멀티모달 AI, 초개인화 에이전트, 자율 제조 플랫폼이 융합되며 제조 산업에 거대한 전환이 시작됐다. 네이버의 김필수 본부장은 “AI 에이전트는 공정 판단과 생산성 향상뿐 아니라, 초개인화된 제안까지 수행하는 주체가 될 것”이라며 자율 제조의 미래를 제시했다. 단순한 자동화를 넘어, 상황 인식·판단·제안을 수행하는 ‘지능형 AI’의 시대가 도래하며, 제조 산업은 PoC 단계를 지나 본격 적용 단계로 진입하고 있다. 이 흐름에서 한국은 GPU·클라우드·데이터 인프라 강점을 기반으로 글로벌 제조 AI 플랫폼 수출 기회를 맞고 있다. AI 기술 진화와 제조 산업의 접점 제조 산업은 지금까지의 자동화 수준을 넘어서, 인공지능(AI)을 중심으로 한 ‘지능형 전환’을 겪고 있다. 특히 생성형 AI의 급속한 진보는 제조 공정 전반에 본질적인 변화의 가능성을 제시하고 있다. 김필수 네이버 본부장은 “AI 기술의 가장 큰 진화는 멀티모달 기술로, 비전·보이스·텍스트가 융합되어 산업 전체의 일하는 방식을 근본적으로 바꾸게 될 것”이라고 밝혔다. 단순한 로봇 자동화를 넘어, 현장을 인식하고 학습하며 대응하는 AI가 도입되고 있는 것이다. 예를 들어, 스마트폰에 내장된 카메라로
대한민국 제조업이 새로운 전환점을 맞고 있다. ‘피지컬 AI(Physical AI)’ 기반의 자율제조 시대가 본격화되며, 공장은 이제 단순한 생산시설이 아닌 ‘거대한 로봇’으로 진화 중이다. 장영재 KAIST 교수는 디지털트윈 기반의 스마트 제조 플랫폼인 'SDF(Software Defined Factory)'를 중심으로 강화학습, 로봇 협업, 맥락 이해형 AI 등 첨단 기술을 통합한 차세대 공장 운영 모델을 제시했다. 공장을 멈추지 않고 소프트웨어로 업그레이드하는 이 개념은 중소기업에도 즉각적인 설비 적용이 가능하도록 설계되어 있으며, 수십 억 원의 비용 절감 효과까지 입증했다. 제조업의 미래, 그 중심에 피지컬 AI가 있다. 공장이 하나의 로봇으로…‘피지컬 AI’의 시대가 온다 디지털 혁신은 이제 공장의 외형만 바꾸는 것을 넘어, 개념 자체를 다시 정의하고 있다. 장영재 KAIST 교수는 이를 “공장 전체를 하나의 거대한 로봇으로 만들자”는 철학으로 설명한다. 피지컬 AI는 단순히 인공지능이 품질 검사나 설비 모니터링에 쓰이는 수준을 넘어, 공장의 모든 자산과 설비, 사람, 로봇, 데이터를 유기적으로 연결해 하나의 지능형 엔티티로 만들어가는 기술이다. 기
디지털 전환이 가속화되는 제조 산업에서 ‘디지털 트윈’은 선택이 아닌 필수로 자리잡고 있다. 유니티코리아 민경준 본부장은 리얼타임 3D 기술을 중심으로 한 디지털 트윈 구현 전략을 제시하며, 산업별 시뮬레이션·교육·HMI·AR/VR 등 다양한 분야에서의 활용 가능성을 강조했다. 유니티의 ‘연결-제작-배포’ 3단계 파이프라인은 복잡한 3D 자산을 통합하고 실시간 데이터 연동과 인사이트 도출까지 아우른다. 특히 AI, 머신러닝과의 결합은 디지털 트윈의 진화를 가속화하고 있으며, 국내 제조환경에 최적화된 인프라와 결합될 경우 DX의 새로운 전환점을 만들어낼 수 있다는 전망이다. 최근 산업계의 화두는 단연 디지털 전환(DX)이다. 이러한 변화의 중심에서 실시간 3차원(3D) 기술이 있다. 이는 대부분 게임 환경에 국한된 기존 활용처에서, 제조를 포함한 전 산업 분야의 혁신을 이끄는 핵심 동력으로 부상하고 있다. 특정 게임 엔진은 현재 ‘실시간 3D 엔진’으로 진화해 산업 전반의 DX를 견인하고 있다. 현시대 DX의 핵심은 ‘상호작용’과 ‘몰입감’ 경험이다. 이를 위한 실시간 3D 렌더링 기술이 필수적이라는 분석이 나온다. 맥킨지, BCG 등의 조사에 따르면 해당 기
인공지능(AI) 기술이 실제 물리적 환경을 모사하고 예측하는 단계에 접어들었다. 이에 따라 제조·물류 현장의 고질적인 비효율과 복잡성을 해결할 열쇠로 ‘물리적 AI(Physical AI)’ 기반 시뮬레이션 솔루션이 주목받고 있다. 최근 업계 발표에 따르면, AI 기술의 발전 속도는 상상을 초월한다. 3년 전만 해도 AI는 실제 사람과 구분하기 어려운 가상의 얼굴을 생성하는 수준이었지만, 이제는 텍스트만으로 현실과 가상을 혼동할 만큼 정교한 동영상을 만들어내는 시대가 도래했다. 이는 AI가 물리적 환경의 복잡한 규칙과 상호작용까지 학습·예측하는 단계로 진화했음을 시사한다. 이러한 AI의 발전은 다품종 소량 생산, 급변하는 수요 등 갈수록 복잡해지는 제조·물류 현장에 필수적인 ‘물리적 AI’ 적용의 중요성을 부각시킨다. 제조·물류 현장은 재고품목단위(SKU), 작업자, 설비, 재료, 물류 로봇 등이 유기적으로 얽혀 매일 엄청난 경우의 수를 만들어내는 하나의 ‘복잡계 시스템’이다. 이러한 환경에서는 단순한 직관이나 통계적 방법만으로는 결과를 예측하거나 최적의 방안을 찾기가 불가능에 가깝다. 더욱이 이러한 현장에서는 작은 실패라도 막대한 비용과 리스크를 초래할 수
‘화물차가 대기하는 시간은 평균 5.5시간, 배송 기사는 하루 2회전이 한계’. 이런 통념을 깨뜨리는 기술이 등장했다. 스피드플로우의 ‘프리스테킹 상하차 시스템’은 배송 효율을 획기적으로 개선하는 동시에 기사들의 노동 강도를 낮추는 하드웨어 기반 솔루션이다. 물류의 자동화가 소프트웨어 중심으로 논의되는 가운데, 이 회사는 오히려 바닥이 움직이는 ‘컨베이어 시스템’이라는 단순하지만 강력한 구조로 물류의 마지막 5미터를 혁신 중이다. 컬리, 국방부, LG 등과의 실증 프로젝트를 통해 이 기술은 ‘주 3회전 배송’, ‘완전 무인화 상하차’, ‘드라이브스루 물류센터’라는 새로운 패러다임을 제시하고 있다. 물류 혁신의 실마리, 상하차의 새로운 정의 물류업계가 효율성과 자동화를 중심으로 빠르게 재편되고 있는 가운데, 한 가지 본질적인 문제는 오랫동안 간과 되어 왔다. 바로 ‘상하차’ 과정이다. 지금까지의 자동화 솔루션은 대부분 물류센터 내부의 분류 시스템이나 재고관리에 집중되어 있었고, 화물차량과의 인터페이스, 즉 실제 물류가 차량으로 ‘들어오고 나가는’ 상하차 과정은 여전히 수작업에 의존하고 있다. 이는 화물 기사들에게 높은 육체적 부담을 안기고, 차량 회전율 저하,
‘하드웨어 중심’ 물류 자동화 시대는 저물고 있다. 대신 창고 내 모든 자원을 실시간 분석·제어하는 ‘소프트웨어 중심’ 오퍼레이션, 즉 WES(Warehouse Execution System)가 새로운 중심축으로 떠오르고 있다. 니어솔루션의 최용덕 전무는 이를 ‘소프트웨어 디파인드 웨어하우즈(Software Defined Warehouse)’라는 개념으로 명명하며, 기존 WMS·WCS의 한계를 뛰어넘는 운영 최적화의 새 패러다임으로 제시한다. 창고도 이제는 테슬라처럼 자율적으로 판단하고 운영되는 소프트웨어 기반 시스템이 핵심이 됐다. 하드웨어는 계속 바뀌지만, 그것을 통합하고 제어할 수 있는 진정한 경쟁력은 소프트웨어에 있다는 주장이 설득력을 얻고 있다. 소프트웨어가 정의하는 창고, 왜 주목받는가 물류 자동화는 더 이상 새로운 화두가 아니다. 이미 수많은 물류센터에서 자동화 설비가 도입되었고, 스마트 물류라는 개념 또한 일상적인 용어가 되었다. 그러나 니어솔루션의 최용덕 전무는 “진정한 혁신은 하드웨어가 아닌 소프트웨어에서 출발한다”고 강조한다. 그가 제시한 ‘소프트웨어 디파인드 웨어하우즈(Software Defined Warehouse)’는 단순히 자동화
국내 물류 산업이 치솟는 물류비와 운송비 증가, 인력난 등으로 비효율의 벽에 가로막힌 가운데, 해답은 인공지능(AI) 기술에 있다는 주장이 설득력을 얻고 있다. 특히 전체 물류비의 60~70%를 차지하는 육상 운송비를 절감하기 위한 ‘배차 최적화’는 기업 수익성 제고의 핵심 과제로 떠올랐다. 이런 흐름 속에서 위밋모빌리티는 AI 기반 물류 최적화 엔진 ‘루티(Roouty)’를 앞세워 물류 차량 회전율 극대화, 공차율 감소, 운전자 만족도 향상 등 다각적인 혁신을 꾀하고 있다. 실제 현장 적용 사례에서도 높은 효율성과 비용 절감 성과가 확인되며, AI 물류 솔루션이 기존 운송 패러다임을 뒤흔들고 있다. 지금 물류업계는 ‘기술로 비용을 줄이는’ 전략적 전환점에 서 있다. 물류비 현황과 증가 원인 국내 물류 산업의 고질적인 비효율 문제가 해마다 치솟는 물류비와 맞물려 기업의 수익성을 위협하는 가운데, 인공지능(AI) 기반 물류 최적화 솔루션이 해법으로 떠오르고 있다. 최근 업계에서는 물류 비즈니스에서 가장 중요한 역할을 하는 배차의 비효율성을 진단하고 이를 최적화하는 엔진의 중요성이 강조된다. 특히 국내외 물류비 현황 분석을 통해, 관련한 AI 기반 솔루션 도입의
AI 기술은 제조·물류 산업의 혁신을 이끌 핵심 키워드로 주목받고 있지만, 정작 현장에서는 기대만큼의 투자수익률(ROI)을 실현하지 못해 외면 받는 사례가 적지 않다. 복잡하고 변화무쌍한 산업 환경에서 피상적인 알고리즘만으로는 실질적 효용을 담보하기 어렵다는 지적이 나온다. 이러한 한계를 극복하기 위한 대안으로 ‘현장 지식 기반 AI’, 그리고 자동화 설비와 소프트웨어가 융합된 스마트 물류 솔루션이 부상하고 있다. 특히 비정형 중량물 적재라는 고질적인 난제를 해결하기 위한 카덱스코리아의 ‘버티컬 리프트 모듈(VLM)’은 수직 공간을 활용해 공간 효율과 작업 안전, 비용 절감을 동시에 구현하며 주목받고 있다. 지금 물류창고는 단순한 적재 공간이 아닌, 정밀하고 유연한 AI 기반 자동화의 테스트베드로 진화 중이다. 로봇도 감탄할 물류 적재…공간·안전·효율 다 잡다 최근 제조업계는 생산성 향상, 품질 개선, 비용 절감 등 혁신을 목표로 인공지능(AI) 도입에 적극적으로 나서는 분위기다. 하지만 상당수 프로젝트가 기대했던 투자수익률(ROI)을 달성하지 못하고 현장에서 외면 받는 사례가 빈번하게 발생하고 있다고 전문가들은 지적한다. AI 도입의 실질적인 효용성에 대한
문화예술에서 관객이 작품에서 느낄 수 있는 아우라는 기본적으로 일회성과 휘발성을 전제로 한다. 무대 위 공연은 막이 내리면 사라지고 전시 공간은 일정 기간이 지나면 철수된다. 그러나 일회성 체험에 그치지 않고 오래도록 보존돼야 하는 문화유산의 경우, 자연재해나 시간 경과로 인해 손상되기 쉽고 감각적인 구성 역시 물리적 형태와 함께 소실된다. 이러한 속성에 대응하기 위해 최근 문화예술계는 산업기술을 기반으로 한 디지털 아카이빙 시도가 확대되고 있을 뿐 아니라, 시공간 제약 없이 더 많은 관객이 문화예술을 누릴 수 있도록 체험하는 방식에도 변화를 주고 있다. 본래 3D 스캐닝, 디지털 트윈, 포토그래메트리 등은 원래 제조·건설 분야에서 활용되던 기술이다. 현재 이 기술들은 문화예술 분야에도 적용돼 예술 작품의 구조·동선·질감·시선 흐름까지 정밀하게 디지털화하는 데 활용되고 있다. 디지털 복원 사례: 노트르담 대성당부터 미륵사지까지 3D 스캔 기술이 문화유산 복원에 직접적으로 활용된 해외 사례로는 프랑스 노트르담 대성당이 있다. 2019년 화재로 첨탑과 지붕이 심각하게 훼손됐을 당시, 2010년 바사르대 앤드루 탤런 교수가 수행한 3D 레이저 스캔 데이터가 복원
제조업계의 인공지능(AI) 도입 열기가 뜨겁지만, 현장에서 체감할 수 있는 투자수익률(ROI)을 실현한 사례는 드문 실정이다. 기술 도입은 했지만 생산성과 수익 증대 효과가 불분명하다는 지적이 잇따르는 가운데, 엠버로드는 이러한 현실적 한계를 정조준한다. 화려한 기술보다는 현장 데이터를 기반으로 한 실질적 문제 해결에 초점을 맞춰, 빠른 PoC와 단계적 확산 전략, 사용자 중심 인터페이스까지 종합적으로 제시하며 “ROI 중심의 AI 도입”이라는 해법을 내놓고 있다. 최근 제조업계는 생산성 향상, 품질 개선, 비용 절감 등 혁신을 목표로 인공지능(AI) 도입에 적극적으로 나서고 있다. 그러나 상당수의 프로젝트가 기대했던 투자수익률(ROI)을 달성하지 못해 현장에서 외면받는 사례가 빈번하게 발생하고 있으며, 이에 따라 AI 도입의 실질적인 효용성에 대한 의문이 제기되고 있다. 이러한 상황에서 화려한 기술 도입보다는 실제 비용 절감과 수익 증대에 초점을 맞춘 AI 프로젝트 접근 방식이 제조업 AI 도입의 난제를 해결할 핵심 대안으로 부상하고 있다. 제조 AI 도입 성공을 위한 과제 전문가들은 현장 데이터 기반의 AI 솔루션 개발 과정에서 외주 AI 용역 기업과의
제조업은 설비 의존도가 높은 산업 구조상, 설비 고장으로 인한 품질 저하나 생산 중단은 치명적인 손실로 이어진다. 이에 따라 실시간 설비 모니터링과 고장 예측 기술인 ‘예지보전’이 주목받고 있다. 하지만 설비 유형과 고장 원인의 다양성, 그리고 도메인 지식의 한계로 인해 예지보전 도입은 쉽지 않다. 이런 현실 속에서 초음파 기반의 AI 예지보전 솔루션을 내세운 모빅랩은 다양한 제조 현장에 적용 가능한 고도화된 설비 관리 기술을 통해 주목받고 있다. 이원근 모빅랩 대표는 “설비 고장이 발생하면 수천만 원에서 수억 원의 손실로 이어지며, 이는 제품 품질뿐 아니라 고객 신뢰까지 흔들 수 있다. 이제는 설비 상태를 ‘예측’하고 ‘선제적으로 대응’하는 것이 기업 경쟁력”이라고 강조했다. 스마트공장 고도화를 위한 예지보전의 기술 동향과 실제 적용 사례를 짚어본다. 제조업에 필요한 설비 예지보전, 왜 지금인가 제조업은 설비 의존도가 절대적인 산업이다. 생산설비의 상태는 곧 제품의 품질과 생산성, 나아가 기업의 수익성과 직결된다. 설비 하나가 멈추거나 품질에 영향을 미칠 정도의 문제가 발생할 경우, 수천만 원에서 수억 원대의 손실이 발생하는 것은 물론이고 고객과의 신뢰에도
AI 기술이 제조 현장에 본격적으로 적용되며 품질검사와 설비진단의 방식이 근본적으로 달라지고 있다. 기존의 룰 기반 시스템이 가진 한계를 뛰어넘어 딥러닝과 트랜스포머 기반의 비전 시스템이 빠르게 상용화되고 있으며, 고정밀 진단과 유연한 공정 최적화가 가능해졌다. 특히 한국생산기술연구원의 제조AI연구센터는 의료기기, 자동차 부품, 공정 설비 등 다양한 산업 분야에 AI를 적용한 혁신 사례를 다수 제시하며 주목받고 있다. 이 글에서는 제조업 혁신의 중심에 서 있는 AI 기반 품질검사 및 설비진단 기술을 다각도로 조명한다. AI와 제조업, 새로운 융합의 시대 산업계 전반에서 인공지능(AI) 기술의 적용이 빠르게 확산되고 있는 가운데, 제조업 또한 그 흐름에 본격적으로 편입되고 있다. 과거 자동화와 센서 기반의 제어 시스템에 머물렀던 제조 공정은 이제 AI 기반의 지능형 시스템으로 진화하고 있으며, 이는 단순한 기술 업그레이드를 넘어 전반적인 생산 방식의 패러다임을 바꾸고 있다. 한국생산기술연구원(이하 생기원)은 이러한 변화의 중심에서 제조AI연구센터를 통해 AI의 실질적 적용 가능성과 기술 상용화를 위한 연구에 몰두하고 있다. 생기원이 정의하는 제조AI의 핵심 적
산업 현장의 디지털 전환과 인공지능(AI) 도입이 가속화되는 가운데, 슈퍼브에이아이가 빠르게 적용 가능한 제조 AI와 보안 관제 AI 기술로 주목받고 있다. 이현동 부대표는 최근 발표에서 모바일 기반 3D 디지털 트윈, 텍스트 검색형 영상 관제 솔루션, 실시간 안전 감지 시스템 등을 소개하며, 고가 장비 없이도 산업 현장에서 AI 기술을 실질적으로 구현할 수 있는 방안을 제시했다. 특히 3개월 이내 현장 적용 가능한 빠른 개념증명(PoC)과 변화 관리 중심의 접근 전략을 통해 사용자 중심의 인공지능 전환(AX)을 실현하고 있다고 강조했다. 최근 산업 전반에서 센서 데이터를 디지털화하고 이를 디지털 트윈(Digital Twin) 기반으로 관리·분석하는 기술이 주목받고 있다. 이러한 흐름 속에서, 디지털 트윈을 어떻게 하면 보다 신속하고 효과적으로 실제 산업 현장에 적용할 수 있을지에 대한 통찰이 요구된다. 특히, 현장의 명시적·암묵적 지식을 데이터화하고, 인공지능(AI) 모델 구축 및 시스템 통합을 가속화하는 방법론이 필요하다. 디지털 트윈과 AI 기술은 현실적인 문제 해결과 효율성 증대를 위한 제조업의 핵심 동력으로서, 산업 현장에 실질적으로 스며들어야 한다
AI가 제조 현장의 판을 바꾸고 있다. 고령화된 숙련 인력과 신입 인력의 부족으로 생산 차질과 품질관리의 어려움을 겪는 제조업계에, 인공지능(AI) 기반 자율제조 솔루션이 새로운 돌파구로 떠오르고 있다. AI는 데이터를 실시간 분석해 최적의 생산 환경을 스스로 구축하고, 미세 결함 감지부터 설비 예지보전, 디지털 트윈 기반 시뮬레이션까지 전 과정을 지능화한다. 정부도 기업당 최대 100억 원을 지원하는 선도 프로젝트를 추진하며 자율제조 확산에 박차를 가하고 있다. ‘K-자율제조’ 시대의 서막이 올랐다. 고질적인 인력 부족은 제조업 현장의 단순한 애로사항을 넘어, 생산성 저하와 경쟁력 약화의 주요 원인으로 작용하고 있다. 숙련공의 고령화와 신규 인력 확보의 어려움은 예측 불가능한 생산 차질과 품질관리의 난항을 심화시키는 양상이다. 이는 기존 생산 방식으로는 급변하는 시장의 요구에 효과적으로 대응하기 어렵다는 현실을 보여준다. 이러한 낡은 제조 현장의 한계를 극복하고 혁신적인 도약을 견인할 핵심 동력으로, 인공지능(AI) 기반 자율제조(Autonomous Manufacturing) 기술이 급부상하는 중이다. 이러한 자율제조 체제는 글로벌 제조업계의 희망으로 낙점
기존 산업·공장 자동화(FA) 시스템은 정형화된 작업 환경에서 빠르고 정확한 반복 작업을 수행하는 데 초점을 맞춰 구축돼 왔다. 스마트 팩토리, 자율제조 등 기존 FA 시스템 대비 유연한 자동화 요구가 요구되면서, 작업자 수작업 기반 공정을 대체하는 솔루션의 필요성이 대두되고 있다. 이러한 배경에서 유연한 파지·조작 능력을 구현하는 ‘다관절 그리퍼(Gripper)’가 핵심 기술로 주목받고 있다. 기존 수작업 공정을 그리퍼로 대체하기 위해서는 단일 그리퍼로 다양한 형태의 다품종 ‘비정형 다물체’를 다루는 환경을 구축해야 한다. 또한 파지 후 조작·패킹·조립 공정을 위해 도구 활용이 가능한 그리퍼 역량도 요구된다. 그리퍼 솔루션 기술 업체 테솔로는 산업용 로봇, 협동로봇 등 로봇 팔에 적용되는 기존 엔드 이펙터(End Effector)의 한계를 개선하는 데 초점을 맞춰 솔루션을 공급한다. 하나의 그리퍼로 비정형 다물체를 능숙하게 처리하는 원스톱 그리퍼를 지향한다. 이처럼 다양한 형태와 재질의 물체를 하나의 그리퍼로 파지할 수 있어, 툴 체인저 없이도 다양한 공정 수행을 지원한다. 이는 작업 전환 시간을 단축시키고, 자동화 시스템 구축비용을 절감하는 효과를 가져온
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 08월 26일 16시 47분
/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)