.svg "Zivid"){kind=small}
02 도전 과제
기존 팔레타이징 자동화 시스템은 규격이 같은 박스를 반복적으로 쌓는 작업에 최적화되어 있습니다. 하지만 오늘날 물류센터와 3PL 현장에서는 주문마다 크기와 형태, 무게가 다른 다양한 SKU(재고 관리 단위)의 박스를 하나의 팔레트에 함께 적재해야 합니다.
이처럼 입력 조건이 계속 바뀌는 환경에서는 사전에 로봇 동작을 일일이 티칭하는 방식으로 유연하게 대응하기 어렵습니다. 주문 구성이 바뀔 때마다 작업을 재설정해야 하기 때문입니다.
버퍼 위에 크기가 서로 다른 박스가 촘촘하게 놓인 모습
특히 미국 물류 시장에서는 팔레트 공간을 효율적으로 활용하면서도 운송 중 적재물이 무너지지 않도록 하는 고밀도, 고안정성 적재가 중요합니다. 씨메스로보틱스는 이미 한국 시장에 팔레타이징 셀을 공급하고 있었지만, 미국 시장에 진출하려면 다양한 박스를 별도의 사전 티칭 없이 촘촘하고 안정적으로 적재할 수 있는 솔루션이 필요했습니다.
랜덤 팔레타이징의 핵심은 불규칙하게 들어오는 박스를 빠르고 정확하게 인식하고, 그 정보를 바탕으로 적재 순서와 위치를 실시간으로 결정하는 것입니다.
컨베이어를 따라 들어온 박스는 로봇이 집기 전 버퍼에 잠시 머뭅니다. 이때 시스템은 각 박스의 위치와 방향, 가로·세로·높이를 파악하고, 이를 AI 적재 계획의 입력 데이터로 활용합니다. 이 과정은 박스를 옮길 때마다 반복되기 때문에, 촬영에 걸리는 시간이 길어지면 전체 처리 속도가 그만큼 느려집니다.
3D 측정값이 실제와 다르면 박스 사이에 불필요한 틈이 생기거나 서로 간섭할 수 있습니다. 이러한 오차가 적재 층마다 누적되면 팔레트의 안정성에도 영향을 줄 수 있습니다. 따라서 박스의 정확한 형상과 위치를 파악하는 3D 비전 기술이 솔루션의 핵심이었습니다.
실제 물류 현장에 적용하려면 3D 센서는 다음과 같은 조건을 충족해야 했습니다.
- 빠른 캡처: 촬영 시간이 매 사이클에 더해지므로, 라인의 처리 속도를 떨어뜨리지 않을 만큼 빠르게 데이터를 확보해야 합니다.
- 넓은 촬영 영역: 버퍼 위 여러 박스를 한 번에 인식할 수 있어야 합니다.
- 높은 3D 측정 정확도: 박스의 실제 치수와 위치를 정밀하게 파악해야 합니다.
- 정합된 2D·3D 데이터: 컬러 이미지와 3D 데이터를 함께 활용해 서로 붙어 있는 박스의 경계를 구분할 수 있어야 합니다.
- 환경 변화에 대한 안정성: 조명과 온도 조건이 달라져도 일관된 측정 성능을 유지해야 합니다.
03 솔루션
씨메스로보틱스는 Zivid 3 XL250이 박스 인식에 필요한 3D 데이터를 제공하고, 씨메스로보틱스의 자체 AI가 이 데이터를 바탕으로 적재 계획과 로봇 동작을 결정하는 구조로 혼합 케이스 팔레타이저를 구현했습니다. 이 팔레타이저는 박스 투입 순서를 미리 정하거나 WMS와 연동하지 않아도 최대 7가지 크기의 박스를 처리할 수 있어, 박스 구성이 바뀌어도 로봇을 다시 티칭할 필요가 없습니다.
씨메스로보틱스의 혼합 케이스 팔레타이저(왼쪽)와 버퍼 위 박스를 촬영한 3D 데이터(오른쪽)
작동 방식
-
버퍼 위 박스 인식
박스는 사전 분류 없이 무작위 순서로 들어옵니다. Zivid 3 XL250이 촬영한 3D 데이터를 바탕으로, 씨메스로보틱스의 AI가 각 박스의 위치와 방향을 인식합니다. -
AI 기반 팔레트 최적화
씨메스로보틱스의 AI는 현재의 박스 구성에 맞춰 안정적인 적재 패턴을 실시간으로 생성합니다. 팔레트 공간 활용도를 높이고 박스가 팔레트 밖으로 돌출되거나 불안정하게 쌓이는 것을 막으며, 목표 사이클 타임과 시간당 처리 박스 수를 달성할 수 있도록 패턴을 계속 조정합니다. -
로봇을 통한 팔레타이징
씨메스로보틱스의 AI가 적재 계획에 따라 로봇 경로를 산출하고, 그리퍼가 박스를 집어 지정된 위치에 적재합니다. 내장된 리프트 기능이 일반적인 협동로봇의 작업 범위 한계를 보완해 최대 2,000mm 높이까지 적재할 수 있습니다. -
지속적인 팔레트 모니터링
적재 과정 내내 씨메스로보틱스의 시스템이 3D 데이터를 활용해 팔레트 상태를 지속적으로 모니터링해 충돌이나 돌출을 사전에 방지하고, 운영자는 통합 대시보드에서 주요 KPI를 실시간으로 확인합니다.
이러한 자동화 구조를 통해 주문마다 박스 구성이 달라져도 로봇을 다시 티칭하지 않고 대응할 수 있습니다.
빠른 설치와 쉬운 운영
혼합 케이스 팔레타이저는 실제 물류 현장에서 바로 활용할 수 있도록 설계되었습니다. 접이식 모듈형 구조 덕분에 공간이 제한된 현장에서도 빠르게 설치하고 쉽게 이설하거나 유지보수할 수 있으며, 360° 라이다(LiDAR) 센서가 셀 주변의 안전성을 높여 줍니다.
운영자는 설치와 설정, 오류 복구 과정을 단계별 안내에 따라 진행할 수 있고, 통합 대시보드를 통해 실시간 KPI와 운영에 바로 활용할 수 있는 인사이트를 얻을 수 있습니다.
Zivid 3 XL250을 선택한 이유
Zivid 3 XL250은 빠른 캡처 속도와 넓은 촬영 범위, 높은 정확도를 함께 갖추고 있어, 랜덤 팔레타이징에 필요한 조건을 고르게 충족했습니다.
사이클 타임을 지키는 빠른 캡처 속도
랜덤 팔레타이징에서는 박스를 옮기는 동안 버퍼 촬영, 인식, 적재 계획, 로봇 이동이 계속 반복됩니다. 촬영 시간은 매 사이클에 그대로 더해지므로, 캡처가 빠를수록 시간당 처리할 수 있는 박스 수가 늘어납니다. Zivid 3 XL250은 넓은 버퍼 영역을 500ms 미만에 캡처해, 물량이 몰리는 피크 시간대에도 라인 속도를 유지하는 데 기여합니다. 또한 속도를 위해 정확도나 촬영 범위를 희생하지 않는다는 점도 중요했습니다.
넓은 촬영 영역으로 전체 버퍼를 파악
Zivid 3 XL250은 최대 약 4.5m의 작업 거리에서 넓은 영역을 촬영할 수 있습니다. 이를 통해 버퍼 위 여러 박스의 3D 데이터를 한 번에 확보하고, AI가 다음에 집을 박스를 선택할 때 더 넓은 범위의 배치 정보를 활용할 수 있습니다.
밀리미터 수준의 측정 정밀도
Zivid 3는 작업 거리에 대한 상대적인 트루니스(trueness) 오차가 0.2% 미만인 3D 측정 성능을 제공합니다. 트루니스는 측정 결과가 실제값에 얼마나 가까운지를 나타내는 지표입니다.
박스의 실제 치수와 형상을 충실하게 재현하면 적재 계획과 실제 로봇 동작 사이의 차이를 줄이는 데 도움이 됩니다. 이는 박스 사이의 불필요한 틈을 줄이고, 여러 층을 쌓는 과정에서 발생할 수 있는 오차를 관리하는 데 중요합니다.
픽셀 단위로 정합된 2D·3D 데이터
Zivid 3는 3D 포인트 클라우드와 8MP 컬러 이미지를 동일한 센서에서 정합된 형태로 제공합니다. 3D 형상 정보와 컬러 정보를 함께 활용하면 서로 맞닿아 있거나 높이가 비슷한 박스의 경계를 구분하는 데 유리합니다. 이는 혼합 SKU 환경에서 박스를 정확하게 분리하고 인식하는 데 중요한 기반이 됩니다.
환경 변화에도 일관된 측정 성능
열적으로 안정적인 설계와 빠른 내재 보정 기능을 통해, 온도 등 운영 환경이 변하는 물류 현장에서도 측정 성능을 일관되게 유지하도록 지원합니다.
기존 SDK를 활용한 통합 효율성
씨메스로보틱스는 이전 프로젝트에서도 Zivid SDK를 사용한 경험이 있습니다. 이에 따라 근거리 피킹부터 팔레트 규모의 넓은 촬영 영역까지 동일한 SDK와 보정 워크플로를 활용할 수 있어, 새로운 비전 시스템을 통합하는 데 필요한 개발 부담을 줄일 수 있었습니다.
Zivid 3 XL250은 랜덤 팔레타이징에 필요한 정확한 3D 데이터를 제공하고, 씨메스로보틱스의 AI는 이를 바탕으로 박스를 인식하고 적재 패턴과 로봇 동작을 결정합니다. 그 결과 주문 조건이 바뀌어도 사전 티칭 없이 대응할 수 있는 시스템이 완성되었습니다.
04 결과
씨메스로보틱스는 3D 비전과 AI를 결합한 혼합 케이스 팔레타이저를 미국 시카고에서 열린 PACK EXPO 2026에서 공개했습니다. 현장 시연에서는 크기와 형태가 서로 다른 박스들을 사전 티칭 없이 하나의 팔레트에 촘촘하게 적재하는 과정을 선보였습니다.
PACK EXPO 2026에서 시연한 씨메스로보틱스의 AI 랜덤 팔레타이징 솔루션
이번 프로젝트는 정밀한 3D 데이터와 이를 해석하고 판단하는 AI가 결합될 때 유연한 물류 자동화가 가능하다는 것을 보여줍니다. 씨메스로보틱스는 Zivid를 비전 기술 파트너로 활용해 기존 팔레타이징 자동화의 적용 범위를 확장하고, 다양한 박스가 혼재하는 미국 물류 시장의 요구에 대응할 수 있는 솔루션을 선보였습니다.
Zivid의 정밀한 3D 데이터와 씨메스로보틱스 AI의 적재 계획을 결합함으로써, 씨메스로보틱스는 랜덤 팔레타이징의 복잡성을 줄이고 보다 유연한 물류 자동화를 향한 기반을 마련했습니다.