top of page

열대 건설 현장의 유충 위험을 AI 로봇으로 판별하다 : 클로봇의 AWS AI PoC 스토리


스마일샤크 PoC 고객사례 Amazon Bedrock SageMaker 활용 클로봇 AI PoC SmileShark PoC customer case Clobot AI PoC using Amazon Bedrock and SageMaker

[ 💡 핵심 요약 ]

1.스마일샤크와 협력해 AWS 기반 AI PoC로 실험 환경 구축
2.VLM + RAG 조합으로 유충 발생 환경 자동 판별 프로토타입 검증 성공
3.AWS Bedrock·SageMaker 활용으로 모델 비교·테스트 시간을 대폭 단축
4.지식기반 기반의 방역 지침 준수 여부 점검 자동화 가능성 확인


주식회사 클로봇

클로봇 로고 Clobot logo

회 사 명  (주) 클로봇

사업분야  로봇 서비스・로봇 솔루션

설 립 일  2017년 5월 8일

홈페이지  https://clobot.co.kr/


클로봇은 이기종 로봇 자율주행 솔루션 카멜레온(Chameleon)과 관제 솔루션 크롬스(CROMS)를 기반으로 안내, 이송, 청소·방역, 안전·순찰, 물류, 제조 등 다양한 분야에 로봇 서비스를 제공하는 기업입니다.


글로벌 네트워크를 구축해 고객이 필요로 하는 로봇 하드웨어(서비스 로봇, 물류 로봇, 산업용 로봇 등)를 소싱해 공급하고 있으며, 원천 기술에 객체 인식, 깊이(거리)·자세 추정 등 AI 인지 모듈을 통합해 주행 모션을 고도화하고, AI 기반 원격 관람·안내 서비스와 사람-로봇 상호작용(HRI) 등 고객 산업별 요구에 최적화된 솔루션 레퍼런스를 지속적으로 축적하고 있습니다.



보고, 이해하고, 반응하는 로봇을 만들다 : 클로봇 로봇 AI 기술팀

Q. 안녕하세요. 간단한 팀소개를 부탁드립니다.

저희 로봇 AI 기술팀은 주로 Vision 기반으로 사물을 인식하고, 객체의 자세나 거리 등을 파악할 수 있는 AI 모델을 개발하고 있습니다.개발한 AI 모델은 자율주행 로봇 솔루션에 통합되어, 장애물 회피나 로봇 모션 생성 고도화를 위해 활용되고 있습니다.


이러한 기술을 바탕으로, 순찰 로봇의 이상 감지나 사람과의 상호작용(Social HRI) 등 다양한 현장 상황에 맞춰 AI 모델을 학습·배포하고 있으며, 최근에는 Vision-Language Model(VLM)을 접목한 프로젝트도 함께 진행하고 있습니다.


클로봇 로봇 AI 기술팀 Clobot Robot AI Technology Team

Q. 스마일샤크와 AI PoC를 추진하게 된 배경이 궁금합니다.

AI PoC 검토는 AWS Summit Seoul 2025를 기점으로 본격화되었습니다. 행사 이후 Amazon Bedrock과 관리형 AI 서비스가 제공하는 기능에 대한 관심이 높아졌고, AWS 측의 제안을 통해 스마일샤크와의 PoC 논의가 시작되었습니다.


마침 클로봇에서는 열대 지방 건설 현장에서 인부들의 안전을 위협하는 해충 문제를 사전에 예방하기 위한 방역 로봇 도입 프로젝트를 추진하고 있었습니다. 특히 모기를 매개로 한 감염 위험이 주요 과제로 떠오르면서, 모기 유충 발생 가능 환경을 사전에 판단할 수 있는 기술적 접근이 필요했습니다.


기존 방법으로는 한계가 있었습니다.

Q. 이번 PoC에서 가장 먼저 확인하고자 했던 과제는 무엇이었나요?

열대 지방 건설 현장은 스콜성 기후로 인해 잦은 비가 내리고, 바닥에 고인 물뿐 아니라 뚜껑이 닫히지 않은 쓰레기통, 손상된 바리케이드 등 다양한 환경에서 모기 유충이 발생할 수 있는 조건이 만들어집니다.


열대 지방 건설현장 해충 발생 환경 문제 Pest risk environment in tropical construction sites

기존 Vision 기반 객체 인식이나 분할 모델만으로는 이처럼 다양한 상황을 탐지하는데 한계가 있었습니다. 이에 저희는 Vision-Language Model(VLM)과 지식 기반 정보를 결합해, 로봇이 단순히 사물을 인식하는 수준을 넘어 ‘유충 발생 가능성이 있는 환경인지’를 종합적으로 판단할 수 있는지를 검증하고자 했습니다.


방역 관리자 교육에 사용되던 해충 방제 가이드와 지침서에 포함된 유충 발생 환경 이미지 및 설명을 지식기반으로 활용하고, 실제 카메라로 수집한 현장 이미지를 분석했을 때 VLM이 판단 결과와 그 근거를 함께 제시할 수 있는지가 핵심 검증 포인트였습니다.


Q. 추가로 기대한 목표가 있었을까요?

기술 검증과 함께, AWS 기반으로 실험을 진행했을 때 구현에 필요한 시간과 비용, 그리고 성능이 어느 수준까지 나오는지를 확인하고자 했습니다. 또한 이러한 구조를 AWS 콘솔 환경에서 얼마나 쉽고 빠르게 구성할 수 있는지도 중요한 판단 기준이었습니다.



애자일하게 진행된 AI PoC 프로젝트

Q. 이번 AI PoC가 어떤 방식으로 진행되었는지 설명 부탁드립니다.

이번 PoC 프로젝트는 애자일 방식으로 유연하게 진행되었습니다. 먼저, 대략적인 시나리오를 설정하고 이를 기반으로 전체 시스템 아키텍처를 구상하였습니다.


이후 짧은 스프린트를 기간을 두고 , Amazon Bedrock, Lambda, Amazon OpenSearch Service(AOSS), Amazon SageMaker 등의 서비스에 대한 사용 방법을 빠르게 익히고, 각 단위 기능을 구현 및 테스트했습니다.


기능 구현이 일정 수준에 도달한 뒤에는 LangChain과 LangGraph를 활용하여 워크플로우를 구현하였으며, Streamlit 기반의 사용자 인터페이스(UI)를 통해 전체 흐름을 테스트했습니다.

 


Bedrock·RAG·SageMaker가 만든 빠른 실험 환경.

Q. 이번 PoC를 통해 확인하신 주요 성과는 무엇이었나요?

이번 PoC를 통해, 다양한 AI 모델을 실제 환경에 맞춰 빠르게 실험하고 비교할 수 있는 기반을 확보했습니다. Amazon Bedrock에 사전 탑재된 여러 AI 모델을 활용해 모델별 성능을 손쉽게 비교·테스트할 수 있었고, 완전관리형으로 제공되는 RAG 구성을 통해 별도의 인프라 구축 없이도 챗봇 테스트를 빠르게 진행할 수 있었습니다.


AWS 기반 AI PoC 실험 환경 구축 효과 Effect of AWS-based AI PoC experimentation environment

그 결과, 초기 실험에 소요되던 시간을 크게 단축할 수 있었으며, 고사양 학습 서버를 별도로 구축하지 않아도 사용한 만큼만 비용을 지불하는 클라우드 환경에서 다양한 모델 실험을 부담 없이 반복할 수 있다는 점을 검증했습니다.



Q. 새롭게 얻으신 인사이트가 있다면 공유 부탁드립니다.

우선, 지식 기반 VLM과 RAG의 확장 가능성을 명확하게 확인할 수 있었습니다. 지식 기반 VLM을 활용하면 방역 지침 준수 여부를 자동으로 분류할 수 있으며, 나아가 의심 지점이나 고위험 지역, 조치가 필요한 항목을 리포트하는 구조로 충분히 확장할 수 있는 가능성이 있다는 것을 파악했습니다. 또한, RAG 기반 구성은 기대 이상으로 높은 성능을 보여주었습니다. 이는 향후 다양한 분야에 활용할 수 있는 잠재력을 충분히 확인시켜준 결과였습니다.


추가로, Amazon SageMaker JumpStart를 활용해 Pre-trained 모델로 파인 튜닝과 엔드포인트 배포를 비교적 빠르게 수행할 수 있다는 점 또한 확인했습니다. 기존에도 내부적으로 MLOps 체계를 갖고있었지만, Amazon SageMaker Pipeline 기반 실험 방식도 충분히 활용할 여지가 있다고 느꼈습니다.

 


스마일샤크는 ‘든든한 조력자’였습니다.

Q. 스마일샤크와의 협업에서 가장 인상 깊었던 점은 무엇이었나요?

가장 인상 깊었던 점은 빠르고 정확하게 문의에 응답하는 지원 체계였습니다. 기술 문의와 일반 문의가 명확하게 구분되어 있어, 관련 담당자에게 신속하게 답변을 받을 수 있었던 점이 좋았습니다. 또한, 시간이 다소 소요되는 질문에 대해서도 상세한 설명과 함께 친절한 피드백을 제공해 주셔서 깊은 신뢰를 가질 수 있었습니다.




PoC를 처음 시작하는 팀에게 전하는 조언

“ ‘기술 자체’ 보다 ‘해결해야 하는 문제’를 중심으로 접근하는 것이 중요합니다.” - 권지현 클로봇 로봇 AI 기술팀 팀장
“PoC 기간은 길지 않기 때문에 목표를 명확하게 설정하고 시작하는 게 핵심입니다.” - 이현우 클로봇 로봇 AI 기술팀 선임연구원


AI PoC의 다음 단계

스마일샤크 고객사례 : clobot, smileshark casestudy

Q. 향후 AI 기술을 실제 서비스나 운영에 적용할 계획이 있으신가요?

AI 기술을 실제 서비스나 운영에 적용하기 위해서는 몇 가지 중요한 요소들이 잘 갖춰져야 합니다. 로봇의 센서 데이터 수집 및 전송, AI 분석 및 판단, 모니터링, 로봇 행동 제어 등 전체 플로우가 하나의 자동화된 시스템으로 잘 엮여야 하고, 이를 안정적으로 운영할 수 있는 체계가 필요합니다. 또한 평가 절차가 도입되어야 하고, 상황에 따른 안전 기준과 복구 조치 메커니즘이 함께 설계되어야 합니다.


실 운영에 적용할 때에는 도메인에 필요한 센서 데이터 연동, 운영 환경에서의 평가·로그 수집, 안전 기준 정립을 차근차근 보완하면서 실제 서비스로 연결해나갈 계획입니다.





스마일샤크는 (주)클로봇과 같은 기업들이 비즈니스에 집중할 수 있도록 지속적으로 지원하고 있습니다.

bottom of page