창고 로봇은 카메라 네 대를 지연 없이 처리할 수 있을까?
AAEON BOXER-8741AI는 Jetson Thor와 멀티기가비트 카메라 네트워크를 엣지 PC에 담았습니다. 창고 로봇을 도입하기 전 시험에서 무엇을 측정할지 살펴봅니다.
창고 로봇이 물체를 정확히 감지해도 그 결과가 오래전에 촬영한 영상에서 나온 것일 수 있습니다. 하역장으로 로봇을 안내하는 소프트웨어에 결과가 도착할 때는 영상 속 팔레트가 이미 움직였고, 더 최근 영상이 처리 대기열에 들어와 있을 수 있죠. 카메라를 늘리면 로봇 주변을 더 넓게 볼 수 있습니다. 결과를 쓰기 전에 컴퓨터가 받아서 디코딩하고 처리할 화면도 함께 늘어납니다.
2026년 11월 12일 산업용 컴퓨터 제조사 AAEON은 NVIDIA Jetson Thor 플랫폼을 기반으로 한 엣지 PC BOXER-8741AI를 발표했습니다. 고속 이더넷과 CAN FD를 함께 갖춰 카메라 여러 대를 쓰면서 차량 전장 장치와 통신하는 자율이동로봇(AMR)에 검토할 만합니다. 로봇이 움직이고 영상을 녹화하고 다른 운영 시스템과 데이터를 주고받는 동안, 시스템 전체가 최신 프레임을 얼마나 일관되게 쓸 수 있는 관측 결과로 바꾸는지가 관건입니다. AAEON 11월 12일 발표
AAEON은 이 상자에 무엇을 넣었나?
AAEON은 연산 성능과 함께 설치 방법, 배선, 전원도 고려해야 하는 기계 제작 현장에 산업용 컴퓨터를 공급합니다. 11월 12일 발표 자료에는 128GB LPDDR5X 메모리를 탑재한 NVIDIA Jetson T5000 모듈, 10기가비트 이더넷 포트 두 개, 5기가비트 이더넷 포트 네 개, CAN FD 인터페이스 두 개가 명시됐습니다. 이더넷 카메라를 연결하고 다른 장치로 데이터를 보내는 데 여러 구성을 쓸 수 있습니다. 카메라와 호스트가 지원하면 직접 연결하거나, 카메라용 스위치를 더 빠른 업링크에 연결하고 공장 네트워크는 별도 인터페이스에 둘 수 있죠. AAEON은 외함과 커넥터를 보여주는 사진도 공개했습니다. AAEON 발표 사양 · AAEON 공식 제품 사진
NVIDIA는 T5000에서 희소 연산을 적용한 FP4 기준 최대 2,070TFLOPS를 제시합니다. NVIDIA가 명시한 정밀도와 희소성 조건에서의 최고 연산 성능입니다. 카메라 입력 수신, 영상 디코딩, 이미지 변환, 추론, 저장, 애플리케이션 간 메시지 전달에는 각각 처리 비용이 듭니다. 기존 모델은 다른 정밀도를 쓸 수도 있죠. 이 숫자는 모듈을 비교할 때 참고할 수 있습니다. 로봇의 인수 기준을 평가할 수치는 실제로 쓸 모델과 카메라, 소프트웨어를 함께 실행해 얻습니다. NVIDIA Jetson 모듈 사양
발주하기 전에는 포트 구성을 확인할 필요가 있습니다. 초기 사양서와 AAEON 한국 제품 페이지에는 25기가비트 이더넷과 QSFP 등 11월 12일 발표 자료와 다른 연결 사양이 나옵니다. 이 자료로 구성에 차이가 있다는 건 알 수 있지만, 특정 유통사가 어떤 하드웨어를 공급하는지는 확정할 수 없습니다. 실제 주문 가능한 부품 번호가 적힌 견적서와 해당 제품의 커넥터 도면, 시험 지역 기준의 예상 납기를 요청하세요. 공개 발표로 확인되는 것은 AAEON이 이 시스템을 선보였다는 사실입니다. 지역별 재고, 납기, 가격은 확인되지 않았습니다. AAEON 초기 사양서 · AAEON 한국 제품 페이지 · AAEON 글로벌 제품 페이지
카메라 네 대가 필요한 대역폭은 계산할 수 있다
팔레트에 다가가는 로봇에 전방 카메라 한 대, 좌우를 보는 카메라 두 대, 작업대에서 위치를 맞추는 근접 카메라 한 대가 있다고 가정해 봅시다. 설계 예시로 카메라 한 대당 1,920 × 1,080의 비압축 영상을 초당 30프레임씩 보낸다고 설정합니다. 8비트 흑백 픽셀을 빈 공간 없이 저장하면 스트림 하나의 이미지 데이터는 약 0.50Gb/s입니다. 24비트 RGB 픽셀을 같은 방식으로 저장하면 한 스트림은 약 1.49Gb/s입니다. RGB 스트림 네 개는 오버헤드를 빼고도 약 5.97Gb/s가 됩니다.
| 촬영 형식 예시 | 카메라 한 대 | 카메라 네 대 |
|---|---|---|
| 1,920 × 1,080, 30fps, 8비트 흑백 | 0.50Gb/s | 1.99Gb/s |
| 1,920 × 1,080, 30fps, 24비트 RGB | 1.49Gb/s | 5.97Gb/s |
표는 이미지 데이터 자체의 전송률을 계산한 값입니다. 통신 규약의 오버헤드, 다른 장치의 트래픽, 순간적으로 몰리는 데이터까지 포함해 대역폭을 잡아야 합니다. BOXER-8741AI의 실제 처리량은 시험으로 측정할 항목입니다. 카메라에서 실제로 쓸 픽셀 형식부터 확인하세요. Bayer, YUV, 패킹된 RGB, 압축 영상은 전송과 처리에 드는 비용이 다릅니다. 영상 압축은 네트워크 트래픽을 줄일 수 있지만, 장면에 따라 비트 전송률이 달라지고 디코딩에 시간이 들 수 있습니다. 표시된 해상도가 같은 카메라도 각 프레임을 보내기 전에 얼마나 처리하는지에 따라 동작이 달라질 수 있습니다.
구성도에서 데이터가 지나는 경로 전체를 따라가 보세요. 앞의 RGB 영상 네 개를 모두 단일 5Gb/s 업링크를 쓰는 스위치에 물리면, 영상 데이터의 합만으로 이미 링크의 공칭 속도를 넘깁니다. 10Gb/s 업링크라면 이 예시에서 더 여유가 생깁니다. 호스트는 여전히 프레임을 수신하고 버퍼를 할당하고 필요한 형식 변환을 거쳐 모델에 데이터를 전달해야 합니다. 같은 스위치에서 로봇 운영 현황 데이터나 서버로 올라가는 영상 클립도 전송한다면 그 트래픽을 계산에 넣고 실제 배치에서 시험하세요. 포트를 따로 쓸 때의 이점은 데이터가 많은 스트림을 다른 트래픽과 덜 경쟁하는 경로로 보낼 수 있다는 데 있습니다.
카메라와 작업 데이터는 엣지 PC를 거칩니다. 안전 기능의 경로는 별도로 검증합니다.
고정된 적재 작업대에서는 또 다른 선택이 필요합니다. 근접 카메라 한 대는 조명이 달라져도 닳은 라벨을 읽을 만큼 선명해야 할 수 있고, 광각 카메라는 주로 팔레트가 시야에 들어왔는지 확인하면 됩니다. 카메라 별로 해상도나 프레임 속도를 다르게 설정할 수 있습니다. 각 화면에서 구분해야 하는 대상과 영상이 얼마나 최신이어야 하는지 스트림별 요구 사항에 적어두세요. 요구를 나누면 세부 정보가 필요한 화면의 품질을 유지하면서 대역폭과 처리 부하를 줄일 수 있습니다.
결과가 도착했을 때 촬영한 지 얼마나 됐는지 잰다
작업자가 관찰할 수 있는 결과부터 정하세요. 예를 들어 팔레트에 접근하면서 정렬을 이어갈지 판단하려면 작업 제어기가 최신 위치 추정값을 제때 받아야 합니다. 영상 인식 시스템이 높은 초당 처리 프레임 수를 보고해도, 들어오는 프레임을 대기열에 넣는 속도가 처리 속도를 앞서면 오래된 관측값이 전달될 수 있습니다. 촬영 시점부터 작업 제어기가 결과를 실제로 받고 사용할 수 있다고 판단하는 시점까지 시간을 재세요. 추론 시간만 재는 것보다 로봇의 동작을 결정하는 과정이 더 넓게 반영됩니다.
여러 번 그대로 돌 수 있는 경로에서 시작하세요. 로봇이 실제로 지날 통로, 도킹 동작, 조명이 달라지는 구간을 포함하고, 나중에 비교할 수 있도록 그 경로와 카메라 설정을 보존합니다.
- 비교 가능한 시각을 기록합니다. 촬영, 수신, 제어기 이벤트에 공통이거나 보정한 시간 기준을 사용합니다. 각 타임스탬프가 어디서 만들어졌는지 남기세요. 호스트의 수신 시각은 네트워크 진단에 유용합니다. 카메라가 먼저 프레임을 대기열에 넣거나 압축하면 수신 시각만으로는 그 대기 시간을 알 수 없습니다.
- 느렸거나 결과가 없었던 때도 기록합니다. 촬영부터 결과까지 걸린 시간의 중앙값과 95번째 백분위수를 기록하세요. 누락 프레임, 너무 오래돼 파이프라인에서 버린 프레임, 제어기에 최신 결과가 전혀 도착하지 않은 구간도 포함합니다. 오래된 프레임부터 버린 시험에서 남은 프레임만 모아 지연을 계산하면 실제 체감보다 빠르게 보일 수 있습니다.
- 실제 작업을 함께 실행합니다. 필요한 카메라를 모두 동시에 스트리밍합니다. 실제 근무 시간에 겹치는 모델 실행, 로컬 녹화, 로봇 운영 메시지, 업로드도 켭니다. GPU, 디코더, CPU, 메모리, 저장장치 활동을 기록해 대기열이 어느 지점부터 늘어나는지 확인하세요. 데이터가 많이 발생하는 구간에서 클립 업로드를 켠 경우와 끈 경우를 비교하면 전송이 결과에 영향을 주는지 알 수 있습니다.
- 장비가 충분히 데워진 뒤 반복합니다. 실제 외함, 장착, 전원 구성을 적용합니다. 장시간의 입력 전력과 온도, 프레임 지연, 연결 끊김을 함께 기록하세요. 오래 가동한 뒤와 예상되는 네트워크 중단 중에 경로를 다시 시험하고, 작업자가 앱을 재시작하지 않아도 정상 상태로 돌아오는지 관찰합니다.
실제 로봇의 시험 데이터에서는 부품별 시험에서 놓치기 쉬운 지연, 발열, 전력, 연결 문제를 확인할 수 있습니다.
하드웨어를 비교하기 전에 인수 기준에 합의하세요. 현재 시스템의 기준값과 작업에서 요구하는 영상의 최신성을 바탕으로 설정하면 됩니다. 시험에서는 유효한 결과가 도착하는 데 걸린 시간과 제때 유효한 결과를 못 받은 빈도를 함께 기록하세요. 모든 카메라 설정과 소프트웨어 설정도 같은 기록에 남깁니다. 비교할 때 조건을 하나씩만 바꾸면 영상 압축, 다른 스위치, 모델 빌드 중 무엇이 성능 차이를 만들었는지 보기 쉽습니다.
영상 인식과 안전 판단을 분리한다
영상 인식으로 팔레트 위치를 추정하거나 도킹에 필요한 화면이 가려졌음을 작업 소프트웨어에 알릴 수 있습니다. 방호 장치나 비상 정지에 반응하는 기계의 안전 기능은 별도 설계와 검증 절차를 거칩니다. CAN FD 연결로 차량 시스템 간 데이터를 전달할 수 있습니다. 제품 사양서에 적힌 인터페이스는 연결 가능성을 보여줍니다. 안전 인증과 적합성은 통합업체가 실제로 검증한 부품과 구성에 달려 있습니다.
AMR 시험에서는 카메라 연결이 끊기거나 관측 결과가 너무 오래됐거나 엣지 PC가 재시작됐을 때 작업 소프트웨어가 어떻게 동작할지 제어팀과 안전팀이 합의하세요. 승인된 시험에서 그 동작을 기록합니다. 작업자에게 보이는 상태와 정상 작업을 재개하기 위한 조건도 확인하세요. 제어팀은 영상 인식 시스템을 사용할 수 없는 상태에서도 독립 방호 기능이 설계대로 작동한다는 자체 근거를 확보해야 합니다.
이 구분은 장비를 비교할 때도 유용합니다. 성능이 더 좋은 엣지 PC가 카메라 중단 뒤 더 빨리 회복한다면 도킹 보조 작업을 다시 시작하는 시간을 줄일 수 있습니다. 이 결과는 해당 작업의 동작과 복구 시험에서 얻은 것입니다. 독립 방호 시험에는 자체 합격 기준을 적용합니다.
통합 검토에 가져갈 자료를 준비한다
실제 부품 번호가 적힌 견적서, 링크별 트래픽 예산이 있는 카메라 연결도, 정확한 시스템 이미지와 모델 빌드의 기록을 준비하세요. 카메라와 펌웨어 버전, 녹화 파일이 저장되는 위치, 외부 네트워크를 잠시 쓸 수 없을 때 로봇이 맡는 작업도 적어둡니다. 설계 단계에서는 예시 부품 목록도 유용합니다. 시험 기록에는 결과를 얻었을 때 실제 설치한 부품과 사용한 소프트웨어가 무엇이었는지 남겨야 합니다.
소프트웨어와 현장 정비에 필요한 시간도 확보하세요. 기존 개발 흐름에 Jetson 모듈을 넣을 수 있지만, 그 흐름을 어디까지 그대로 쓸 수 있을지는 외함, 카메라 드라이버, 운영체제 이미지에 달려 있습니다. 통합 시험에서는 문서에 기록한 버전으로 이미지를 다시 만들고 센서를 연결한 뒤, 재시작 후 촬영 형식과 장치 할당이 같은 상태로 돌아오는지 확인합니다. 로봇을 여러 대씩 배치할 예정이라면 두 번째 장비에서도 반복해 보세요. 정해진 절차로 되풀이할 수 있는 단계와 시제품을 잘 아는 사람이 여전히 필요한 단계를 파악할 수 있습니다.
근무가 끝났을 때 작업자가 어떤 정보를 볼 수 있는지도 정해두세요. 특정 회전 구간을 지날 때마다 측면 카메라가 끊긴다면 카메라 식별자, 끊긴 시각, 온도 기록이 현장 대응의 출발점이 됩니다. 대시보드가 모든 영상 연결을 정상으로 표시하더라도 마지막 유효 영상이 몇 초 전인 스트림을 놓칠 수 있습니다. 기본 연결 상태 옆에 마지막 유효 관측 시각과 중단된 작업의 상태를 표시하는 방법을 고려하세요. 해당 경로를 지원하는 사람이 문제를 처리할 만큼 정보를 얻는지 시험에서 확인할 수 있습니다.
BOXER-8741AI는 여러 고대역폭 입력과 기존 Jetson 소프트웨어를 산업용 PC 한 대에 모을 때 시험할 이유가 가장 큽니다. 지역에서 실제로 공급되는 사양과 전체 작업에 필요한 전력·냉각·시간이 로봇의 조건을 충족하는지는 확인해야 합니다. 카메라 하나와 가벼운 모델을 쓰는 팀도 같은 인수 시험으로 현재 시스템이 작업을 이미 충족하는지 확인할 수 있습니다. 카메라 네 대를 쓰는 시험이라면 다음 단계는 실제 설치 조건에서 전체 작업을 실행하는 것입니다.
시험 기록, 카메라 연결도, 최종 설정을 함께 보관하면 다음 시험에서 같은 결과를 낸 하드웨어와 소프트웨어를 기준으로 시작할 수 있습니다. Telli.sh에서 첫 노트를 만들어 보세요.