※ 26년 신규 개방되는 데이터로, 데이터 활용성 검토, 이용자 관점의 개선의견 수렴 등을 통해 수정/보완될 수 있으며 최종데이터, 샘플데이터, 산출물 등은 변경될 수 있습니다
-
데이터 변경이력
데이터 변경이력 버전 일자 변경내용 비고 1.0 2026-05-19 데이터 개방 Beta Version 데이터 히스토리
데이터 히스토리 일자 변경내용 비고 2026-05-19 산출물 최종 공개 소개
- 본 데이터는 로봇 기반의 머신텐딩 자동화를 위한 학습용 데이터로서, 3D CAD 기반의 가공 현장 모델, 로봇 URDF 모델, 그리고 센서 및 제어기를 통해 수집한 로봇 구동 로그를 포함하여 자율적인 제조로봇의 판단 및 의사결정 AI 학습에 활용
구축목적
- 제조 공정에서의 로봇 동작 및 제어 데이터를 확보하여, 자율적인 판단이 가능한 로봇 제어 학습 기반을 마련하고자 함
-
메타데이터 구조표 데이터 영역 로봇·피지컬AI 데이터 유형 3D , 텍스트 데이터 형식 - STL 및 CSV 데이터 출처 - 실제 자동화 작업 환경(금속 가공 및 공작기계 가공 셀) 및 Gazebo 시뮬레이션 환경 기반 데이터 라벨링 유형 - URDF 기반 구조 라벨링 (URDF-based Structural Labeling) - CoT 라벨링 라벨링 형식 - URDF, JSON 데이터 활용 서비스 - 제조 공정 대응형 로봇 의사결정 지원 서비스 • 로봇 구동 로그 및 센서 데이터를 활용하여 공정 중 발생하는 상태 변화를 인식 • 작업 실패, 위치 오차, 파지 불안정 등 상황에 대해 로봇이 대응 동작을 선택할 수 있도록 판단 로직 학습 • 공정 조건 변화에 따른 유연한 작업 수행을 위한 의사결정 AI 모델 학습 및 적용 데이터 구축년도/
데이터 구축량2025년/- 원천데이터(3D CAD 데이터) : 2473개 - 원천데이터(로봇 상태 데이터) : 360개 - 라벨링데이터(3D CAD 데이터) : 120개(URDF), 120개(JSON) - 라벨링데이터(로봇 상태 데이터) : 360개 -
○ 공정 종류별 분포
○ 공정 종류별 분포 구분 정량목표 결과값 목표 구성비 비율(%) 수량(건) 정형 반복 핸들링 48.3 49.17 59 비전 연계 투입 21.8 16.67 20 이동로봇 협업 기반 이송 8.3 8.33 10 검사 연계 제품 반출 5.8 10 12 다중 로봇 협업 기반 공정 인터페이스 15.8 15.83 19 합계 100% 100% 120 ○ 작업 환경별 분포
○ 작업 환경별 분포 구분 정량목표 결과값 목표 구성비 비율(%) 수량(건) 반도체 제조용 기계 제조 및
플라스틱 금속 혼합 소재 가공 환경10 12 3 반도체 제조용 기계 제조 및
금속 소재 가공 환경6.7 8 2 기어드 모터 제조 환경 13.4 16 4 블로우 금형 제조 환경 13.3 20 5 반도제 장비 부품 제조 환경 13.3 12 3 사출 금형 전자 제품 제조 환경 13.3 - - 사내 테스트베드 환경 23.3 24 6 융합기술연구소 테스트베드 환경 6.7 8 2 합계 100% 100% 25 ○ 3D CAD 물체 대분류 분포
○ 3D CAD 물체 대분류 분포 구분 정량목표 결과값 목표 구성비 비율(%) 수량(건) 공작 기계 12.86 9.65 108 작업 소재 27.8 12.05 135 다관절 로봇 5.81 11.96 134 소재 적재대 12.45 12.5 140 기타 주변 장비 41.08 53.84 603 합계 100% 100% 1,120 ○ 로봇 제어기 종류별 분포
○ 로봇 제어기 종류별 분포 구분 정량목표 결과값 목표 구성비 비율(%) 수량(건) 협동 로봇 제어기 22.5 20.9 28 산업용 로봇 제어기 2.5 2.24 3 시뮬레이터 75 76.86 103 합계 100% 100% 134 ○ 로봇 모델별 분포
○ 로봇 모델별 분포 구분 정량목표 결과값 목표 구성비 비율(%) 수량(건) 6축 협동로봇 74 76.87 103 7축 협동로봇 2 1.49 2 산업용 다관절로봇 10 12.69 17 모바일 로봇 연계 14 8.95 12 합계 100% 100% 134 -
-
AI 모델 상세 설명서 다운로드
AI 모델 상세 설명서 다운로드 AI 모델 다운로드○ URDF 기반 3D CAD Mesh 구조 인식 및 검증
○ URDF 기반 3D CAD Mesh 구조 인식 및 검증 구분 내 용 임무 정의
및 개념• 임무 : 3차원 CAD 기반의 실제 또는 시뮬레이션 작업 환경 데이터를 C7URDF 형식의 3D Mesh 모델로 변환하고, 이를 통해 로봇이 구조적 위치 정보 및 작업 가능성을 인식할 수 있도록 학습 데이터를 구성
• 개념 : STL, STEP 등의 CAD 데이터를 로봇 링크·조인트 정보가 포함된 URDF로 구조화하여, 로봇이 작업 공간 내 자율 경로 생성 및 명령 실행 가능성 판단에 활용할 수 있는 형태로 가공함임무 유형
선정⓵ 분류 ⓶ 탐지 ⓷ 추정 ⓸ 이해 ⓹ 합성 ⓺ 기타 ■ ■ ■ ■ □ □ 임무 선정
사유• URDF 변환을 통해 로봇이 객체·장비·장애물 등의 위치를 탐지하고, 관절 구조 및 상태를 추정하며, 전체 환경 정보를 이해할 수 있어야 함
• CoT 기반 명령 해석 및 동작 계획 학습을 위한 필수 구조 인식 단계로서 작용함최종 선정
모델• Mistral 7B
. Grouped-Query Attention으로 추론 속도 향상
. Sliding Window Attention으로 32K 이상 context 처리 가능
. CoT reasoning, 수학, 코드 생성 등에서 LLaMA 13B/34B 대비 우수한 성능학습 모델
개발환경CPU [AMD] 라이젠9-5세대 7900 Memory Crucial DDR5-5600 CL46 (16GB) x 2 (총 32GB) GPU [GIGABYTE] 지포스 RTX-3090 Storage SK 하이닉스 Gold P31 M.2 NVMe(1TB) OS Windows 10 / Linux 22.04 모델 성능 측정지표 목표치 결과값 목표충족 여부 QA Accuracy 70% 76.95% 달성 ○ CoT 기반 로봇 시퀀스 성공률
○ CoT 기반 로봇 시퀀스 성공률 구분 내 용 임무 정의
및 개념• 임무 : 제조 공정 자동화를 위한 로봇의 작업 수행 경로 및 상태 변화를 학습하여, CoT 기반 시퀀스를 생성하여 로봇의 실제 구동 정보와 로봇 구동 경로 계획(세부 공정)에 대한 사고 과정 결과값 일치 정합도 확인
• 개념 : 실제 공정 데이터를 기반으로 로봇의 동작 목표 → 상황 인식 → 의사결정 → 실행 흐름을 자연어로 단계적으로 표현한 학습 시나리오 생성임무 유형
선정⓵ 분류 ⓶ 탐지 ⓷ 추정 ⓸ 이해 ⓹ 합성 ⓺ 기타 ■ ■ ■ ■ □ □ 임무 선정
사유• 로봇 작업 목표와 동작 상태 변화에 따라 단계별 사고 흐름을 자연어로 표현해야 하므로 이해, 추정, 탐지 능력이 요구됨
• 로봇의 상황 인식 및 의사결정을 정확히 반영한 CoT 시퀀스 생성을 목표로 함최종 선정
모델• Mistral 7B
. Grouped-Query Attention으로 추론 속도 향상
. Sliding Window Attention으로 32K 이상 context 처리 가능
. CoT reasoning, 수학, 코드 생성 등에서 LLaMA 13B/34B 대비 우수한 성능학습 모델
개발환경CPU [AMD] 라이젠9-5세대 7900 Memory Crucial DDR5-5600 CL46 (16GB) x 2 (총 32GB) GPU [GIGABYTE] 지포스 RTX-3090 Storage SK 하이닉스 Gold P31 M.2 NVMe(1TB) OS Windows 10 / Linux 22.04 모델 성능 측정지표 목표치 결과값 목표충족 여부 F1-Score 80 99.24 달성 -
설명서 및 활용가이드 다운로드
데이터 설명서 다운로드 구축활용가이드 다운로드○ 3D CAD 데이터 어노테이션 포맷
○ 3D CAD 데이터 어노테이션 포맷 번호 항목명 타입 필수 설명 예시 1 Envrionment String Y 동작 환경 구분 “실제 환경” 2 Data_source String Y 데이터 획득/가공 환경 “반도체 제조용 기계 제조 및 플라스틱 금속 혼합 소재 가공 환경” 3 Process String Y 공정 구분 “이동로봇 협업 기반 이송” 4 Task String Y 로봇의 수행 작업 “모재 취득”, “모재 투입”, “완제품 취출”, “완제품 적재”, ... 5 Robot_info Array - 로봇 세부 정보 - 5.1 Robot String Y 로봇 모델명 “Doosan_H2017” 5.2 Robot_mobile String Y 모바일 로봇 여부 “Y” 5.3 Robot_type String Y 로봇 모델 유형 “모바일 로봇 연계” 5.4 Robot_Controller String Y 로봇 제어기 종류 “Doosan Robotics H Series” 6 Source_data_info Dictionary Y 원천 3D CAD
데이터 정보- 6.1 Stl_filename array Y 원천데이터 파일 리스트 (STL 포맷) [“M__3D_R_01_0001_001.stl”,
“M__3D_R_01_0001_002.stl”, ....]6.2 3D_class array Y 3D CAD 데이터 Class 목록 [“DN Solutions MX2600ST”,
“Doosan_H2017”,
“금속 원형 바_S45C”,
“OK/NG 트레이”]7 Requirement array Y 로봇 동작 제약 조건 [“최소 시간 이동”, “필요 시 완만한 곡선 형태 이동”, “충돌 방지”, ...] 8 Obstacle_locations array Y 장애물 위치 {클래스} 주변 ○ 로봇 상태 데이터 어노테이션 포맷
○ 로봇 상태 데이터 어노테이션 포맷 번호 항목명 타입 필수 항목 설명 예시 1 Task_info Object Task 정보에 대한 하위 속성 내포 - 1.1 3D_CAD_Filename String Y 3D 환경 요소 "M_3D_S_AA_0033“ 1.2 Task String Y 작업 명칭 “정형 반복
핸들링 공정”1.3 Context object Y context 정보에 대한 하위 속성 내포 - 1.3.1 Collision_risk boolean Y 충돌 발생 ‘true’ 위험 존재 여부 1.3.2 Obstacle_ Array Y 장애물 위치 {클래스} 주변 locations 1.3.3 Requirement String Y 행동 결정 제약 조건 “최소 시간 이동”··· 2 CoT_info Array - 2.1 Sub_task String Y TASK의 하부 공정 “모재 취득” 2.2 Instruction Array Y CoT 지시문 “정형 반복 핸들링 공정에서 모재 취득 임무를 수행하고자 한다. 주어진 3D 공정 환경 정보를 바탕으로 로봇의 움직임에 대해 설명하시오.” 2.3 CoT_reasoning object Y 추론 과정 요약 - 2.3.1 Step String Y 추론 단계 정도 4 (최소 1, 최대 20) 2.3.2 Description String Y 해당 단계 설명 “로봇이 작업 수행 준비를 마무리 하였다. 모재가 적재된 좌표는 [-802.171, -232.571, 1379.501] 이고 ...” 2.3 CoT_answer Array Y 추론 과정 댭변 “모재를 집기 위한 준비 자세로 이동하기 위해, home_to_approach_feeder 동작을 수행하였다. 이때, 로봇은 초기위치 [182.077, -32.300, 119.825, 0.011, 90.767, -89.165]에서 최종 위치 [210.205, -12.256, 114.276, 0.031, 77.959, -59.430]로 이동하였고...” -
데이터셋 구축 담당자
수행기관(주관) : 주식회사 유니바
수행기관(주관) 책임자명 전화번호 대표이메일 담당업무 정용운 이사 053-615-1263 gandalf@univa.co.kr 실무 책임 수행기관(참여)
수행기관(참여) 기관명 담당업무 건솔루션 데이터 수집 및 정제 서울과학기술대학교 데이터 가공 및 모델학습 데이터 관련 문의처
데이터 관련 문의처 담당자명 전화번호 이메일 유니바 정용운 이사 053-615-1263 gandalf@univa.co.kr AI모델 관련 문의처
AI모델 관련 문의처 담당자명 전화번호 이메일 서울과학기술대학교 이준재 연구원 02-970-9986 login2@seoultech.ac.kr 저작도구 관련 문의처
저작도구 관련 문의처 담당자명 전화번호 이메일 건솔루션 여인웅 수석 1899-7487 yiw@gunsol.com
-
인터넷과 물리적으로 분리된 온라인·오프라인 공간으로 의료 데이터를 포함하여 보안 조치가 요구되는 데이터를 다운로드 없이 접근하고 분석 가능
* 온라인 안심존 : 보안이 보장된 온라인 네트워크를 통해 집, 연구실, 사무실 등 어디서나 접속하여 데이터에 접근하고 분석
* 오프라인 안심존 : 추가적인 보안이 필요한 데이터를 대상으로 지정된 물리적 공간에서만 접속하여 데이터에 접근하고 분석 -
- AI 허브 접속
신청자 - 안심존
사용신청신청자신청서류 제출* - 심사구축기관
- 승인구축기관
- 데이터 분석 활용신청자
- 분석모델반출신청자
- AI 허브 접속
-
1. 기관생명윤리위원회(IRB) 심의 결과 통지서 [IRB 알아보기] [공용IRB 심의신청 가이드라인]
2. 기관생명윤리위원회(IRB) 승인된 연구계획서
3. 신청자 소속 증빙 서류 (재직증명서, 재학증명서, 근로계약서 등 택1)
4. 안심존 이용 신청서 [다운로드]
5. 보안서약서 [다운로드]
※ 상기 신청서 및 첨부 서류를 완비한 후 신청을 진행하셔야 정상적으로 절차가 이루어집니다. -
신청 및 이용관련 문의는 safezone1@aihub.kr 또는 02-525-7708, 7709로 문의
데이터셋 다운로드 승인이 완료 된 후 API 다운로드 서비스를 이용하실 수 있습니다.
API 다운로드 파일은 분할 압축되어 다운로드 됩니다. 분할 압축 해제를 위해서는 분할 압축 파일들의 병합이 필요하며 리눅스 명령어 사용이 필요합니다.
리눅스 OS 계열에서 다운로드 받으시길 권장하며 윈도우에서 파일 다운로드 시 wsl(리눅스용 윈도우 하위 시스템) 설치가 필요합니다.
※ 파일 병합 리눅스 명령어
find "폴더경로" -name "파일명.zip.part*" -print0 | sort -zt'.' -k2V | xargs -0 cat > "파일명.zip"
- 해당 명령어 실행 시, 실행 경로 위치에 병합 압축 파일이 생성됩니다.
- 병합된 파일 용량이 0일 경우, 제대로 병합이 되지 않은 상태이니 "폴더경로"가 제대로 입력되었는지 확인 부탁드립니다.
※ 데이터셋 소개 페이지에서 다운로드 버튼 클릭하여 승인이 필요합니다.
오프라인 데이터 이용 안내
본 데이터는 K-ICT 빅데이터센터에서도 이용하실 수 있습니다.
다양한 데이터(미개방 데이터 포함)를 분석할 수 있는 오프라인 분석공간을 제공하고 있습니다.
데이터 안심구역 이용절차 및 신청은 K-ICT빅데이터센터 홈페이지를 참고하시기 바랍니다.
국방데이터 개방 안내
본 데이터는 국방데이터로 군사 보안에 따라 AI허브에서 데이터를 제공하지 않으며,
군 담당자를 통한 별도의 사용 신청이 필요합니다.