An Intelligent Warehouse Execution Framework Integrating SAP Extended WarehouseManagement, Large Language Models, SAP Business Technology Platform, and Autonomous Mobile Robots

당신의 컴퓨터가 단순히 당신이 버튼을 클릭하거나 엄격한 코드를 입력하기를 기다리는 것이 아니라, 마치 도움이 되는 친구처럼 당신의 말을 경청하는 세상을 상상해 보십시오. 이것이 바로 **대화형 인공지능(Conversational AI)**의 영역입니다. 여기서 기계는 '거대 언어 모델(LLM)'을 사용하여 인간의 음성을 이해하고, 당신의 의도를 파악하며, 그 단어들을 행동으로 바꿉니다. 이것은 당신의 일상적인 요청인 "저기 있는 저 상자 좀 가져다줘"를 기계가 따를 수 있는 정밀한 지침으로 바꾸는 만능 번역기라고 생각하면 됩니다.

이제 창고를 거대한, 고요한 선반 미로가 아니라 북적이는 댄스 플로어로 상상해 보십시오. 전통적으로 무용수들(작업자들)은 무거운 헤드셋을 착용하고 엄격한 대본을 따라야 하며, 스캐너의 버튼을 눌러 자신이 어디로 가야 할지 시스템에 알려야 합니다. 하지만 만약 무용수들이 음악에 맞춰 대화를 나눌 수 있고, 음악이 로봇에게 정확히 어디로 미끄러지듯 움직여야 할지를 즉각적으로 알려준다면 어떨까요? 이것이 창고 자동화와 자연어가 만나는 지점입니다. 수년 동안 우리는 물건을 옮길 수 있는 로봇과 재고를 관리할 수 있는 컴퓨터를 보유해 왔지만, 이들이 인간이 느끼기에 자연스러운 방식으로 서로 대화를 나누지는 못했습니다. 이 논문은 아주 단순하면서도 흥미로운 질문을 던집니다. "만약 우리가 말하는 AI, 스마트한 로봇, 그리고 거대한 창고 컴퓨터를 결합하여, 작업자가 명령만 내리면 시스템 전체가 그냥 실행하게 만들 수 있다면 어떨까?" 하는 것입니다.

---

논문: 듣고 움직이는 로봇

이 연구에서 저자인 나빈 찬드라 샤르마(Naveen Chandra Sharma)와 쿠날 샤르마(Kunal Sharma)는 인간의 음성과 중노동이 필요한 창고 업무 사이의 가교 역할을 하는 프로토타입 시스템을 구축했습니다. 그들은 스마트 로봇, 대화형 AI, 클라우드 플랫폼, 그리고 거대한 SAP 창고 관리 시스템을 연결하는 "지능형 창고 실행 프레임워크(Intelligent Warehouse Execution Framework)"를 만들었습니다.

그들의 "마술"이 단계별로 어떻게 작동하는지는 다음과 같습니다.

1. 인간의 속삭임
무전기 스캐너를 집어 들고 메뉴를 하나씩 눌러 들어가는 대신, 창고 작업자는 단순히 시스템에 명령을 말합니다. 예를 들어, "창고 작업 1000723을 확인해줘"라고 말할 수 있습니다. 이것이 바로 "자연어" 부분입니다.

2. 두뇌 (AI)
시스템은 이 음성 문장을 수백만 개의 대화로 학습된 초스마트 두뇌와 같은 거대 언어 모델(LLM)로 보냅니다. AI는 듣고, 의도를 이해하며, 일상적인 문장을 구조화된 디지털 요청으로 번역합니다. 이는 "빨간 상자를 원해"라는 말을 듣고 즉시 "아이템 ID: 1000723 회수"라고 적어 내려가는 번역가와 같습니다.

3. 메신저 (클라우드)
이 요청은 보안 메신저 역할을 하는 **SAP 비즈니스 테크놀로지 플랫폼(SAP BTP)**을 통해 전달됩니다. 이 플랫폼은 모든 품목이 창고의 어디에 있어야 하는지 알고 있는 거대한 데이터베이스인 SAP 확장 창고 관리(SAP EWM) 시스템과 빠르게 대조 작업을 수행합니다. 데이터베이스는 구체적인 세부 정보를 응답합니다: "알겠습니다. 작업 1000723은 로봇이 Bin A-10으로 이동하는 작업입니다."

4. 무용수 (로봇)
이제 저자들이 LALLU라고 이름 붙인 로봇이 움직이기 시작합니다. 이것은 공상 과학 영화에 나오는 거대한 로봇이 아닙니다. 카메라와 바퀴가 달린 라즈베리 파이(Raspberry Pi)(작고 저렴한 컴퓨터)를 기반으로 제작된 민첩하고 작은 로봇입니다. 로봇은 클라우드로부터 목적지를 전달받아 해당 지점으로 주행합니다.

5. 눈 (확인)
여기서 영리한 부분이 등장합니다. 로봇은 도착했을 때 단순히 추측하지 않습니다. 로봇은 카메라를 사용하여 선반에 붙어 있는 QR 코드(정사각형 바코드)를 스캔합니다. 소프트웨어를 사용하여 코드를 읽고, 컴퓨터가 준 목적지와 비교합니다. 이는 마치 로봇이 자신이 제대로 된 위치에 있는지 확인하기 위해 자신의 지도를 체크하는 것과 같습니다.

6. 끄덕임 (확인)-
QR 코드가 일치하면, 로봇은 자동으로 SAP 시스템에 "네, 도착했습니다"라는 신호를 보냅니다. 작업은 완료된 것으로 표시됩니다. 작업자는 스캐너를 만지거나 확인 코드를 입력할 필요가 없었습니다. 로봇이 음성 명령을 듣고서 모든 일을 스스로 해냈습니다.

연구 결과

저자들은 통제된 실험실 환경에서 50개의 서로 다른 창고 작업을 대상으로 이 시스템을 테스트했습니다. 결과는 프로토타입으로서 매우 유망했습니다:

• 성공률: 시스템은 50개의 작업 중 49개를 성공적으로 완료하여 **98%**의 성공률을 달را했습니다.
• 속ness: 명령이 주어진 순간부터 작업이 확인될 때까지의 전체 과정은 평균 4.7초가 소요되었습니다.
• 정확도: 로봇의 카메라는 실험실 환경에서 QR 코드를 읽는 데 있어 **100%**의 정확도를 기록했습니다.

이 논문은 이러한 접근 방식이 창고를 더 유연하게 만들고, 작업자가 복잡한 버튼 순서를 외워야 하는 의존도를 낮추는 실행 가능한 방법임을 시사합니다. 이는 말하는 AI와 물리적인 로봇, 그리고 거대한 기업용 데이터베이스를 결합하여 실제 업무를 수행할 수 있음을 증명합니다.

아직은 아닌 것 (한계점)

이 논문이 주장하지 않는 점을 명시하는 것도 중요합니다. 저자들은 이것이 단일 로봇 실험임을 분명히 밝혔습니다. 그들은 수십 대의 로봇 군단이 함께 작동하는 것을 테스트하지 않았으며, 사람들이 뛰어다니고 상자가 떨어지는 거대하고 혼란스러운 실제 창고에서도 테스트하지 않았습니다. 실험은 훨씬 조용하고 안전한 실험실에서 이루어졌습니다.

또한, 이 시스템은 AI와 대화하기 위해 인터넷에 의존합니다. 만약 인터넷이 끊기면 로봇은 음성 명령을 이해할 수 없습니다. 저자들은 또한 로봇의 "눈"(카메라)이 좋은 조명과 선명한 QR 코드에 의존한다는 점을 지적했습니다. 라벨이 찢어져 있거나 방이 너무 어두우면 로봇이 혼란을 겪을 수 있습니다.

큰 그림

이 논문은 그들이 모든 창고 문제를 해결했다고 말하는 것이 아닙니다. 대신, 대화형 AI와 자율 주행 로봇을 결합하는 것이 강력한 새로운 방향임을 제시합니다. 우리는 경직된 버튼 누르기 방식의 워크플로우에서 벗어나, 인간이 말하고 로봇이 듣고 행동하는, 더 자연스럽고 인간적인 협업의 시대로 나아갈 수 있음을 보여줍니다. 이는 인간과 기계가 하나의 팀으로서 함께 일하는 스마트하고 자기 조직화된 공장이라는 "인더스트리 4.0"의 비전을 향한 작지만 중요한 한 걸음입니다.