아티클 목록으로
로보틱스·피지컬 AI

적재 4.2톤 자율주행 경트럭, 산업 물류에 진입

약 4분 소요

들어가며

자율주행 상용화의 무대가 소형 무인 배송차에서 더 큰 운송 차량으로 이동하고 있다. 지우스 인텔리전트와 위퉁 라이트트럭이 공개한 Z20은 공장과 물류센터 내부 운송을 겨냥한 4톤급 자율주행 경트럭이다.

Z20의 정격 적재량은 4.2톤이며, 최대 허용 총중량은 6950kg이다. 적재함 용적은 19.32㎥로, 표준 팔레트 약 6~8개를 한 번에 실을 수 있다고 회사는 설명한다. 지우스 인텔리전트는 이를 현재 자율주행 업계에서 적재공간과 운송능력이 큰 양산형 차량 중 하나로 소개했다.

핵심 내용

  • 도심 배송보다 산업 내 운송에 집중한다. 공장, 산업단지, 대형 물류·창고 거점에서 부품과 산업 자재를 창고, 작업장, 생산라인 사이로 반복 운송하는 것이 목표다.
  • 하역 환경에 맞춘 세 가지 형태를 제공한다. 양개형 도어, 유압식 테일게이트, 2종 섀시를 선택할 수 있다. 테일게이트 모델은 고정 도크가 없는 장소를 고려했고, 섀시 모델은 후속 개조 여지를 남긴다.
  • 운영 패턴에 따라 배터리를 나눈다. 표준 배터리는 43.47kWh, 장거리 배터리는 77.28kWh다. 장거리 버전은 공차 기준 최대 320km를 주행하며 400V 급속 충전을 지원한다. 30%에서 80%까지 충전하는 데 약 30분이 걸린다.
  • 자동차 제조와 자율주행을 분업한다. 지우스 인텔리전트가 L4 자율주행 시스템, 인지, 계획·제어, 다차량 배차를 담당하고 위퉁이 섀시 개발, 생산, 품질 관리와 차량 일관성을 맡는다. 센서 구성에는 라이다 4개와 초음파 센서 12개 등이 포함된다.

산업 물류가 먼저인 이유

공장과 물류센터 내부는 일반 도로보다 운행 경로와 작업이 예측 가능하다. 운송 빈도와 근무 시간도 비교적 명확해 인건비 절감, 차량 가동률, 처리 물량 같은 자동화 효과를 계산하기 쉽다. 야간 운행이나 다교대 작업이 필요한 현장에서는 장시간 연속 운행도 중요한 가치가 된다.

적재량 확대는 차량 크기만 키우는 문제가 아니다. 소형 무인차로 같은 물량을 옮기려면 여러 대가 여러 차례 운행해야 할 수 있다. 4톤급 차량은 한 대당 운송량을 늘려 필요한 차량 수나 운행 횟수를 줄일 가능성을 제공한다.

그러나 무인화는 주행만으로 완성되지 않는다. 목적지에서의 하역, 충전에 따른 정지 시간, 기존 생산설비와의 연결도 전체 효율을 좌우한다. Z20이 테일게이트와 여러 차체 구성을 함께 제시한 것은 자율주행 시스템을 단순한 소프트웨어가 아니라 물류 프로세스 전체를 위한 제품으로 만들려는 접근으로 볼 수 있다.

시장에 미치는 의미

지우스 인텔리전트는 그동안 RoboVan 무인 배송차를 중심으로 사업을 전개해 왔다. 회사가 공개한 수치에 따르면 사업 범위는 20개 국가·지역과 300개 이상 도시에 걸쳐 있으며, L4 실제 운행 거리는 1억7000만km를 넘고 인도·운영 차량은 2만5000대 이상이다. Z20은 이 운영 경험을 더 크고 무거운 차량으로 확장하는 제품이다.

물론 대형 차량은 제동거리가 길고 회전 반경이 커서 더 이른 감지와 안정적인 제어가 필요하다. 초기 적용처를 통제된 산업시설로 한정하면 이런 기술 난도를 관리하면서 고객이 자동화 효과를 측정하기도 쉽다.

항만, 광산, 공장, 창고로 자율주행 기업의 관심이 넓어지는 이유도 여기에 있다. 반복 빈도가 높고 성과를 수치화할 수 있는 업무이기 때문이다. Z20은 L4 경쟁의 기준이 단순히 “주행 가능한가”에서 “산업 프로세스 안에서 장기간 안정적으로 가치를 만들어내는가”로 이동하고 있음을 보여준다.

출처: 量子位

댓글

로그인 상태 확인 중…

댓글 불러오는 중…

관련 게시물

CCTest · Blog
EXIMO: VLM 계획으로 VLA 로봇 정책을 효율적으로 적응시키다
로보틱스·피지컬 AI
cctest.ai
로보틱스·피지컬 AI

EXIMO: VLM 계획으로 VLA 로봇 정책을 효율적으로 적응시키다

DeepMind가 VLM 기반 탐색, 모방 학습, 잔차 오프폴리시 강화학습을 결합한 VLA 정책 미세조정 방법 EXIMO를 제안했다. 이 방법은 새로운 작업을 학습할 때 필요한 원격조작 데이터와 시행착오를 줄이는 것을 목표로 한다.

더 보기