1. 회사 소개 클로봇은 이기종 로봇 자율주행 솔루션과 관제 솔루션을 기반으로 안내, 이송, 청소·방역, 안전·보안, 물류, 제조 등 다양한 분야에 로봇 서비스를 제공하는 기업입니다. 클로봇은 글로벌 네트워크를 구축해 고객이 필요로 하는 로봇 하드웨어(서비스 로봇, 물류 로봇, 산업용 로봇)를 소싱해 공급하고 있습니다. 아울러 클로봇은 원천 기술에 객체 인식, 깊이(거리)·자세 추정 등 AI 인지 모듈을 통합해 주행 […] || 1. 회사 소개
클로봇은 이기종 로봇 자율주행 솔루션과 관제 솔루션을 기반으로 안내, 이송, 청소·방역, 안전·보안, 물류, 제조 등 다양한 분야에 로봇 서비스를 제공하는 기업입니다.
클로봇은 글로벌 네트워크를 구축해 고객이 필요로 하는 로봇 하드웨어(서비스 로봇, 물류 로봇, 산업용 로봇)를 소싱해 공급하고 있습니다. 아울러 클로봇은 원천 기술에 객체 인식, 깊이(거리)·자세 추정 등 AI 인지 모듈을 통합해 주행 모션을 고도화하고, AI 기반 원격 관람·안내 서비스와 사람-로봇 상호작용(HRI) 등 고객 산업별 요구에 최적화된 솔루션 레퍼런스를 지속적으로 축적하고 있습니다.
2. 해충 방역 전문 AI 챗봇 개발 배경
이번 블로그에서는 클로봇이 건설 현장에 방역 로봇을 도입하기 위해 진행한 AI 챗봇 개발 프로젝트를 소개합니다. 방역 로봇이 작업하는 현장은 해외 열대 지역으로, 모기 등 해충이 매개하는 질병(예: 뎅기열)이 심각합니다. 특히 모기 유충은 고인 물에서 서식·발생하며, 스콜성 기후로 잦은 폭우가 내려 다양한 형태의 물 고임 환경이 쉽게 형성됩니다. 여러 현장을 사람이 매번 순회하며 방역을 수행하는 것은 시간·비용 부담이 커, 클로봇은 방역 전문성을 갖춘 AI를 현장 운영에 어떻게 접목할지 모색했습니다.
그림 1. 모기 유충이 서식할 수 있는 다양한 환경
클로봇은 처음에 바닥의 고인 물(웅덩이)을 객체 검출(object detection)과 분할(segmentation) 모델을 활용하여 식별하려고 했지만, 실제 해충의 번식지는 범위가 훨씬 다양했습니다. 예를 들어 [그림 1]과 같이 천막 위 고인 물, 드럼통 상단, 뚜껑이 안 닫힌 쓰레기통, 건설 자재 사이의 고인 물, 파손된 바리케이드에 생긴 구멍 등 다양한 번식지를 인식해야 했습니다. 다양한 범위의 해충 번식지를 유연하게 식별하기 위해, 클로봇은 해충 발생 환경과 방역책을 담은 지식과 Vision-Language Model(VLM) 모델을 결합해 방역 전문 AI 챗봇을 구축하고, 로봇 주행 중 카메라로 수집한 이미지를 분석하고 판단하는 방향으로 프로젝트를 진행하였습니다.
3. 해충 방역 전문 AI 챗봇 아키텍처
그림 2. 해충 방역 전문 AI 챗봇 구성도
챗봇의 전체 아키텍처는 [그림 2]와 같습니다. 현장에서 수집한 이미지와 사용자 질의를 입력받아 답변을 표시하는 UI는 Streamlit으로 구현했습니다. 해충 발생 가능 환경 판별, 방역 필요성 평가, 약품 추천 등 지식 기반 분석을 위해 Amazon Bedrock 및 Bedrock Knowledge Bases과 Amazon OpenSearch Service(AOS)를 함께 활용하여 RAG를 구성하였고, 이미지 캡션(환경 묘사)·번역·벡터 임베딩을 위해 Amazon Bedrock을 통해 Claude Sonnet 4, Cohere Rerank 3.5 모델 그리고 Amazon Traslate 서비스를 활용하여 검색 품질을 높였습니다. 검색된 문서의 근거를 인용·보강해 최종 답변을 생성한 뒤 결과를 보고서 형식으로 생성하며, 보고서 자동화에는 MCP 도구(Notion)를 활용하였고 챗봇 내부 오케스트레이션은 LangGraph으로 파이프라인을 구성하였습니다.
3-1. Amazon Bedrock Knowledge Bases 를 활용한 방역 정보 검색
그림 3. Amazon Bedrock Knowledge Bases 를 활용한 방역 정보 검색
방역 AI 챗봇은 사용자의 질문에 단순히 패턴화된 답변을 제공하는 대신, 실제 방역 지식과 사례 데이터를 기반으