LG CNSは数カ月を要していた産業用ロボットの現場投入期間を1〜2カ月に短縮するロボット転換（RX）プラットフォーム「フィジカルワークス（PhysicalWorks）」を7日公開した。会社はこれを起点に将来の成長動力と位置づけるロボティクス事業を本格的に拡大する。
LG CNSは同日、ソウル・マゴクのLGサイエンスパークで開かれた「RXメディアデー」で、ロボットのデータ収集、学習、検証、現場適用、運用、管制まで全サイクルを統合管理する「フィジカルワークス」を披露した。ロボットの学習から運用までを網羅する「エンド・トゥ・エンド」RXプラットフォームブランドを打ち出したのはLG CNSが初めてだ。知能型ロボットを迅速に学習させ現場に定着させることが核心である。
フィジカルワークスは大きく「フィジカルワークス・フォージ」と「フィジカルワークス・バトン」の2つの中核プラットフォームで構成した。
「フィジカルワークス・フォージ」はロボットを学習・鍛錬し、実際の現場投入が可能な水準に完成させることを目標に設計した。ロボット学習に必要なデータ収集からロボット検証、現場適用まで全工程を一箇所で処理する。「フォージ（Forge）」は「鍛錬する」を意味する。
フォージはシミュレーションデータの学習方式を活用する点が特徴だ。LG CNS関係者は「従来のようにロボットが人の行動を数千回反復模倣する方式から進み、実際の現場と業務を3D仮想環境に実装したシミュレーションデータを学習に活用して効率を高めた」と説明した。今後、人の作業映像を学習データに転換したりモーションキャプチャを用いる方式も追加適用する予定だ。
確保したデータの選別工程も自動で選別・整理・加工し、学習の効率を高めた。一例として、ロボットが工場で製品をつかみ上げる学習過程で成功した動作のみを選別したり、不必要な区間を除去する方式である。
学習を終えたロボットは3D仮想環境でシミュレーションを通じて作業遂行可能性と安定性の検証を受け、実際の現場に合わせて最適化して投入される。会社側は「これによりロボットを学習させ現場に投入するまでに要する時間を従来の数カ月から1〜2カ月に短縮できる」と強調した。
バトンは二足歩行・四足歩行・ホイール型など多様な形態のロボットに作業を指示し、ロボットを統合制御・管制するプラットフォームである。メーカーが異なるロボットや多様な形態のロボットを一つの体系で運用できるよう支援する。
LG CNS関係者は「バトンはロボットの作動状態と制御情報を標準化・体系化し、メーカーは種類の異なるロボットを効率的に管理できる」と述べた。
バトンは数理最適化技術でロボット別の作業を自動配分し、移動動線を最適化して衝突を防ぐ。エージェンティックAIが作業進行状況と設備状態の変化をリアルタイムで反映し、作業フローを調整する。一例として、コンベヤーベルトが止まると物流動線を自動で再構成し、特定のロボットが止まると当該作業を他のロボットに即時に切り替える方式だ。
LG CNSは自律走行ロボット（AMR）・無人搬送ロボット（AGV）など100台規模のロボット運用環境にフィジカルワークス・バトンを適用する場合、生産性は約15%以上高まり、運用費は最大18%まで削減できると展望した。とりわけ多様なメーカーのロボットが混在する環境であるほど、重複移動と滞留、手動介入が減少し、効果が大きく現れるというのが会社側の説明だ。
LG CNSによれば、フィジカルワークス・フォージは現在20カ所以上の顧客企業とロボット概念検証（PoC）プロジェクトを進行中だ。フィジカルワークス・バトンは釜山スマートシティ国家示範都市事業で、巡回・バリスタ・ジムキャリー・清掃など4種のロボットを統合管制するのに活用中である。
ヒョン・シンギュンLG CNS社長は「RXの核心はロボットを単に確保するところで決まるのではなく、ロボットを迅速に現場に定着させて働かせ、変化する環境でも持続可能に運用できるかに懸かっている」と語った。
続けて「顧客現場に最適化したロボット導入戦略の策定から産業特化ロボット・ファウンデーションモデル（RFM）の確保、ロボットの学習・適用・運用に至るフルスタックの能力を基にフィジカルAI商用化の新たな標準を作り、究極的にはロボット中心の自律運用体制を実現していく」と述べた。
LG CNSは同日の行事で、国内で初めて異機種ロボットが人の遠隔操縦なしに学習を通じ自律的に作業する様子もデモンストレーションした。フィジカルワークス・フォージで学習を終えた二足歩行、四足歩行、ホイール型、自律走行ロボット（AMR）など4種のロボットが、フィジカルワークス・バトンを基盤に物流現場で有機的に協業し業務を遂行した。