대동에이아이랩은 이번 간담회에서 대동그룹이 '국내 농업의 AI 대전환'을 통해 생산성과 효율성을 극대화할 수 있도록 이동·작업·재배를 핵심으로 하는 AI 기술을 개발하고, 스마트 농기계, 농업 로봇, 정밀농업, 스마트팜 등 그룹 사업 전반에 적용할 계획이라고 밝혔다.
17일 대동 서울사무소에서 열린 농업 3대 AI 미디어 간담회에서 주요 관계자들이 참석해 질의응답을 진행했다. (왼쪽부터)최준기 대동에이아이랩 대표, 나영중 대동 P&Biz부문장, 이광욱 대동 국내사업부문장 |
<이미지를 클릭하시면 크게 보실 수 있습니다> |
우선 '이동 AI'는 비정형 야외 환경에서도 농기계와 로봇이 스스로 주행 경로를 판단하고 최적의 작업을 수행할 수 있도록 지원하는 기술이다. 이러한 '이동 AI'가 동작하기 위해서는 비전 기반 자율주행 기술이 필요하다. 대동에이아이랩은 이를 위해 지난해부터 과수원과 밭 사진 약 50만 장, 주행 영상 약 300만 건을 수집해 국내 최대 규모의 농업 데이터를 확보했다. 현재 한국 농경지 환경에 최적화된 자율주행 AI를 구축하고 있다.
대동에이아이랩은 2026년 상반기 출시 예정인 자율주행 4단계의 플래그십 트랙터를 시작으로, 운반로봇의 자율주행 성능 향상 등 그룹 내 다양한 농기계와 로봇에 '이동 AI'를 적용해 나갈 계획이다.
대동에이아이랩 17일 대동 서울사무소에서 미디어 간담회를 열고 이동·작업·재배를 핵심으로 하는 농업 3대 AI 개발 방향을 설명했다. 이날 행사에서는 원격 조종되는 로봇 팔이 스마트팜에서 딸기를 수확하고 데이터를 수집하는 시연이 진행됐다. |
<이미지를 클릭하시면 크게 보실 수 있습니다> |
두 번째 '작업 AI'는 경운, 파종, 시비, 방제, 수확 등 다양한 농작업을 농기계와 로봇이 대행하는 농업 분야의 피지컬 AI 기술이다. 이 기술은 사람이 수행하던 고된 수작업을 자동화해 농업 현장의 효율성과 지속가능성을 높이는 데 목적이 있다.
대동은 농업 환경과 작물 생육 상태에 따라 농기계가 스스로 판단하고 작업을 수행하는 '로봇화'를 추진하고, 새로운 개념의 농업 로봇을 현장에 도입하기 위한 농업 피지컬 AI 기술 개발에 주력하고 있다.
우선적으로는 트랙터의 대표적인 작업인 경운에 초점을 맞춰, 카메라와 센서를 통해 토양 상태를 분석하고 작업 품질을 실시간 평가하는 자율작업 모델을 개발 중이다. 해당 모델은 기존 자율작업 대비 최대 30%의 작업 시간 단축과 15%의 연비 절감을 목표로 하고 있으며, 향후 로더, 그리퍼, 시비기 등 다양한 작업기로 확대 적용할 예정이다.
마지막으로 '재배 AI'는 숙련된 농부의 경험과 지식을 AI로 구현해 누구나 안정적인 작물 재배가 가능하도록 돕는 기술이다. 위성, 드론, 스마트 농기계 등에서 수집한 데이터를 바탕으로 작물 생육을 예측하고, 그에 맞는 맞춤형 재배 전략을 제공한다. 노지 분야에서는 대동그룹이 4년간의 실증을 거쳐 올해 국내 최초로 벼에 대한 정밀농업 서비스를 상용화했으며, 온실 분야에서는 대동에이아이랩이 스마트팜용 과수 재배 AI를 개발 중이다.
대동에이아이랩이 지난해 개발한 온실 환경 예측 모델은 온·습도, 이산화탄소 농도, 조도 등 온실 내 다양한 데이터를 수집해 AI가 환경 변화를 예측하는 기술이다. 올해 상반기 실증을 마쳤고, 현재는 2026년 1분기 완료를 목표로 딸기 생육 예측 AI 개발에 박차를 가하고 있다. 이 기술은 수확 시기를 미리 예측해 생산 일정을 계획할 수 있게 하며, 심을 양과 수확 시점을 조절함으로써 비용은 줄이고 수익은 높이는 농업 구조를 가능하게 한다.
최준기 대동에이아이랩 대표는 “AI가 농업에 가치를 제공하기 위해서는 농업 현장에 대한 충분한 이해를 바탕으로 어떤 문제를 해결할 것인지 결정하는 것이 출발”이라며 “대동에이아이랩은 현장 데이터를 기반으로 농업을 보다 손쉽고 스마트하게 만들어, 지속 성장하는 AI 기반의 농산업이 될 수 있도록 기여할 것”이라고 말했다.
정재훈 기자 jhoon@etnews.com
[Copyright © 전자신문. 무단전재-재배포금지]
이 기사의 카테고리는 언론사의 분류를 따릅니다.
기사가 속한 카테고리는 언론사가 분류합니다.
언론사는 한 기사를 두 개 이상의 카테고리로 분류할 수 있습니다.
언론사는 한 기사를 두 개 이상의 카테고리로 분류할 수 있습니다.
