2022년 6월 21~24일 4일간 미국 라스베가스에서는 Amazon의 re:MARS행사가 진행 되었습니다. Amazon re:MARS는 2019년 시작된 행사로 Machine Learning, Automation, Robotics, Space 도메인에서, Amazon의 AWS, 디바이스, 컨슈머 부문이 연합하여 진행하는 행사입니다. Amazon은 고객, 파트너, 학계 연구기관과 함께 re:MARS를 통해 각종 기술 사례를 소개하고, 다양한 기술을 가진 리더와 미래 지향적인 사람들은 한 자리에 모여, 창의적이고 도전적인 의제를 발전시켜 왔습니다.

2019년 Fortune지 선정500대 기업의 17.2%를 포함하여 2266명의 참석자가 한자리에 모였던 행사를 시작으로 2020년에는 COVID-19로 대면 이벤트가 취소되는 상황이 있었으나, 2021년 디지털로 전환을 지향하며 프로그램의 소유권을 Alexa팀에서 AWS로 이전 하기도 했습니다. 이는 re:MARS 행사의 의의를 “moment-in-time” (순간의 행사) 에서 “always-on-digital content platform” (항시적 디지털 컨텐츠 플랫폼) 으로 전환하는 계기가 되었다고 할 수 있습니다.

re:MARS를 통한 Amazon의 지향점(North Star)은, 비즈니스 리더(CXO, CXO-1), 의사 결정권자, 개발자, 연구원/과학자, 기술자 및 신생 기업의 참여 커뮤니티를 구축을 도모하고, 향후 Fortune 500대 기업에서 1명의 비즈니스 임원과 최소 1명의 기술 빌더 체제가 유지될 수 있도록 지원하는 것입니다.

이 글에서는 2022년 다시 대면 컨퍼런스로 진행된 re:MARS의 기술 쇼 케이스 및 기조 연설에서 소개된 주요 기술의 일부를 발췌하여 세가지 주제로 설명합니다, 1부에서는 Machine Learning, 2부에서는 Automation 과 Robotics, 3부에서는 Space 를 중심 주제로, 각 기술의 소개와 의의를 공유하고자 합니다.

1부. Machine Learning

생활환경지능(Ambient Intelligence)을 제공하는 Alexa

Alexa 스마트홈의 비전은 생활환경지능(Ambient Intelligence) 에 중점을 두고 있습니다. 이는 필요할 때 가까이 있고 필요하지 않을 때 배경으로 사라짐을 의미합니다. Alexa AI 수석 부사장 겸 수석 과학자인 Rohit Prasad 에 따르면, Alexa는 매주 수십억 번 이상의 쿼리를 처리하고 있으며 생활환경지능(Ambient Intelligence)은 우리 환경의 모든 곳에 내장된 인공 지능(AI)으로 명시적 고객 요청에 대응하는 사후 대응적 혹은, 고객의 요구를 예상하는 사전 대응적으로 동작할 수 있는 지능을 의미한다고 공유하였습니다.

소리, 시각, 초음파, 온도 및 습도와 같은 대기 감지, 깊이 센서 및 기계식 센서와 같은 광범위한 감지 기술을 사용하며, 조치를 취하고, 좋아하는 곡을 연주하고, 정보를 찾고, 필요한 제품을 구매하거나, 스마트 홈에서 온도 조절기, 조명 또는 블라인드 제어에 활용되는 Alexa는 대표적인 생활환경지능(Ambient Intelligence) 의 예제로, 사용자의 허락 하에 사용자의 습관을 트래킹하는 Hunches기능이나, 사용자의 반복되는 하루 행위에 필요한 동작을 행해 주는 Routines 와 같은 기능으로 예측 및 사전 예방 등의 스마트 홈 기능의 구현을 가능하도록 지원합니다.

Amazon re:MARS에서 선보인 스마트 리빙의 주요 기능은 Alexa의 기반 기술을 활용한 대화형 탐색입니다.

Amazon이 수년에 걸쳐 훈련시킨 Alexa는 전문 지식이 필요한 다양한 분야의 정보 영역에 대한 자연어 쿼리에 응답할 수 있습니다. Alexa를 통해 사용자는 웹에 접속하여 컨텐츠를 조사하지 않고도 다양한 정보를 대화형 탐색을 통하여 추출해 낼 수 있게 성장 하였습니다.

Alexa는 생활환경지능(Ambient Intelligence)과 범용지능(Generalizable Intelligent)의 가교 역할로 발전하고 있습니다. 즉, 고객들이 Alexa에게 개인 비서, 어드바이저, 동반자 역할을 요구할 때 고객의 기대에 부응하기 위해서 Alexa는 특정 목적형 AI모듈의 집합 역할 뿐 아니라 학습을 통해 새로운 컨텍스트를 배우고, 일반화할 수 있도록 발전하고 있습니다. 범용지능[GI]은 전 세계의 모든 작업을 수행할 수 있는 전지전능한 AI를 의미 하지는 않지만, 세 가지 주요 속성으로 보다 실용적인 정의를 충족 해야 합니다. 즉, 여러 작업을 수행할 수 있어야 하고. 끊임 없이 변화하는 환경으로 빠르게 진화 할 수 있어야 하며, 인간의 개입을 최소화 하여 새로운 개념과 행동을 배울 수 있어야 합니다.

Alexa의 경우, 자기 지도(self-supervision)로 학습된 Transformer 기반의 거대 언어 모델을 탑재하여 이전보다 훨씬 적은 수의 라벨링 데이터로 더 많은 작업을 지원합니다. 예를 들어, Alexa의 사전 훈련된 대규모 언어 모델인 Alexa Teacher Model은 언어 이해, 대화 예측, 음성 인식 및 시각적 장면 이해에 사용 되는 지식을 캡처하여 자동적으로 고객의 오류나 Alexa의 언어 이해 모델에서의 오류 등 수천만 개의 결함을 자동으로 수정하는 등의 자기 학습(self-learning) 메카니즘을 가지고 있습니다. 고객들은 Alexa에게 새로운 행위를 가르칠 수 있고 Alexa는 이를 다중 컨텍스트에 대해 교차 일반화하는 것이 가능합니다.

즉, Alexa와의 대화에서 조명 셋팅을 표현하는 용어(“조도를 높이기, 낮추기”)를 스피커 셋팅(“소리를 높이기, 낮추기”)에도 활용할 수 있습니다. Alexa가 주변기기(Ambient Device)에 탑재되어 대화 탐색을 수행할 때, 사용자의 관심 주제, 관심 제품의 뉴스를 고려하여 결정에 필요한 특정 정보를 포함할 수 있습니다. 이는 좀더 유용한 정보와 제안을 고려하여 사용자의 쿼리에 대해 답변할 수 있도록 하는 방법으로 이를 위해서는 다음과 같이 3가지 타입의 진화가 필요합니다.

• Alexa Conversations의 딥러닝을 통한 대화 흐름 예측
• 고객 질의에 대해서 관련된 정보를 일치 시키기 위한 웹 규모의 신경망 정보 조회
• 자동화된 요약, 단일 또는 다중의 소스로부터 정보를 정제

Amazon의 Alexa Conversations는 고객 상호 작용, 대화 기록 및 대화 기록을 기반으로 Alexa가 취해야 하는 조치를 결정하는 대화 관리자로 활용됩니다. 사용자의 쿼리, 입력, 부분적인 제목으로의 검색 등은 자연스러운 정보 탐색을 위해 필요한 기능으로, 웹 규모의 신경망 정보 검색을 통해 수억개의 데이터 포인트 규모에서 다양한 양식과 다른 언어로 정보를 검색한 후, Transformer기반 모델을 사용하여 의미적으로 고객 쿼리와 관련된 정보를 매칭합니다. 훈련된 모델은 다양한 데이터 소스를 활용하여 다단계로 최적화된 학습 패러다임을 사용하고, 대화 탐색은 딥러닝 모델을 사용하여 중요한 정보를 유지하면서 정보를 간략하게 요약 할 수 있다는 의미가 됩니다.

우주에서 만나는 Alexa

Alexa는 NASA의 다가오는 Artemis 1 임무에 동행하여 Artemis 1 우주선과 텍사스 휴스턴의 Johnson Space Center의 임무를 음성으로 제어하는 상호작용을 제공합니다. re:MARS 에서는 우주선 승무원 객실의 실물 크기 모형과 첫 번째 Artemis 임무의 일부가 될 Alexa 시스템이 전시되었습니다. (Link)

Amazon은 Lockheed Martin과 협력하여 Alexa를 Artemis I 을 위한 NASA Orion 우주선의 승무원실에 탑재하는 프로젝트를 진행했습니다. 첫 임무는 무인 환경에서 NASA가 달 이외 다른 우주 목적지에서도 미래의 유인 우주인의 임무에 사용할 수 있는 기술을 테스트하는 것으로, 우주 비행사가 임무를 수행하는 동안 필요할 수 있는 기능에 대한 작업 중, 첫 번째는 원격 측정에 대한 액세스입니다. 이를 위해서는 “Alexa, 오리온이 얼마나 빨리 이동하고 있나요?” 와 같은 질문에 답할 수 있는 능력이 필요합니다.

또한 “Alexa, 객실 온도는?” 등과 같이, 기내에서 우주선에 탑재된 연결된 장치를 제어하는 기능 또한 요구되기도 하고, Alexa가 뉴스 브리핑이나 스포츠 경기 결과와 같은 정보를 지구에서 검색할 수 있도록 하여 우주 비행사가 먼 우주에서 긴 임무를 수행하는 동안 집에 연결되어 있도록 할 수 있습니다. Lockheed Martin은 Alexa가 내장된 맞춤형의 우주 등급 하드웨어를 만들었고 Amazon 팀은 보다 자연스러운 사용자 경험에 생명을 불어넣는 데 필요한 모든 음향, 오디오 처리 및 소프트웨어 작업을 처리 했습니다.

사용자가 어디에서나 Alexa를 사용하기를 희망하는 기대에 부응하여, Alexa는 집 밖의 또 다른 환경, 우주에서조차 이용될 수 있고 잠재적으로 우주 비행사 및 기타 임무 제어를 도울 수 있다는 가능성을 보여 주었습니다. 이 프로젝트를 통해 구축된 기술은 지구에서도 적용될 수 있는데, 예를 들어 자동차 등과 같은 엣지(Edge) 환경에서도 온보드 Alexa를 통합하면 로컬 음성 제어 기술을 사용하여 연결이 제한되거나 연결이 없는 영역에서 원격 환경을 지원할 수 있습니다.

해당 프로젝트를 통해서 팀이 해결한 문제는 우주비행사들이 우주공간에서 음성으로 작업에 관련된 대화를 하고 업무별 정보와 필요 기능 파악을 위한 사용자 경험에 대한 개혁이었다고 볼 수 있습니다. 충격, 진동, 방사선 노출, 무게제한 및 우주 여행시 밀폐된 승무원 객실에서의 고유한 음향 특성 처리도 주요한 문제가 되었습니다. UX 디자이너, Justin Nikolaus 는 해당 프로젝트는 많은 모호성을 지닌 거대한 프로젝트이며 사용자 경험과 마케팅에서 우주 등급 재료를 사용한 건물에 이르기까지 이전에 해보지 못한 많은 측면의 다양한 작업을 수행하고 이러한 새로운 문제를 해결하는 것은 매우 흥미로운 주제였다고 밝혔습니다.

스마트 스토어 Amazon One 과 함께하는 빠른 인증

기술 쇼 케이스(Tech Showcase) 참석자는 Just Walk Out을 통해 입구에서 출구까지 소매 고객 여정을 경험할 수 있는 스마트 스토어를 방문할 수 있었습니다. Amazon의Physical Store기술 부사장 Dilip Kumar는 기조 연설에서 그의 팀이 물리적 공간에서 고객에게 더 쉽고 빠른 매장 내 쇼핑 경험을 제공하기 위해 컴퓨터 비전과 기계 학습을 사용하는 방법으로 Just Walk Out 기술을 사용한 Check-free shopping 과 Amazon One 을 소개하였습니다.

Just Walk Out 은 2018년 출시된 이후로 빠르게 확장되어, 고객을 위한 매장 내 쇼핑 경험을 재정의하는 새로운 서비스에 도입되었고 미국과 영국의 30개 이상의 Amazon Fresh 매장, 미국의 25개 이상의 Amazon Go 매장 및 2개의 Whole Foods Market 매장에서 사용되고 있습니다. 또한 Amazon One도 미국 전역의 일부 매장에서 경험 할 수 있습니다.

Amazon One은 사람들이 손바닥을 사용하여 매장에서 결재, 포인트 카드 제시, 경기장과 같은 장소에 입장 또는 배지 태킹 등 일상 활동을 보다 쉽게 수행할 수 있는 비접촉 방식 서비스로 설계되었습니다. 맞춤형 알고리즘과 하드웨어를 사용하여 사람의 고유한 손바닥 서명을 만들어 사용자가 쉽게 가입하고 사용할 수 있도록 했으며, 다양한 위치와 다양한 용도로 사용할 수 있는 옵션으로 제공이 가능하여 일부 Amazon Go 매장에서 고객이 입장해서 쇼핑할 때 편리하게 사용할 수 있도록 매장 입구 게이트에 추가되어 서비스를 시작합니다.

대부분의 소매 환경에서 Amazon One은 기존 POS 시스템 옆에 있는 계산대에서 장치를 사용하여 대체 결재 또는 로열티 카드 옵션으로 사용 될 수 있습니다. 경기장과 같은 장소에 입장하거나 직장에서 사용하는 뱃지 시스템의 경우 Amazon One을 게이트의 일부로 사용하여 사용자가 더 빠르고 쉽게 액세스 하도록 할 수 있습니다. 손바닥 인식의 경우, 손바닥 이미지를 보고 사람의 신원을 확인할 수 없기 때문에 손바닥 인식이 일부 생체 인식 대안보다 사적인 것으로 간주되기도 합니다. 사용할 장치 위에 손바닥을 대고 의도적인 제스처를 취하는 과정에서 인식이 되는 비접촉 방식이며 이는 COVID-19시대에 고객이 중요하게 생각하는 포인트이기도 합니다. 궁극적으로 손바닥을 생체 인식 식별자로 사용하면 고객이 언제 어디서나 편하고 안전하게 사용할 수 있습니다.

합성 데이터(Synthetic Data)를 활용한 로봇 인식 능력 고도화

로봇의 진보된 인식기능(Advanced Perception)을 위해서는 기계 학습 모델 생성을 위한 학습 데이터가 필요하며 이는 종종 이미지를 의미합니다. 학습에 필요한 풍부한 이미지를 찾고 정확하게 레이블을 지정하는 것은 비용이 많이 들기 때문에 자신만의 이미지를 만들어 쓸 수 있다면 좀더 효과적인 대안이 됩니다. 기조 연설에서는 Amazon SageMaker Ground Truth를 위한 합성 데이터 생성 사례가 소개되었고, 이를 사용하여 3D 모델에서 몇 시간 내에 레이블이 지정된 합성 3D 이미지를 생성하여 ML 모델을 훈련하는 방법을 공유하였습니다.

Amazon은 고도로 전문화된 컴퓨터 비전 시스템 설계 및 CAD 파일에서 생성되는 새로운 접근 방식을 제시했습니다. 시각적으로 정확한 디지털 트윈 생성과 합성 레이블 이미지 생성으로 시작하여, 이러한 이미지를 Amazon Rekognition Custom Labels로 푸시한 후 사용자 지정 객체 감지 모델을 학습하게 되는데, 소프트웨어와 함께 기존 지적 재산을 사용함으로써 컴퓨터 비전을 경제적이고 다양한 산업적 맥락에 적절하게 만들어 사용하고 있는 방법이 소개되었습니다.

예제로는, Amazon의 주문처리센터에서 제품 패키지를 인식하는 로봇의 인식기능을 학습시키는 과정이 소개 되었습니다. Amazon SageMaker Ground Truth는 사용자를 대신하여 레이블이 지정된 합성 데이터를 생성(Synthetic Data Generation)할 수 있으므로 실제 데이터와 함께 다양한 종류의 패키지의 합성 데이터를 사용하여 여러 비전 유즈케이스에 활용 될 수 있는 기계학습 모델을 만들 수 있습니다.

이런 유즈케이스는 레퍼런스를 찾거나 복제하기 어려울 수 있는 엣지 케이스, 즉 재난 대응 시나리오와 같은 케이스를 포함합니다. 사용자는 합성 이미지 요구 사항을 지정하거나 3차원(3D) 자산 및 baseline image를 제공할 수 있으며 AWS 디지털 아티스트는 자동으로 레이블이 지정되는 수 만 개의 합성 이미지를 생성할 수 있습니다. 생성된 이미지는 객체의 포즈 및 배치를 모방하고 객체 또는 장면 변형을 포함하며 선택적으로 ML 교육 데이터 세트에 자주 포함되지 않는 흠집, 찌그러짐 및 기타 변경과 같은 특성을 추가할 수 있습니다.

복합적 상황 인지를 구현한 Zoox 의 자율주행차

Zoox는 사람들을 태울 수 있을 만큼 안전한 자율 주행을 구현하기 위해 수많은 스마트 센서를 활용한 빅 데이터 분석 및 테스트를 통해 안전한 자율주행을 위한 인식 기술을 소개하였습니다. 해당 소개에서 Zoox 팀은 주변 색과 동일한 장애물, 행인 등을 놓치지 않으려는 False Positive Detection을 위해 센서, 카메라, 시뮬레이션 기술을 활용한 통합적 인지 알고리즘을 시연 하였습니다.

2부. Automation & Robotics

Amazon 주문처리센터의 로봇과 자동화

Amazon은 주문처리센터(fullillment center)의 최신 로봇들을 공개하였습니다. 로봇은 물류 센터 및 에어 허브를 포함하여 전 세계적으로, 주문처리센터에서 패키지를 분류하고, 제품과 주문을 옮기고, 효율성을 높이는 데 활용되고 있습니다. 현재 Amazon은 520,000개 이상의 로봇 구동 장치를 보유하고 있으며 전 세계적으로 백만 개 이상의 일자리를 창출 했습니다.(Link)

Amazon은 분류 센터와 에어 허브를 포함하여 전 세계의 시설에 12가지 이상의 다른 유형의 로봇 시스템을 보유하고 있습니다. Kiva 인수 초기부터 고객에게 제공하기 위한, 안전하고 조화롭게 일하는 사람과 기술에 관한 비전으로 발전을 지속하고 있습니다. Kiva 인수 후Amazon은 고객과 직원의 경험을 개선하고 더 안전한 작업장을 만들기 위해 새롭고 흥미로운 영역에서 계속 혁신에 투자하고 있습니다.

일반적인 Amazon주문 처리 센터에는 상품을 운송하는 자율 이동 로봇인 로봇 드라이브 플릿이 있습니다. 각각 헤라클레스(Hercules), 페가수스(Pegasus) 및 (크산투스)Xanthus와 같은 영웅적인 이름이 있지만 사실 이들은, 고객의 집까지 상품을 효율적으로 배송하는 데 필요한 평범하지만 필요한 작업을 수행합니다. 헤라클레스는 이름에서 알 수 있듯이 힘과 속도가 중요하며, 포장을 위해 재고로부터 직원에게 상품을 가져옵니다.

이름이 그리스 신화의 날개 달린 말을 연상시키는 페가수스는 우편번호나 배송 경로별로 소포를 분류합니다. 아킬레우스의 병거를 끄는 불멸의 말의 이름을 딴 크산투스(Xanthus)는 분류작업 뿐 아니라 다른 작업도 수행할 수 있습니다. 로봇 드라이브는 직원, 기타 모바일 로봇, 장애물 및 혼잡한 상황을 포함하여 끊임없이 변화하는 환경에 적응하여 안전하게 탐색하면서 작업을 완료하는데, 올바른 제품을 올바른 장소에 전달해야 할 뿐만 아니라 올바른 시간에 수행하는 목표를 가지고 있습니다.

헤라클레스(Hercules) 와 페가수스(Pegasus)

헤라클레스 자체는 인코딩된 마커 그리드가 포함된 구조화된 필드를 탐색하도록 설계된 4세대 드라이브로. 아래쪽을 향한 카메라로 마커를 읽으면 위치와 모든 포드(PoD)의 위치를 찾을 수 있습니다. 헤라클레스는 사람, 기타 로봇 및 장애물을 식별하는 전면 3D 카메라가 장착되어 있는데, 문제가 발생할 경우 이러한 이미지를 사용하여 신속하게 안전한 결정을 내릴 수 있고, 정전이 되거나 Wi-Fi가 충돌하는 경우 안전하게 응답하도록 프로그래밍 되어 있습니다. 헤라클레스는 또한 Tech Vest라는 웨어러블 Wi-Fi 송신기를 사용하여 다른 로봇 및 인간과 통신합니다. 이를 통해, 센서 범위를 넘어 인간과 로봇의 위치를 식별할 수 있으므로 인간 장애물을 피하도록 경로를 계획할 수 있도록 설계되어 있습니다.(Link)

헤라클레스 드라이브는 일부가 작동을 일시 중지해야 하는 경우에도 병렬로 작동하는데, 10개 또는 100개의 로봇 드라이브가 배터리 재충전, 혹은, 진단 수행을 위해 중지하는 경우에 나머지 무리가 다시 계획하고 경로를 변경할 수 있도록 설계되어 있어 single point of failure를 극복하고 있습니다.

2018년, 아마존은 직원들로부터 완성된 소포를 가져와서 주문 처리 센터 내에서 우편 번호 또는 배송 경로 별로 분류하는데 사용되는 드라이브인 페가수스를 공개한 바 있는데, 페가수스는 헤라클레스 드라이브에 구현되었으며 구조화된 필드를 사용하여 분류 센터를 탐색하고, 헤라클레스와 마찬가지로 완전히 사람, 다른 로봇 및 장애물을 감지하여 그들 주변에서 안전하게 작동합니다.

두 로봇의 가장 큰 차이점은, 페가수스는 퍽 같은 드라이브 위에 미니 컨베이어 벨트가 장착되어 있다는 점입니다. 트럭이 포장되고 라벨이 붙은 소포를 배달할 때, 이들은 시설의 메자닌 위층으로 올라가는 컨베이어 벨트로 이동하여 그곳에서 로봇 팔(Robot Arm)이 각 소포를 스캔하여 페가수스의 미니 컨베이에 올려 주면, 주소를 기반으로 로봇의 경로를 결정합니다. 그런 다음 페가수스는 바닥에 있는 배열을 탐색하고 올바른 화물에 도착하면 컨베이어가 패키지를 슈트 아래로 떨어뜨려 올바른 로딩 도크로의 배달을 완료합니다.

프로테우스(Proteus)

프로테우스는 최초의 완전 자율이동 로봇으로 Amazon에서 개발한 고급 안전, 인식, 탐색 기술을 사용한 로봇입니다. 프로테우스는 시설 내에서 자율적으로 이동할 수 있습니다. 과거, 로봇과 사람을 동일한 공간에 통합하는 것이 어려웠기 때문에, 로봇은 작업을 수행하고 직원 주위를 이동하고 자동으로 방향을 잡도록 제작 되었습니다. 로봇을 제한된 영역에 국한시키지 않고 자율성을 부여하는 부분에 프로테우스의 장점이 부각되며 기술과 사람 사이의 간단하고 안전한 상호 작용을 강화하는 방식으로 작동하는 로봇입니다.

예를 들어 패키지를 옮기는데 사용되는 바퀴가 달린 운송 수단인 GoCart를 들어 올려 목적지로 이동하는 형태로 직원을 돕고 있습니다. 프로테우스는 처음에 주문 처리 센터 및 분류 센터의 아웃바운드 GoCart 처리 영역에 배치되어 네트워크 전체에서 GoCart 처리를 자동화하여 사람들이 무거운 물체를 수동으로 이동할 필요성을 줄이고 대신 더 보람 있는 작업에 집중할 수 있도록 돕게 되었습니다. (Link)

카디날(Cardinal)

카디날은 고급 인공 지능(AI)과 컴퓨터 비전을 사용하여 패키지 더미에서 신속하고 빠르게 하나의 패키지를 선택하여 들어 올리고 라벨을 읽은 후 GoCart에 정확하게 넣어 패키지를 보낼 수 있습니다. 카디날은 협소한 공간에서 크거나 무거운 패키지 또는 복잡한 포장을 들어 올리거나 돌려야 하는 작업을 처리하여 직원의 부상 위험을 줄일 수 있도록 지원합니다.

카디날을 사용하면 배송 프로세스 초기에 패키지 분류가 이루어지므로 시설의 프로세스 시간이 빨라지고 배치 기반 수동 작업을 지속적이고 자동화된 작업으로 변환하기 때문에 Amazon 배송 작업이 더 원활하게 실행됩니다. 현재 최대 50파운드의 패키지를 처리하는 카디날 프로토타입을 테스트하고 있으며, 이 기술은 내년에 주문 처리 센터에 배포될 예정입니다. (Link)

아마존 로보틱스 ID (AR ID)

직원들의 피드백을 바탕으로 Amazon은 혁신적인 컴퓨터 비전 및 기계 학습 기술이 포함된 AI 기반 스캔 기능인 Amazon Robotics ID(AR ID)를 만들어 시설에서 패키지를 더 쉽게 스캔할 수 있도록 했습니다. 현재 당사 시설의 모든 패키지는 주문 처리 센터에서 수동으로 스캐닝 되는데, 제품 품목이 워크스테이션에 도착하고 직원이 포장 상자에서 패키지를 선택하면 핸드 스캐너를 사용하여 직원이 바코드를 찾고 품목을 손으로 스캔합니다.

AR ID는 초당 120프레임으로 실행되는 고유한 카메라 시스템을 사용하여 수동 스캔 프로세스를 제거하여 직원에게 더 큰 이동성을 제공하고 부상 위험을 줄이는 데 도움을 줍니다. 직원들은 한 손이 아닌 양손으로 자유롭게 패키지를 처리하고 다른 한 손에는 스캐너를 들거나 손으로 스캔할 수 있도록 패키지를 위치 시킬수 있습니다. 이 기술은 자연스러운 움직임을 지원하기 위한 기술로 백그라운드에서 지원하게 됩니다. (Link)

컨테이너식 스토리지 시스템

제품의 컨테이너수송은 작업장 안전을 개선한 또 다른 혁신으로, 많은 아마존 주문 처리 센터에서 직원들은 현재 고객 주문을 처리하는 과정에서 제품이 이동할 때 품목을 선택하거나 모바일 선반에 보관합니다. 직원이 물건을 찾을 때 손을 뻗거나, 굽히거나, 사다리를 올라야 하는 필요성을 줄이기 위해 직원에게 보다 인체 공학적으로 친숙한 방식으로 제품을 전달하는 로봇 시스템을 개발하고 있습니다.

Amazon의 새로운 컨테이너형 보관 시스템은 어떤 포드(POD)에 필요한 제품이 담긴 컨테이너가 있는지, 해당 컨테이너가 포드에 있는 위치, 컨테이너를 잡고 직원에게 당기는 방법, 직원이 제품을 회수한 후 픽업하는 방법을 결정하는 데 도움을 주게 됩니다. 결과적으로 직원들은 보다 편안하고 안전한 경험을 누릴 수 있습니다.

10년이 흘렀지만 직원과 고객의 경험을 개선하기 위한 Amazon의 노력은 변함이 없으며 흥미로운 이유로 시작한 것이 현재는 로봇 공학자, 엔지니어, 소프트웨어 개발자, 인체 공학 전문가 및 당사 운영에 혁명을 일으킨 기타 전문가로 구성된 전담 팀으로 성장 했습니다. Amazon의 시설은 그 어느 때보다 안전하고 더 협조적이며 고객이 원하는 제품을 원하는 시간과 장소에 제공하는 데 필수적인 역할을 하고 있습니다. (Link)

아스트로(Astro) 인간과 교감하는 홈 로봇의 진화

지난 가을에 소개된 Astro는 가정 로봇으로 집이 안전한지 확인하고 Intelligent Motion을 사용하여 스스로 집의 구조를 완전히 매핑한 다음 편안한 산책 속도로 필요한 곳이면 어디든지 우아하게 탐색할 수 있도록 설계 되었습니다. 아스트로는 여러 유형의 센서에서 데이터를 실시간으로 처리하여 상세한 장애물 지도를 구축하여 집안의 사람, 애완동물의 시야를 가리지 않도록, 가구 주변을 이동하거나 바닥에 떨어진 신발이나 배낭을 피할 수 있습니다.

Astro는 자신의 의도를 물리적으로 전달하고 자연스럽고 유쾌하게 사람들과 소통하는 자체 바디 랭귀지를 가지고 있습니다. 또한 사용되지 않은 시간에는, 항상 활동 준비 상태를 유지하기 위해 배터리가 부족할 때 자동으로 충전하는 기능을 가지고 있으며, Visual ID라는 새로운 컴퓨터 비전 기능을 사용하여 가족 구성원을 인식하는 방법을 배울 수 있는데, 미리 알림, 알람 또는 타이머를 제공하기도 하고, 화상 통화가 오면 소유자 혹은 등록된 다른 가족 구성원을 빠르게 찾을 수 있습니다. 집 주인이 집을 비운 동안 Astro는 집을 순찰하여 집주인의 체크인을 위해 비디오 클립의 타임라인을 만들고 유리가 깨지거나 알람이 울리는 소리가 들리면 알려줄 수 있습니다. 사용자가 집 내부의 상황을 확인하려는 경우 Astro 앱을 사용하여 라이브 뷰 세션을 시작하고 Astro를 보내 원격으로 상황을 파악할 수 있습니다.

웨어러블 로봇(Wearable robotics)

미시간 대학(University of Michigan)의 Neurobionics Lab의 두 연구원인 Yves Nazon과 Riley Pieper는 발목 외골격 보조 장치(Robotic exoskeletons)를 개발 중입니다. Nazon은 이러한 웨어러블 로봇이 사람들에게 달리거나 걸을 때 도움을 제공하도록 프로그래밍할 수 있는 방법을 시연했는데, 이 두 사람은 사용자의 외골격 사용의 다중 요소적 특성을 포착하여 그 선호도를 반영한 웨어러블 로봇을 개발해 외골격 제어를 지원하는 방법을 연구 중입니다.

개인의 선호도는 여러 참가자들이 걷는 동안 양측 발목 외골격을 착용하고 걸으면서 체계적으로 측정되는데, 보행 속도, 기기 노출, 기술적 배경이 다른 비 장애 참가자 개인들 간에 선호도가 어떻게 변하는지 식별하고 반복성을 조사하는 방식으로 특성화 합니다. 그 결과로 참가자들의 선호하는 보행 범위와 보행 주기를 발견하고 토크 레벨이 반영된 로봇 외골격은 육체적으로 힘든 직업을 가진 사람들이나 거동이 불편한 사람들을 지원할 수 있습니다.

싱크론(Synchron) 두뇌화 컴퓨터 상호작용

음성이나 움직임으로 의사 소통하는 능력을 잃은 사람들의 소망 중 하나는 단순히 사랑하는 사람에게 간단한 문자 메시지를 보내는 방법을 찾는 것입니다. 신체적 장애가 있거나 마비로 인해 은행, 쇼핑, 거래, 공동 작업, 의사 소통과 같은 디지털화 된 세상의 온라인 커뮤니케이션 작업에 액세스할 수 없는 사람은 약 1억명에 달한다고 합니다.

Synchron의 창립자이자 최고 경영자(CEO)이자 신경학자인 Thomas Oxley 박사는 혈관 내의 두뇌 컴퓨터 인터페이스(Brain Computer Interface:BCI)를 개발하였습니다. 이는 신경 보철, 신경 조절, 및 신경 진단 버티컬을 변형하여, 사람들이 생각을 사용하여 컴퓨터와 인터페이스할 수 있도록 뇌 임플란트를 사용하는 신경 보철 기술입니다. 근위축성 측삭 경화증(ALS) 진단 후 마비된 62세 호주 남성은 BCI를 사용하여 소셜 미디어에 메시지를 보낸 최초의 사람이 되었는데, Oxley박사는 re:MARS Day 2 기조연설에서 이 획기적인 기술을 소개했습니다. (Link)

3부. Space

클라우드를 궁극의 Edge 에 제공하다

AWS는 Axiom Space와 협력하여 엣지 컴퓨팅 및 스토리지 디바이스인 AWS Snowcone을 Axiom Mission 1의 국제 우주 정거장으로 보냈습니다AWS Snowcone을 인증하기 위해 AWS는 NASA와 함께 열, 진공, 음향 및 진동 테스트를 거쳤고 re:MARS 2022에서 AWS는 Axiom Space와 AWS 통합 팀이 우주정거장의 AWS Snowcone과 원격 통신에 성공했다고 발표하였습니다. 이는 팀이 우주 기반 데이터 세트에서 엣지 처리를 수행했다는데 의미를 가집니다. (Link)

Axiom Space를 비롯한 전 세계의 항공우주 조직은 국제 우주 정거장이 착륙할 때 인간이 지구 저궤도(LEO)에서 어떻게 탐사, 연구 및 비즈니스를 수행할 것인지에 대한 새로운 아이디어를 개발하고 있습니다.

지구 밖에서는 사이언스 관련된 작업을 처리해야하는 컴퓨팅 리소스에 대한 요구 사항이 있지만, 인간의 우주 비행 조건에 의해 제한된 인프라, 제한된 대역폭을 해결해야 합니다. 즉, 우주 비행사가 수집한 데이터와 이미지를 처리하기 위해서는 지구에 있는 시설로 다시 보내야 합니다. 지구 바로 위에서 궤도를 도는 경우에는 사소한 문제일 수 있으나, 화성에 대한 탐사 임무는 지구를 여행하고 우주선으로 되돌아가는 데 필요한 엄청난 양의 정보로 인해 훨씬 더 긴 지연이 예상되는 업무입니다.

이에 대한 해결을 위해서 AWS는 첫 미션의 하나로 최근에 AWS Snowcone SSD를 국제 우주 정거장(ISS)으로 보냈습니다. Amazon Prime은 현재 우주정거장으로의 배송을 지원하지 않기 때문에AWS Snowcone은 첫 번째 Axiom Space Mission(Ax-1)의 일환으로 Falcon 9 로켓을 이용해 배송된 셈입니다. 이 임무의 일환으로 네 명의 개인 우주 비행사가 실험을 진행하고 17일동안 240번의 지구 여행에 걸친 기술 데모를 수행했다고 알려졌습니다.

AWS Snowcone은 엣지 컴퓨팅 워크로드를 실행하도록 설계되었으며, 모두 다중 암호화 계층으로 보호되어 있습니다. 데이터가 로컬에서 수집 및 처리된 후에는 처리된 데이터를 클라우드에 저장하고 추가로 처리할 수 있도록 디바이스를 일반적으로 AWS로 다시 전송하거나 AWS DataSync를 사용하여 디바이스에서 AWS로 데이터를 다시 복사 할 수 있습니다. 하드웨어 측면에서 AWS Snowcone은 작고 매우 견고하며 가벼운데, CPU 2개, 4GB 메모리 및 14TB의 SSD 스토리지를 통해 많은 로컬 처리 및 저장을 수행할 수 있으므로 Ax-1 미션에 적합했다고 알려졌습니다.

우주 정거장 Orbital Reef 로 우주로의 길을 열다

Amazon은 최초의 다목적 우주 정거장인 Orbital Reef를 건설을 위해 노력하고 있습니다. Orbital Reef는 지구 저 궤도(LEO)에 건설된 첫번째 상업, 연구, 관광을 위한 우주 정거장으로 비용과 복잡성을 줄여 저궤도에 접근을 가능하게 하고 신규 고객이 우주 상거래에서 연구에 이르기까지 다양한 기능을 수행할 수 있도록 지원합니다. 이를 위해 기획, 탑재체 개발, 교육, 운송, 데이터 분석, 사람 또는 탑재체에 대한 보안 등 우주 비행 초보자에게 필요한 엔드 투 엔드 서비스, 표준 인터페이스 및 기술 지원을 가능하게 하는데 목표를 두고 있습니다.

블루 오리진(Blue Origin)과 시에라스페이스(Sierra Space)는 보잉(Boeing), 레드와이어스페이스(Redwire Space), 제네시스 엔지니어링(Genesis Engineering Solutions) 및 아리조나 주립 대학(Arizona State University)과 협력하여 10년 안에 Orbital Reef를 제공할 예정입니다. 협력체들은 각자의 범위에서 다음과 같은 업무를 수행합니다.

• 블루오리진은 스테이션의 기반 시설, 대구경 금속 모듈, 라스트 마일 우주 예인선 및 재사용 가능한 중량물 New Glenn 발사 시스템의 개발을 주도
• 시에라스페이스는 LIFE(Large Integrated Flexible Environment) 및 작은 직경의 금속 노드 모듈, 그리고 세계 어느 곳에서든 활주로 착륙이 가능한 승무원 및 화물 운송을 위한 Dream Chaser 우주선의 개발을 주도
• Amazon은 물류 및 종단간 공급망 관리에 대한 전문 지식을 공유하여 Orbital Reef 운영 및 거주자를 지원하는 안정적인 인프라를 Orbital Reef에 개발, 출시 및 확장할 수 있도록 지원
• AWS는 우주 정거장 개발 및 설계, 비행 운영, 데이터 관리, 엔터프라이즈 아키텍처 솔루션, 통합 네트워킹, 물류 및 통신 기능을 비롯한 장단기 기술 요구 사항을 모두 지원하는 다양한 통합 클라우드 서비스 및 도구를 제공
• 보잉은 스테이션의 운영 및 유지 관리 및 과학 모듈과 Starliner 승무원 캡슐의 개발을 주도
• 레드와이어스페이스는 미세중력 연구 페이로드 개발 및 운영, 대규모 배포 가능한 구조, Orbital Reef 디지털 트윈을 주도
• 제네시스 엔지니어링은 일상적인 작업과 관광 여행을 위한 1인용 우주선을 개발
• 아리조나 주립 대학은 연구 자문 서비스 및 공공 지원을 위한 글로벌 대학 컨소시엄인 University Advisory Group을 주도

Orbital Insights(Link)를 활용하면 위성 이미지, 센서 데이터 및 위치 데이터를 포함한 수십억 개의 데이터 포인트를 샅샅이 살펴보고 AI를 적용하여 기계학습을 통해 이러한 수십억 개의 데이터 포인트를 분석할 수 있습니다. 이는 고객에게 매일 변화하는 수백만 개의 위성 이미지를 촬용하는 동적인 방법을 제공하는 것으로, 이를 활용한 기업은 인공 지능(AI)과 함께 지리 공간 데이터의 힘을 활용하여 공급망 중단, 경제적 변동성, 기후 변화, 삼림 벌채 등을 정확하게 예측할 수 있습니다.

루나 아웃포스트(Lunar Outpost)의 달 표면 탐사 로봇 맵 로버(MAPP Rover)

Lunar Outpost는 Nokia의 LTE/4G NASA Tipping Point 프로젝트를 지원하는 직관적인 기계(Intuitive Machine) 을 사용하여 달 표면에서 최초의 LTE/4G 네트워크를 구축, 통합하고 테스트합니다. 이런 노력의 주요 목표는 달 작업과 미래의 인간 우주 비행을 위한 근접 통신을 지원하고, 지구와 달 사이의 경제를 빠르게 성장 시킬 수 있는 기반 시설을 구축하려고 하는 것으로, Nokia Bell Labs는 이 임무를 위해 루나아웃포스트의 이동식 자율 탐사 플랫폼(Mobile Autonomous Prospecting Platform: MAPP) 을 구축 하였습니다. 맵 로버(MAPP Rover)는 달 표면에서 LTE/4G 통신 시스템의 기능을 성공적으로 연구하는 데 필요한 전송 데이터(payload)와 이동성 및 이동 통신 기능을 제공합니다.

맺으며

re:MARS 2022의 참석자들은 기조연설(Keynotes) 과 리더쉽 세션(Leadership Sessions)을 통해 혁신적인 사상가들의 이야기를 듣고, Amazon의 AI 발전 속도를 파악할 수 있었습니다. 대화형 워크샵(Breakout sessions) 및 해커톤을 통해서 최신 AI를 적용하는 방법을 배우는 기회도 제공되었습니다. Amazon뿐 아니라, 학계, 산업의 관련 커뮤니티들이 참여한 전시(Tech Showcase demo)를 통해, 업계 리더들이 AI의 실제 적용 사례를 경험하며 트렌드를 직접 파악하고 Amazon 팀과 연결될 수 있었던 주요 창구가 되었습니다. 참석자들은 데모를 통해 소개된 음성, 비전, IoT, Edge 등 다양한 핵심 기술의 합체에 영감을 받기도 했습니다.

본 행사를 통해 비지니스 리더들은 제품 및 비지니스 혁신에 대한 아이디어를 경험하였고, 조직의 리더들은 AI/ML에 대한 인재 양성의 필요성을 느낄 수 있었던 계기가 되었을 것이라 확신합니다.

주된 키노트의 내용은 아래 링크를 통해 다시 보기 할 수 있으니 참고하십시오.

• Day1: https://www.youtube.com/watch?v=CNG8vSqZp6E
• Day2: https://www.youtube.com/watch?v=22cb24-sGhg
• Day3: https://www.youtube.com/watch?v=_wd0IJBTwbY