뒤셀도르프의 실제 창고 환경에서 테스트된 천장 기준 센서 융합 방식의 실시간 차량 위치 파악.
과제: 역동적인 창고 환경에서의 위치 선정

실제 운영 중인 창고 환경에서 수동으로 조작되는 지게차로부터 신뢰할 수 있는 위치 데이터를 얻는 것은 본질적으로 어렵습니다. 팔레트가 움직이고, 통로가 일시적으로 막히고, 사람과 차량이 끊임없이 바닥 상황을 변화시키기 때문입니다. 또한 반복적인 랙 구조는 위치 추적 시스템이 추적할 만한 특징적인 요소가 거의 없습니다.
기존 방식은 UWB 네트워크, 반사판 또는 자기 띠와 같은 고정 앵커 기술을 사용하여 수동으로 조작되는 지게차를 추적합니다. 그러나 이러한 솔루션은 종종 전체 작업 영역에 걸쳐 광범위한 인프라 설치를 필요로 합니다. 시설 전체를 변경하지 않고 차량 추적 시스템을 추가하려는 기존 시설의 경우 이는 상당한 장벽이 될 수 있습니다.
테스트: 차량 탑재형 대안

2026년 6월, 독일 뒤셀도르프의 한 창고에서 차량 탑재형 대안을 평가하기 위한 엔지니어링 테스트가 진행되었습니다. 수동식 지게차에 V2 Pro 위치 추적 장치를 장착 하고 빠른 조작, 적재물 처리 및 리프팅 작업을 포함한 정상 작동 환경에서 테스트를 실시하여 실제 성능을 평가했습니다.
해당 장치는 먼저 작업 영역의 디지털 지도를 생성했습니다. 그런 다음 지게차가 창고를 이동하는 동안 XY 위치와 진행 방향을 계산했습니다.
결과적으로, 엔지니어링 테스트와 후속 시험 운전 전반에 걸쳐 센티미터 수준의 정밀한 위치 파악이 유지되었으며, 두 단계 모두에서 신호 손실은 전혀 기록되지 않았습니다.
작동 원리: Fusion-SLAM™ 기술

V2 Pro는 기존의 2D LiDAR에 상향 카메라를 추가하여 시각적 SLAM과 LiDAR 기반 매핑을 결합한 제품입니다. 이 접근 방식은 간단하지만 강력한 관찰에 기반합니다. 즉, 천장 구조물(보, 조명, 파이프, 지붕 형태 등)은 창고 바닥 주변의 끊임없이 변화하는 환경보다 매핑에 더 안정적이고 신뢰할 수 있는 특징을 제공한다는 것입니다.
카메라는 머리 위 지형지물을 촬영하고, LiDAR는 평면 기하학 정보를 제공하며, IMU는 가속 및 회전 시의 모션 데이터를 제공합니다. 이 세 가지 데이터 소스는 MRDVS의 독자적인 Fusion-SLAM™ 알고리즘을 통해 융합됩니다. 이 알고리즘은 10년 가까이 실제 환경에서 사용되며 정교하게 다듬어진, 딥러닝 기반의 강력한 엔진입니다. 시스템은 다중 센서 데이터를 실시간으로 지속적으로 평가하고 가중치를 부여하며, 환경 조건에 맞춰 안정적이고 중단 없는 작동을 보장합니다.
주요 장점: 인프라 구축 불필요, 차량 중심

일단 매핑이 완료되면, 이 시스템은 시설 전체에 걸쳐 별도의 인프라 구축이 필요하지 않습니다. UWB 앵커, 반사판, 자석 스트립, 영구 마커 그리드 등이 필요 없습니다. 선택적으로 QR 코드를 사용하여 특정 지점에서 신속하게 위치를 파악할 수 있지만, 핵심 기능 구현에는 필수 사항이 아닙니다.
이러한 차량 탑재형 아키텍처는 배포 부담을 전환합니다.
| 전통적인 고정 앵커 시스템 | V2 Pro 차량 탑재형 접근법 |
| 비용은 시설 면적에 비례합니다. | 비용은 주로 차량 대수에 비례합니다. |
| 사이트 전체에 설치가 필요합니다. | 하드웨어는 장착된 차량별로 설치됩니다. |
| 광범위한 초기 인프라 투자 | 예측 가능하고 선형적인 비용 증가 |
이러한 특징 덕분에 V2 Pro는 고정식 앵커 솔루션이 지나치게 비싸지는 대형 창고 환경에 특히 적합합니다.
검증되고, 상업적이며, 확장 가능합니다.

MRDVS는 이후 V2 Pro를 미주, 유럽 및 아시아 전역에 상용화했습니다. 뒤셀도르프 테스트와 후속 시범 운영은 기존 지게차 차량에 천장 기준 센서 융합 기술을 적용하기 위한 실제 창고 환경의 기준점을 제공합니다.
이 시스템은 도입 이후 500대 이상의 AGV가 있는 태양광 발전 설비 제조 시설부터 물류 창고 및 생산 공장에 이르기까지 다양한 환경에서 검증되었습니다. 작동 시간이나 이동 거리에 관계없이 안정적이고 오차 없는 위치 제어를 통해 자재 취급 작업을 효율적으로 지원합니다.

