심도 있는 딥러닝을 가능하게 하는 것이다. 블록 다이어그램을 통해 복잡한 시스템 시뮬레이션과 모델 기반의 디자인을 가능하게 함으로써, 시간과 비용을 줄여주는 것 또한 우리의 목표다.

매트랩의 모델을 통해 자동으로 C코드를 생성시켜서 임베디드 시스템에 배포하는 것이 우리의 목표로, 오토노머스 테크놀로지는 과거와 비교해 많은 괄목할 만한 성과가 있었다.

Q. 오토노머스 테크놀로지와 관련해, 타 경쟁업체와 차별화 되는 매스웍스 만의 경쟁력은 무엇인가?

A. 매스웍스가 제공하는 툴은 하나의 알고리즘에 그치는 것이 아니라, 확장성과 유연성을 부가할 수 있다.

세부 분야에 특화된 오토노머스 테크놀로지는 많이 있지만, 데이터의 처리부터, 가공, 알고리즘 개발, 로직, 코딩까지를 하나의 플랫폼으로 제공할 수 있는 것은 매스웍스가 유일하다.

지금은 융합의 시대다. 기계와 전자기술, 소프트웨어가 융합이 되고 있고, 매스웍스는 90종 이상의 툴을 융합해서 필요한 기술을 구현할 수 있다. 또 매트랩과 시뮬링크 즉 데이터 기반과 모델 기반의 툴을 모두 가지고 있고, 이 둘을 같이 쓸 수 있다는 것이 매스웍스의 경쟁력이다. 따라서 매스웍스의 툴은 4차 산업혁명에 가장 적합한 툴이다.