--- title: "아이벡스, 오픈소스 로봇·비전 플랫폼으로 볼트 검사라인 자동화 실증" published: 2026-07-23T07:05:03.660Z canonical: https://jeff.news/article/5077 --- # 아이벡스, 오픈소스 로봇·비전 플랫폼으로 볼트 검사라인 자동화 실증 아이벡스가 NIPA 오픈소스 사업화 과제에 선정돼 케이피에프 자분탐상 검사라인 자동화를 추진한다. 벌크로 뒤섞인 볼트를 AI 비전으로 인식하고 로봇이 집어 검사장비에 넣는 난적재 픽앤플레이스 공정을 ROS2, OpenCV 기반으로 구현하는 내용이다. - 아이벡스가 NIPA의 2026년 신산업 분야 오픈소스 사업화 지원사업 신규 과제에 선정됨 - 과제명은 오픈소스 기반 로봇·비전 플랫폼 AIVot을 활용한 KPF 자분탐상 공정 제품투입 자동화 사업화임 - 기간은 2026년 5월부터 12월까지 8개월이고, 아이벡스가 주관기관, 케이피에프가 수요기업으로 참여함 - 자동화 대상은 제조 현장에서 꽤 골치 아픈 난적재 볼트 투입 작업임 - 케이피에프 검사라인에서는 다양한 볼트가 벌크 상태로 뒤섞여 들어오고, 작업자가 하나씩 보고 집어서 자분탐상 검사장비에 넣고 있음 - 형상과 크기가 다르고, 위치와 방향도 매번 랜덤이라 기존 고정형 자동화로는 대응하기 빡센 비정형 공정임 - 이런 류의 작업은 뿌리산업 전반에 넓게 깔려 있지만, 자동화 수요에 비해 실제 적용 난도가 높은 편임 - 아이벡스는 AIVot으로 인식부터 투입까지 전체 흐름을 묶겠다는 계획임 - AI 비전 알고리즘이 제품 종류를 인식하고, 6D Pose Estimation으로 각 부품의 3차원 위치와 자세를 추정함 - 이후 충돌 가능성과 그리퍼 접근 방향을 계산해서 최적의 파지 지점을 고름 - 로봇은 부품을 집어 검사 지그의 정위치에 넣는 방식으로 공정을 자동화함 > [!IMPORTANT] > 포인트는 단순히 로봇팔을 붙이는 게 아니라, 뒤섞인 다품종 부품을 보고, 자세를 추정하고, 안전하게 집어, 검사장비에 정확히 넣는 전체 체인을 플랫폼화한다는 점임. - 오픈소스 기반도 꽤 선명함 - 로봇 소프트웨어 프레임워크로 ROS2를 쓰고, 컴퓨터 비전 쪽에는 OpenCV를 활용함 - 여기에 6D Pose Estimation, Point Cloud 정제, AI 비전 기반 제품 인식 기술을 얹어 고도화함 - 이기종 로봇과 카메라를 유연하게 연동하는 구조를 만들겠다는 방향이라, 특정 장비에만 묶이는 자동화보다 확장성이 큼 - 현장 작업자용 UI도 중요한 축임 - AIVot에는 웹 기반 UI/UX와 드래그 앤 드롭 방식의 노코드 공정 설계 기능이 강화될 예정임 - 로봇 제조사별 티칭 펜던트나 복잡한 코딩 없이, 작업자가 화면에서 공정 순서와 로봇 동작을 설계·운영하게 만드는 게 목표임 - 이게 잘 되면 자동화 엔지니어가 상주하지 않는 현장에서도 적용 장벽이 꽤 낮아질 수 있음 - MLOps까지 붙여서 품목 변화에 대응하려는 점도 눈에 띔 - 아이벡스의 Industrial MLOps 플랫폼 AIVOps를 연계해 데이터 수집, 모델 학습, 검증, 배포, 재학습 흐름을 구축함 - 신규 품목이 추가되거나 제품 규격, 적재 상태가 바뀌어도 현장 데이터를 기반으로 모델을 계속 개선하는 구조임 - 제조 자동화에서 자주 터지는 문제가 현장 조건 변화인데, 이걸 운영 체계로 다루겠다는 얘기임 - 아이벡스는 이번 실증을 단발성 SI가 아니라 상품화의 발판으로 보고 있음 - 케이피에프 현장 실증을 기반으로 난적재 부품용 Bin Picking Solution을 표준화·상품화할 계획임 - 적용 범위는 볼트·너트 제조, 주조·단조 중간재 취급 같은 유사 제조공정까지 넓히려 함 - AIVot에 난적재 Pick & Place 모듈을 탑재해 여러 제조현장에 반복 적용 가능한 플랫폼형 사업모델로 확장하는 전략임 --- ## 기술 맥락 - 여기서 핵심 선택은 고정형 자동화가 아니라 AI 비전 기반 로봇 플랫폼을 쓰는 거예요. 볼트가 항상 같은 위치와 방향으로 오면 전용 지그와 규칙 기반 제어로도 되지만, 기사 속 공정은 다품종 부품이 벌크로 뒤섞여 들어오기 때문에 로봇이 매번 보고 판단해야 하거든요. - ROS2와 OpenCV를 쓰는 이유도 확장성 쪽에 가까워요. 제조 현장마다 로봇 제조사, 카메라, 그리퍼 구성이 달라질 수 있는데, 이걸 매번 새로 짜면 사업화가 어려워요. 오픈소스 프레임워크 위에 공통 구조를 만들면 장비 조합이 바뀌어도 재사용할 여지가 커져요. - 6D Pose Estimation이 중요한 건 로봇에게 필요한 정보가 단순한 물체 위치가 아니기 때문이에요. 로봇은 어디를 집을지, 어떤 방향으로 접근할지, 집은 뒤 검사 지그에 어떻게 넣을지까지 알아야 해요. 그래서 3차원 위치와 자세 추정이 파지 계획의 출발점이 돼요. - AIVOps를 붙이는 건 운영 단계의 문제를 겨냥한 선택이에요. 제조 라인은 품목, 표면 상태, 적재 방식이 계속 바뀔 수 있어서 처음 학습한 모델만 믿고 가기 어렵거든요. 현장 데이터를 다시 모으고 재학습하는 루프가 있어야 자동화 품질을 계속 유지할 수 있어요. ## 핵심 포인트 - 과제 기간은 2026년 5월부터 12월까지 8개월이고, 케이피에프가 수요기업으로 참여함 - AIVot은 제품 인식, 6D Pose Estimation, 파지 계획, 로봇 이송, 검사 지그 투입까지 한 번에 묶는 플랫폼임 - 현장 작업자가 드래그 앤 드롭 방식으로 공정을 설계하는 노코드 UI를 강화할 계획임 - AIVOps를 붙여 데이터 수집, 학습, 검증, 배포, 재학습까지 이어지는 산업용 MLOps 흐름을 만들려 함 ## 인사이트 제조 현장에서 진짜 어려운 건 예쁜 데모가 아니라, 뒤섞인 부품을 매번 안정적으로 집어 올리는 일임. 이번 과제는 ROS2나 OpenCV 같은 익숙한 오픈소스가 뿌리산업의 반복 작업을 어디까지 플랫폼화할 수 있느냐를 보는 케이스라 꽤 볼 만함.