로봇용 센서 부품 기술 업체 최초로 코스닥 상장 본격화...기업공개(IPO) 절차 돌입 촉각·역각 센서 등 50건 원천기술 확보, 외국산 대비 1/10 가격 경쟁력 시장 선점 나선다 피지컬 AI(Physical AI) 기반 토털 로봇 솔루션 기업으로의 도약 예고해 에이딘로보틱스가 코스닥 상장을 위한 기업공개(IPO)를 본격 추진하기 위해 삼성증권을 대표 주관사로 선정했다. 에이딘로보틱스는 자체 원천기술과 경쟁력을 바탕으로, 국내 로봇 업계 최초 ‘로봇용 센서 부품’ 타이틀로 자본시장에 진출한다는 방침을 세웠다. 이를 통해 글로벌 피지컬 AI(Physical AI) 시대에 필요한 핵심 로봇 감각을 제공하는 토털 로봇 솔루션 기업으로의 성장을 목표로 하고 있다. 사측은 지난 2019년 성균관대학교 로보틱스 이노배토리(Robotics Innovatory) 연구실에서 분사했다. 그동안 ‘물리적 접촉 지능(Physical Interaction Intelligence)’ 분야에서의 오랜 연구 역량을 기반으로 약 50건의 원천 특허 및 기술을 확보한 바 있다. 이러한 독자적인 기술 경쟁력이 이번 상장 프로젝트의 핵심 배경으로 분석된다. 특히 최근 로봇 분야의 핵심 화두인
국비 126억 원 투입된 '고성능 목재수확 기계장비 개발 사업' 2차년도 성과 공개 급경사 험지 균형 유지 가능한 바퀴형 로봇 하부체 설계·제작 성공 유압 구동 로봇 팔, 그래플 쏘우(Grapple Saw) 개발...파지·절단 작업 동시 구현해 한국로봇융합연구원(KIRO)이 산악 지형 특화 목재 수확 로봇 기술 개발을 위한 국책 연구개발(R&D) 프로젝트의 순항을 알렸다. 산림청·한국임업진흥원이 지원하는 ‘고성능 목재수확 기계장비 개발 사업’은 국내 임업 분야의 기술적 난제를 해결하고 임업 경쟁력 향상을 위해 기획됐다. 총 4년 7개월간 국비 126억 원이 투입되는 대형 프로젝트다. 이 사업은 KIRO가 주관하고 한국생산기술연구원(KITECH) 등 기관이 공동 연구기관으로 참여하고 있다. KIRO는 올해 연구를 통해 지형 변화에 따라 본체 높이를 능동적으로 조절하는 로봇 기술을 확보했다. 이를 통해 35° 이상의 급경사와 험지에서도 안정적으로 균형을 유지하며 주행한다. 이로써 국내 산림 지형 특화 바퀴형 로봇 하부체의 설계°제작을 성공적으로 완료했다고 평가받는다. 해당 기술은 기존 중장비가 접근하기 어려웠던 험지에서의 작업 한계를 근본적으로 극복할 수
레인보우로보틱스·제이씨티, HD현대중공업에 코봇 용접 시스템 35세트 공급 확정 국내 최초 포터블 타입 상용화 노하우 결합, 조선소 내 협소 공간 작업 효율성 극대화한다 레인보우로보틱스가 자동화 솔루션 기술 업체 제이씨티와 협력한 휴대용(Portable) 용접 협동 로봇(코봇) 시스템을 수주했다. HD현대중공업 중형선사업본부는 이 같은 플랫폼을 자사 현장에 총 35세트 배치하기로 했다. 이번 수주는 레인보우로보틱스의 시스템통합(SI) 파트너사 제이씨티가 조선소 현장용 ‘휴대용 타입 코봇 용접 시스템’을 상용화한 것이 시발점이다. 이를 통해 축적한 노하우와 레인보우로보틱스 코봇의 정밀 제어 기술이 결합된 결과다. 제이씨티는 협소 공간, 고열·고습 등 조선소 특수 환경에 최적화된 운영 경험을 바탕으로 시스템을 지속적으로 개선해왔다. 이 과정에서 다수의 선박 제조 현장에서 실증을 통해 안정성을 검증한 바 있다. 시스템 발주처인 HD현대중공업 중형선사업본부는 설계부터 생산까지 일관화를 위한 조선 특화 디지털 제조(Digital Manufacturing) 전략을 추진 중이다. 이번 시스템에는 HD한국조선해양(KSOE)이 개발한 ‘공통 운영 소프트웨어(Common Op
모니터 속 텍스트와 이미지를 다루던 인공지능(AI)이 로봇과 제조 설비와 같은 실체를 입고 현실을 직접 움직이려 하고 있다. 기존 검색·추천의 기능에서, 기계가 스스로 주변을 인지하고 판단해 움직이는 주체로 AI를 채택한 모양새다. 이 흐름을 통합한 개념이 바로 '피지컬 AI(Physical AI)'다. 피지컬 AI는 AI 모델이 로봇, 공장 설비, 도시 인프라 등 현실 속 하드웨어와 연결돼 복잡한 물리 법칙을 학습하고 실행하는 아키텍처를 갖춘 시스템이다. 이는 센서에서 도출되는 신호, 공간 정보, 인간 언어 및 도메인 지식 등을 한데 통합한다. 이전에는 화면 속 시뮬레이션에 머물던 계획을 실제 동작으로 바꾸는 것이 핵심이다. 정해진 궤적을 반복하던 기존 자동화와 달리, 예측하기 어려운 환경에서도 스스로 상황을 이해하고 목표를 조정하는 방향으로 진화하는 데 주요한 역할을 할 전망이다. 이 개념은 새롭게 탄생한 유행이 아니다. 설비 예지보전 및 품질 예측, 자율주행 기반 로봇, 디지털 트윈(Digital Twin) 공장을 향한 시도는 수십 년간 이어져 왔다. 최근에는 생성형 AI(Generative AI), 대규모 시뮬레이션, 월드 모델 등 기술 논의가 확산되
피지컬 AI, 디지털과 물리 사이의 간극을 메우다 로봇은 이미 공장·물류센터 등 산업 현장에 상당 부분 설치돼 있다. 문제는 양이 아니라 질이다. 대부분의 산업용 로봇은 여전히 펜스 안에서 정해진 궤적만 반복한다. 반대로 인공지능(AI)은 스마트폰과 클라우드 속에서 사람의 취향과 동선을 분석·인지하고 있다. 서승호 고려대학교 교수는 “현재 스마트폰은 누구와 통화하고 어디서 돈을 쓰는지, 누구와 얼마나 자주 만나는지까지 많은 것을 알고 있다”며 “이는 디지털 세계에서 실세계가 어떻게 움직이는지는 이미 꽤 정확하게 예측할 수 있는 수준”이라고 짚었다. 그런데도 공장·물류센터 등에 배치된 로봇은 그 지능과 단절된 채 움직인다. 결국 이러한 간극은 디지털에서 현실로 영향을 미치는 수준이 아직은 광고 추천이나 화면 속 버튼을 바꾸는 정도에 머물러 있다는 부분을 시사한다. 다시 말해, 현재 로보틱스 기술은 작업자와 함께 움직이는 로봇의 동작까지 닿지 못한다는 점이다. 이러한 괴리를 정면으로 메워보겠다는 방법론이 바로 ‘피지컬 AI(Physical AI)’다. 최근 로보틱스·AI 분야에서 각광받는 이 기법은 AI가 물리적인 환경에서 직접 학습·적응함으로써, 실제 공간에서
제조업은 지금 ‘탄소 중립’이라는 거대한 전환점을 향해 움직이고 있다. 생산성을 유지하면서도 탄소 배출을 줄여야 하는 이 난제를 풀 해법으로 급부상한 기술이 적층 제조, 즉 3D 프린팅이다. 스트라타시스는 폴리젯·FDM·SAF 등 5대 핵심 기술 포트폴리오를 기반으로 설계–엔지니어링–양산까지 전 과정을 혁신하는 로드맵을 제시한다. 재료를 필요한 만큼만 쌓아 올려 폐기물을 최대 90%까지 줄이고, 분산 제조로 물류 탄소를 줄이며, 생성형 설계로 경량화까지 실현한다는 점에서 지속 가능한 제조의 새로운 표준을 제시한다. 기존 감산·성형 중심의 패러다임을 넘어, 중소량·다품종 생산 중심의 유연한 제조 혁신을 가능하게 한다는 점에서 3D 프린팅은 단순한 기술이 아니라 제조업 재설계의 방향성을 보여주는 전략적 솔루션으로 자리 잡고 있다. 감산에서 적층으로...제조 패러다임 전환 오늘날 전 세계 제조업은 탄소 중립과 넷제로(Net-zero)라는 피할 수 없는 시대적 지향점을 마주하고 있다. 이는 생산성을 희생하지 않으면서 탄소 배출을 획기적으로 줄여야 하는 기술적 한계를 동시에 요구한다. 이러한 고질적인 난제에 대한 로드맵을 제시하는 솔루션 중 하나가 적층 제조(Addi
해운·조선의 에너지 전환(EX)은 규제와 비용이 동시에 밀어붙이는 과제다. 국제해사기구(IMO)의 탄소집약도지표(CI)와 에너지효율설계지수(EEXI), 유럽연합(EU)의 EU 배출권거래제(EU ETS) 편입으로 탄소가 곧 ‘운항비’가 됐다. 아울러 대체연료(Alternative Fuel) 확산도 진행형이지만, 암모니아(NH₃)·메탄올·액화천연가스(LNG) 같은 저인화점 연료는 안전·공급망·개조비라는 현실 과제를 품고 있다. 그래서 선사·조선은 당장 가능한 절감과 증빙을 먼저 챙기는 양상이다. 연료 사용의 실측·보고·검증(Monitoring·Reporting·Verification, MRV), 선박–육상 연계 에너지 관리, 접안 중 육상전원(OPS) 활용이 그 시작점으로 평가된다. 문제는 효율을 높일수록 전기·데이터 의존도가 커지고, 그만큼 다운타임(Downtime) 리스크가 커진다는 점이다. 또한 추진·보조 설비의 전동화가 빨라지면서 저품질 전력이나 단일 장애가 항차 전체를 흔들 수 있다는 지적도 나온다. 그래서 선박은 보고, 예측하고 지속하는 가동을 핵심 구조로 재설계되는 중이다. 이 가운데 ▲전력·연료를 통합해 보여주는 운영 데이터 플랫폼 ▲예측 유지보수
반도체 산업의 그림자에 가려진 것처럼 보였던 대만 하드웨어(Hardware) 산업이 새로운 모습으로의 변화를 준비하고 있다. 과거 저가 대량 생산의 이미지를 벗어던지고, ‘고품질’과 ‘전문성’이라는 무기를 장착한 채 틈새시장(Niche Market) 공략이라는 생존 전략에 나선 것이다. 특히 전체 수출의 절반을 차지하는 미국 시장의 관세 압박과 중국의 핵심 자재 통제라는 이중고 속에서, 대만 하드웨어 제조사들은 유럽과 아시아로의 시장 다변화를 모색하며 생존을 넘어 도약을 꿈꾸고 있다. 이 산업적 전환기를 이끌고 있는 대만 하드웨어 생태계 및 업계는 대만 산업의 미래가 ‘가치’에 달려있음을 역설한다. 그 중심에서 ‘규모의 경제’를 넘어 ‘가치의 경제’로의 패러다임 전환을 선언하며, 대만 하드웨어의 새로운 도약을 위한 청사진을 제시했다. 臺 하드웨어 전시 플랫폼의 진화 선언 “B2B 바이어 공략 전면화” 이러한 ‘가치’ 중심의 패러다임 전환을 실현하기 위해, 대만 하드웨어 산업은 먼저 플랫폼 자체의 체질 개선을 시도했다. 그 선봉에는 기업 간 거래(B2B) 하드웨어 전문 전시회 ‘대만 국제 하드웨어 박람회(Taiwan Hardware Show 이하 THS)’가
지금 국내 물류 시장은 높은 수준의 인프라와 역동적인 리테일·이커머스 산업을 가졌다고 평가받는다. 일각에서는 그럼에도 로봇 기반 물류 자동화 시스템(ASRS)이 뜨거운 감자가 된 지 5년이 채 안 된 ‘파이어니어링(Pioneering)’에 머물러 있다고 지적한다. 실제로 각 현장에서는 여전히 수작업과 낮은 공간 효율의 딜레마를 안고 있다. 이 가운데 글로벌 업계는 물류창고 자동화의 근본적인 패러다임을 바꾸는 솔루션을 제시하는 양상이다. 이들 기업은 로봇 기술을 통해 물류 공간을 평면이 아닌 3차원(3D)으로 재정의한다. 또한 기존에 고질적인 병목 현상과 높은 운영 비용의 문제를 해결하겠다고 의지를 다지는 중이다. 프랑스 소재 창고 자동화 솔루션 업체 엑소텍의 류 타테와키(Ryu Tatewaki) 아시아태평양 지역 대표는 “미국·유럽 등에서는 자동화 전환이 많이 이뤄져 이미 상용화 단계”라며 타 지역과 한국 시장과의 자동화 수준 격차를 진단했다. 그러면서 “한국은 기존 대비 자동화 설비가 많은 현장에 도입됐지만, 로봇 기반의 자동화 기술 도입은 상대적으로 더디게 이어지고 있다”고 덧붙였다. 류 대표는 현시점이 중요한 골든타임이라고 강조하며, "로봇 자동화 도입
로봇은 영원히 ‘고가 장비·기술’이어야 할까? 글로벌 금융서비스 업체 모건스탠리(Morgan Stanley) 보고서에 따르면, 지난해 기준 최고급 휴머노이드 로봇(Humanoid Robot)의 가격은 약 20만 달러(약 2억8000만 원)에 달했다. 이러한 고가의 구성은 휴머노이드에만 국한되지 않는다. 산업용 로봇 또한 시스템통합(SI), 프로그래밍, 컨설팅 비용 등을 포함하면 최종 도입 가격이 대당 최소 5000만 원에서 1억5000만 원 수준인 것으로 알려졌다. 자율주행로봇(AMR) 분야 역시 이러한 높은 가격 장벽에 직면해 있다. 업계는 단순 하드웨어 가격 외에 현장 지도화(Mapping)과 SI 비용까지 포함하면 초기 투자 비용이 상당하다고 토로한다. 이는 소규모 현장일 수록 더욱 심화되는 양상이고, 결국 로봇 도입을 망설이게 하는 핵심 요인이다. 현장에서는 로봇이 여전히 실험실이나 공장 깊숙한 곳에 머무는 핵심 이유로 이 가격 장벽을 꼽고 있다. 미국 범용 휴머노이드 로봇 기술 업체 1X테크놀로지스의 베른트 뵈니히(Bernt Øivind Børnich) 최고경영책임자(CEO)는 “휴머노이드는 오랫동안 연구실에서만 만날 수 있었다”며 그동안의 제한적
‘운영 효율’로 제조 영역의 성과를 증명하는 시대가 도래했다. 이 가운데 스마트 팩토리의 핵심 동력인 로보틱스 솔루션이 이번 전시회에서 선보인 혁신은 생산 라인의 비효율을 정밀하게 겨냥한다. 코봇과 산업용 로봇은 다품종 전환이 잦은 환경에서 최소 명령·배치로 공정을 유연하게 처리한다. 아울러 작업자와의 공간 공유 시에도 센서 기반의 안전성을 구현한다. 물류 부문에서는 AMR·AGV·가 필수 부품을 적시에 공급하고 빈 용기를 회수해 공급 불균형을 해소하고 있다. 또한 ‘지능형 트랙 시스템’이 개별 셔틀을 독립 제어하며 고속으로 정밀 이송을 수행한다. 특히 이 시스템은 수직 장착으로 바닥 공간을 최소화하고, 갠트리 축과 결합해 X·Y·Z 방향의 상부 공간에서 픽앤플레이스(Pick & Place) 작업을 처리한다. 이는 지상의 동선을 비워 공간 효율 극대화를 실현한다. 앞선 로봇 폼팩터 및 시스템의 궁극 목표는 단순 FA가 아니다. 운영 성과의 극대화를 정조준하고 있다. 비전·그리퍼 등 연계 기술과 연동돼 공정의 연결성을 극대화한다. 결국 ‘얼마나 멈춤 시간과 불량을 줄이고 라인 공급을 일관되게 유지하는가’라는 핵심 메시지를 던진다. 이들을 제9회 창원국제
설비의 예측 불가능한 고장은 막대한 경제적 손실과 생산 효율 저하를 초래하는 기술적 한계로 작용한다. 이 가운데 기존의 전통적인 유지보수 방식은 점차 한계를 드러내고 있다. 산업 현장에서 설비자산성능관리(APM)는 이제 고장 후 사후 대응에만 집중되지 않는다. 사전에 문제를 예측·대비하는 새로운 패러다임을 노리고 있다. 이처럼 비효율적인 대응 구조를 벗어나고자, 제조업의 미래를 결정지을 인공지능(AI) 기반 자율제조(Autonomous Manufacturing) 시대가 도래했다. 과업별로 모델을 개발해야 했던 머신러닝(Machine Learning)의 부족한 부분을 근본적으로 극복하는 새로운 지향점을 제시하고 있다. 이는 단 하나의 거대 모델로 모든 문제를 해결하는 파운데이션 모델(Foundation Model) 시대로의 전환을 의미한다. 이러한 신규 트렌드는 생산 현장 전체의 운영 및 유지 보수(O&M) 프로세스를 혁신할 구체적인 로드맵으로 기대받고 있다. ‘사후 유지보수’ 시대 저문다...고장 모드를 예측하는 산업 AI의 눈 이러한 배경에서 원프레딕트는 각 산업에 기반을 둔 새로운 접근법을 강조한다. 이 회사는 APM 솔루션을 공급하며 설비의 원초
생성형 AI(Generative AI)가 검색·번역·코딩 등을 장악한 뒤, 다음 전장은 ‘물리 세계’가 됐다. 데이터센터에 쌓인 모델을 꺼내 공장, 물류센터, 도시 인프라, 심지어 휴머노이드 로봇(Humanoid Robot) 몸체 안으로 이식하는 싸움이 본격화됐다. 이 흐름에서 글로벌 인공지능(AI) 반도체 및 컴퓨팅 기술 업체 엔비디아(NVIDIA)는 기존의 그래픽처리장치(GPU)만을 다루는 업체에서 변모했다. 현재는 디지털 트윈(Digital Twin), 로봇 시뮬레이션, 파운데이션 모델(Foundation Model), 에지 컴퓨팅(Edge Computing)까지 포괄하는 주체로 성장했다. 사측은 스스로를 ‘피지컬 AI(Physical AI) 인프라 벤더’로 자처하며, AI·로보틱스 생태계의 핵심 기술 공급자로 자리매김했다. 이 가운데 젠슨 황(Jensen Huang) 최고경영책임자(CEO)가 올해 반복해서 꺼낸 메시지는 크게 두 가지로 압축된다. ‘AI 공장(AI Factory)’과 ‘소버린 AI(Sovereign AI)’다. 이는 결국 각국이 각자의 산업과 로봇을 움직이는 데이터센터를 외부에 의존하지 않고 직접 육성해야 한다는 신호에 가깝다. 이 구
다양한 제조 운영 환경은 현장 데이터와 작업자 인터페이스 간의 간극을 여전히 안고 있다. 이는 효율적인 의사 결정과 즉각적인 대응을 어렵게 하는 것으로 분석된다. 이러한 각종 제조 인프라에서는 로봇·센서, 제조실행시스템(MES)·전사적자원관리(ERP)·PLC(Programmable Logic Controller) 등에서 초 단위로 데이터가 쏟아진다. 이를 통합하고 직관적으로 시각화하는 기술이야말로 현장 효율화를 위한 핵심 요소가 됐다. 지난 20여 년 동안 3차원(3D) 기반 컴퓨터지원설계(CAD), 해석 솔루션, 데이터 기반 시뮬레이션 모델 등이 제조 현장에 도입됐다. 하지만 이러한 디지털 자산의 대부분은 사무실 모니터 속에서 일부 엔지니어와 담당자만 들여다보는 정보로 남은 경우가 많다. 또한 아직 많은 현장에서는 작업자·관리자가 마주하는 인터페이스가 이전 방식에 머물러 있다. 2차원(2D) 도면, 엑셀, 종이 작업지시서 등이 이에 해당한다. 로봇 밀도(Robot Density)와 산업·공장 자동화(FA) 측면에서 글로벌 최상위권에 있는 한국 제조업도 상황은 크게 다르지 않다. 실제로 전문가들은 라인 밑단까지 디지털 도구가 내려온 곳은 많지 않고, 생산성·
인공지능 전환(AX)이 기존의 전공·자격 중심의 산업 교육 질서를 흔들고 있다. 기업은 로봇을 ‘만드는 방법’보다 ‘쓰는 법’, 즉 현장 과업을 세분화한 기술 단위의 학습을 원하고, 교육 주체는 하드웨어·소프트웨어·데이터를 한데 통합한 실습 중심으로 전환돼야 한다는 요구사항을 드러내는 양상이다. 이에 따라 현장에서는 로봇 사용자, 애플리케이션 엔지니어, 개발자 등으로 수요가 빠르게 재편되고 있다. 향후 협동 로봇(코봇), 자율주행로봇(AMR), 비전(Vision), 엔드이펙터(End-effector) 등을 통합하는 역량과 인공지능(AI) 활용 및 이해 능력(Literacy)이 로봇계 인재의 기본 소양이 될 전망이다. 업계는 교육 과정에서 과목보다 필요한 요소를 바로 활용하는 능력을 키워야 한다고 목소리를 낸다. 현장 문제를 하나씩 떼 세분화된 과제로 만들고, 로봇을 직접 가동하며 데이터 모으고, 간단한 AI 모델을 얹어 결과를 확인하는 식의 주장이다. 이때 과제 결과와 실습 기록이 이력서보다 힘을 가져야 하고, 특정 장비에 한정되지 않는 역량이 중요하다는 의견도 함께 한다. 이 과정에서 표준 인터페이스와 개방형 소프트웨어 개발 키트(SDK)를 다루는 능력이
상호명(명칭) : ㈜첨단 | 등록번호 : 서울,아54000 | 등록일자 : 2021년 11월 1일 | 제호 : 오토메이션월드 | 발행인 : 이종춘 | 편집인 : 임근난 |
본점 : 서울시 마포구 양화로 127, 3층, 지점 : 경기도 파주시 심학산로 10, 3층 | 발행일자 : 2021년 00월00일 | 청소년보호책임자 : 김유활 | 대표이사 : 이준원 |
사업자등록번호 : 118-81-03520 | 전화 : 02-3142-4151 | 팩스 : 02-338-3453 | 통신판매번호 : 제 2013-서울마포-1032호
copyright(c)오토메이션월드 all right reserved
UPDATE: 2025년 12월 16일 14시 46분
/pdf.png)
/smartmap_2_01.png)
/smartmap_2_04.png)
/smartmap_2_big_04.jpg)
/smartmap_2_05.png)
/smartmap_2_big_05.jpg)
/smartmap_2_08.png)
/smartmap_2_big_09.jpg)
/smartmap_2_09_2.png)
/smartmap_2_big_10_2.jpg)
/smartmap_2_11_2.png)
/smartmap_2_big_12_2.jpg)
/smartmap_2_02.png)
/smartmap_2_03.png)
/smartmap_2_06.png)
/smartmap_2_big_07.jpg)
/smartmap_2_07.png)
/smartmap_2_big_08.jpg)
/smartmap_2_12.png)
/smartmap_2_big_13.jpg)
/smartmap_2_13.png)
/smartmap_2_big_14.jpg)
/smartmap_2_14.png)
/smartmap_2_big_15.jpg)
/smartmap_2_15.png)
/smartmap_2_big_16.jpg)
/smartmap_2_16.png)
/smartmap_2_big_17.jpg)
/smartmap_2_17_2.png)
/smartmap_2_big_18_2.jpg)
/smartmap_2_18_2.png)
/smartmap_2_big_19_2.jpg)
/smartmap_2_19._2.png)
/smartmap_2_big_20_2.jpg)
/smartmap_2_20.png)
/smartmap_2_big_21.jpg)
/smartmap_2_21.png)
/smartmap_2_22.png)
/smartmap_2_23.png)
/smartmap_2_24.png)
/smartmap_2_25.png)
/smartmap_2_26.png)
/smartmap_2_27.jpg)