Amazon은 최근 물류 자동화의 새로운 지평을 여는 AI 혁신 기술, DeepFleet을 공개하며 물류 업계의 시선을 집중시키고 있다. DeepFleet는 자율주행 로봇들이 몰리는 Fulfillment Center와 Sortation Center 내부에서 로봇들의 경로를 실시간으로 예측하고 최적화하는 AI 기반의 트래픽 관리 체계다. 기존의 단순한 경로 계산을 넘어, 마치 도시 교통을 효율적으로 조율하는 스마트 시스템처럼 다양한 로봇들 간의 상호작용을 분석해 로봇 이동 효율을 약 10% 향상시키는 효과를 내고 있다.

DeepFleet는 Amazon이 보유한 수많은 물류 데이터를 바탕으로, AWS의 머신러닝 플랫폼인 SageMaker 등을 활용하여 개발되었다. 로봇 간 혼잡 상황을 예측하고 최적 경로를 생성함으로써, 고객에게는 빠른 배송과 낮은 비용, 기업에는 운영 효율 제고와 에너지 절감이라는 실질적 이익을 제공한다는 게 Amazon의 설명이다.

이 발표는 Amazon의 전세계 300여 개 이상의 물류센터에서 운영 중인 백만 대 이상의 로봇 중 하나가 일본 물류센터에 배치된 시기와 맞물려 이루어졌다. 수십억 시간에 달하는 로봇 운행 데이터를 기반으로 한 DeepFleet는, 로봇 운영의 규모와 복잡성 속에서도 점진적으로 성능을 개선하며 적용 범위를 확대해 나갈 예정이다.

뿐만 아니라, Amazon은 DeepFleet의 기술적 기반과 설계 아키텍처에 대해서도 상세히 공개하였다. 최근 발표된 논문에 따르면, DeepFleet는 로봇 중심(Robot‑Centric), 로봇‑바닥 혼합(Robot‑Floor), 이미지‑바닥(Image‑Floor), 그래프‑바닥(Graph‑Floor) 네 가지 모델 구조를 갖추고 있다. 이 중 로봇 중심 모델과 그래프‑바닥 모델이 상대적으로 작은 파라미터 수에도 높은 예측 성능을 보여 효율적 설계에 유리한 것으로 평가됐다. 특히 분산된 로봇 간 상호작용을 통해 전체 흐름을 예측하는 방식이 효과적이었다는 점이 주목된다.

DeepFleet의 도입은 Amazon 로봇 공학의 역사적 궤적에서도 중요한 분기점으로 평가된다. 2012년 Kiva Systems 인수 이후 시작된 자동화 도입 여정은 Hercules, Pegasus, Proteus, Vulcan 등 다양한 로봇을 통해 작업자 지원과 안전 강화에 초점을 맞춰 왔다. DeepFleet는 이러한 물류 혁신을 한층 고도화하며 물류 처리 속도와 정확성, 안정성을 동시에 끌어올리는 전략적 도구로 자리매김할 것으로 보인다.

물론 기술의 확산 속에서, 자동화에 따른 인력 구조 변화에 대한 우려도 존재한다. 그러나 Amazon은 이러한 틈을 기술교육으로 채우며 대응하고 있다. 2019년 이후 70만 명 이상의 직원이 기술 역량 강화 교육을 받았고, 차세대 물류 센터에서는 관련 엔지니어링 및 유지보수 인력 수요가 약 30% 증가한 것으로 나타났다. 이를 통해 자동화가 '고용 감소'가 아닌 '직무 전환 및 역량 강화'로 이어질 수 있음을 강조하고 있다.

결론적으로 DeepFleet는 단순한 효율 도구를 넘어, 물류 시스템 전반의 지능적 전환을 이끄는 핵심 기술로 부상하고 있다. 트래픽 혼잡을 줄이고 로봇 운행 시간을 단축하는 성과 이상으로, 사람과 로봇이 함께 일하는 작업 환경의 재정립, 자동화와 사람 중심 역량 전환의 균형을 보여주는 신호탄이라 하겠다. 이제 물류의 미래는 단순한 속도가 아니라, 어떻게 효율적이고 조화롭게 운영되느냐에 달려 있는 듯하다.

글 / 한만수 news@cowave.kr

(c) 비교하고 잘 사는, 다나와 www.danawa.com