Vision-guided robotic system for automated stitch removal in end-of-life footwear disassembly
본 논문은 수명이 다한 신발에서 스티치를 자동으로 식별하고 제거하여 효율적인 재료 회수 및 부품 재사용을 용이하게 하기 위해, 6자유도 협동 로봇, YOLO 기반 머신 비전, 그리고 힘 제어 밀링을 통합하여 서브 밀리미터 단위의 위치 정밀도를 달성하는 비전 가이드 로봇 시스템을 제시한다.
원본 논문은 CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기
신발 한 켤레를 맛있고 층이 여러 개인 샌드위치라고 상상해 보세요. 맨 위 빵은 고급스러운 가죽 갑피이고, 바닥 빵은 고무 밑창이며, 이 둘을 결합하는 '풀'은 끈적한 접착제와 가장자리를 따라 길게 구불구불하게 이어진 한 줄의 스티치입니다. 수년 동안 이 샌드위치를 재활용한다는 것은 좋은 부분들을 모두 파괴하며 덩어리로 으깨버리는 것을 의미했습니다. 하지만 만약 우리가 속재료를 뭉개지 않고도 테두리(스티치)만 정교하게 잘라낼 수 있다면 어떨까요? 이것이 바로 마르케 폴리테크닉 대학교(Marche Polytechnic University)의 연구진이 매우 정밀하고 인내심 강한 요리사처럼 행동하는 로봇을 통해 시도하려 했던 작업입니다.
로봇 요리사와 그 "눈"
이 주인공은 단순히 정해진 대본만을 따르는 것이 아닌, 6개의 팔을 가진 로봇(협동 로봇 또는 "코봇")입니다. 이것을 마치 흔들리는 종이 위에 그려진 선을 따라 그리려는 로봇이라고 생각해보세요. 만약 로봇이 신발의 설계도(CAD 모델)를 그대로 따라간다면, 실제 사용된 신발은 완벽하지 않고 찌그러지거나 늘어나거나 닳아 있기 때문에 스티치를 놓치게 될 것입니다.
이를 해결하기 위해 로봇은 절단 도구 바로 옆에 카메라를 장착하여 작업을 내려다보는 눈 역할을 하게 했습니다. 절단을 시작하기 전, 로봇은 경로의 매 단계마다 멈춰서 사진을 찍는 "측정 사이클"을 거칩니다. 그리고 스마트한 컴퓨터 두뇌(YOLOv9이라는 AI 모델)에게 "이봐, 스티치는 지도가 말하는 곳이 아니라 바로 여기에 있어!"라고 말하도록 요청합니다. AI는 조명이 이상하거나 신발이 구겨져 있더라도, 마치 들판에서 쥐를 찾는 매처럼 스티치를 포착해냅니다. AI가 새로운 좌표를 제공하면, 로봇은 경로를 조정하고 절단 준비를 마칩니다.
절단의 춤
로봇이 스티치의 위치를 파악하면 "제거 사이클"에 들어갑니다. 여기서 로봇은 회전하는 밀링 도구(작고 빠른 속도로 회전하는 드릴 비트)를 사용하여 실을 끊어냅니다. 하지만 무작정 세게 밀어서는 안 됩니다. 너무 세게 밀면 우리가 살리고자 하는 가죽 갑피를 베어버려 망가뜨릴 수 있기 때문입니다. 반대로 너무 살살 밀면 실을 끊지 못할 것입니다.
로봇은 "힘 제어(force control)" 시스템을 사용하는데, 이는 마치 양치질을 할 때 칫솔을 잡는 것과 같습니다. 벽에 칫솔을 쾅쾅 부딪히는 것이 아니라, 저항을 느끼며 압력을 조절하는 것과 같습니다. 로봇도 마찬가지로, 가죽은 건드리지 않고 실만 끊을 수 있도록 특정 힘(5, 10, 15 뉴턴으로 테스트됨)으로 부드럽게 누릅니다.
실제로 어떤 일이 일어났나?
연구진은 실제 신발, 구체적으로는 흰색 고무 밑창과 검은색 가죽 갑피가 있는 오른발 신발을 대상으로 이 시스템을 테스트했습니다. 로봇을 네 번의 전체 사이클 동안 실행하여 성능을 확인했습니다.
결과는 유망했지만 완벽하지는 않았습니다. 신발의 직선 구간에서 로봇은 놀라운 정확도를 보였으며, 평균적으로 스티치 라인을 0.5mm 미만으로 벗어났습니다. 이는 마치 줄타기 곡예사가 중심을 완벽하게 유지하는 것과 같았습니다. 그러나 로봇은 처음에 까다로운 곡선 구간, 특히 뒤꿈치 부분에서 어려움을 겪었습니다. 뒤꿈치 영역에서 로봇은 처음에 너무 깊게 잘라 가죽 갑피를 긁었습니다. 앞코(toe) 영역에서는 도구가 밑창 쪽으로 과도하게 이동했으나, 팀이 카메라 위치를 조정하여 절단 도구가 이미지 중앙에 오도록 만든 후에는 앞코에서의 오류가 무시할 수 있는 수준이 되었으며, 도구가 스티치 라인과 완벽하게 접촉을 유지했습니다.
팀은 문제가 로봇의 두뇌가 아니라 그 "눈"에 있다는 것을 발견했습니다. 카메라가 곡선 모서리에서 스티치를 명확하게 보기 어렵게 배치되어 있었던 것입니다. 절단 도구가 이미지의 정중앙에 오도록 카메라를 옮긴 후에는 오류가 크게 줄어들었고, 앞코 영역도 잘 수행되었습니다.
결론
이 연구는 이 "로봇 요리사" 방식이 실현 가능하다는 것을 입증합니다. 로봇은 신발을 파괴하지 않고 성공적으로 스티치를 제거했으며, 평균 위치 오차는 1mm 미만으로 유지되었습니다. 그러나 논문은 이 헤일(heel) 영역에서 여전히 문제가 발생하여, 일부 테스트에서 오차가 1.5mm 이상으로 치솟았으며 이는 3mm 두께의 절단 도구가 안전하게 작동할 수 있는 범위를 벗어난 수치라고 명시했습니다.
저자들은 이것이 아직 산업적으로 "해결된" 문제는 아니라고 신중하게 언급했습니다. 그들은 AI 모델이 상대적으로 작은 데이터셋(이미지 300장)으로 학습되었으며, 이것이 복잡한 곡선에서 AI가 가끔 혼란을 겪은 이유일 수 있다고 지적했습니다. 또한 로봇이 "협동적"(사람 근처에서 작업하도록 설계됨)이지만, 회전하는 절단기를 사용하기 때문에 사람이 가까이 오면 로봇을 느리게 만드는 레이저 센서와 같은 안전 조치가 필요하며, 완전한 격리형 케이지를 사용할 필요는 없다고 언급했습니다.
요약하자면, 이 논문은 로봇, 카메라, 그리고 스마트한 AI를 결합하는 것이 오래된 신발의 매듭을 푸는 데 성공적으로 기여할 수 있으며, 우리가 운동화의 고급 가죽 부분을 버리는 대신 재사용할 수 있는 미래를 열어준다는 것을 시사합니다. 하지만 현재로서는, 로봇이 뒤꿈치의 까다로운 곡선을 다루는 데 있어 약간의 도움이 더 필요한 상태입니다.
연구 분야의 논문에 파묻히고 계신가요?
연구 키워드에 맞는 최신 논문의 일일 다이제스트를 받아보세요 — 기술 요약 포함, 당신의 언어로.