로봇이 더욱 자립적으로 됨에 따라, 로봇은 더욱 독립적이고 신뢰할 수 있게 주변 환경을 탐색해야 합니다. | 출처: PointOne Nav
로봇의 자립도가 높아짐에 따라 로봇은 더욱 독립적이고 안정적으로 주변 환경을 탐색해야 합니다. 자율 주행 트랙터, 농업 수확기 및 파종기 자율 주행 배달 차량은 거리를 안전하게 횡단하여 패키지를 올바른 위치에 놓아야 하는 반면 작물 밭을 조심스럽게 통과해야 합니다. 광범위한 응용 분야에서 자율 주행 로봇 (AMR)은 설계된 작업을 안전하고 성공적으로 완료하기 위해 매우 정확한 위치 정보가 필요합니다.
이러한 정밀성을 달성하려면 두 가지 위치 기능이 필요합니다. 하나는 다른 객체에 대한 자체의 상대적 위치를 이해하는 것입니다. 이는 주변 세계를 이해하고 가장 명백한 경우 정지 상태와 이동 중인 장애물을 피하는 데 중요한 입력을 제공합니다. 이러한 동적 기동에는 다음과 같은 광범위한 내비게이션 센서 스택이 필요합니다. 카메라, 레이더, 라이더그리고 이러한 신호를 처리하고 AMR에 실시간 방향을 제공하는 지원 소프트웨어가 필요합니다.
두 번째 기능 집합은 AMR이 세계에서 정확한 물리적 위치(또는 절대 위치)를 이해하여 장치에 프로그래밍된 경로를 정확하고 반복적으로 탐색할 수 있도록 하는 것입니다. 여기서 명백한 사용 사례는 고정밀 농업으로, 다양한 AMR이 작물을 심고, 관개하고, 수확하기 위해 수개월에 걸쳐 같은 좁은 경로를 따라 이동해야 하며, 모든 통과에서 AMR은 매번 정확히 같은 지점을 참조해야 합니다.
여기에는 센서와 소프트웨어의 전체 생태계가 활용하는 글로벌 항법 위성 시스템(GNSS)부터 시작하여 다른 일련의 항법 기능이 필요합니다. GNSS를 증강하는 것은 RTK 및 SSR과 같은 보정 기능으로, 개방형 하늘 애플리케이션의 경우 GNSS만 사용하는 것보다 100배 더 높은 정밀도를 제공하고, GNSS를 사용할 수 없는 곳에서 항법하기 위해 센서 융합 소프트웨어와 결합된 관성 측정 장치(추측 항법)입니다.
이러한 기술에 대해 자세히 알아보기 전에, AMR이 작업을 수행하는 데 상대적 위치와 절대 위치가 모두 필요한 사용 사례를 잠깐 살펴보겠습니다.
상대적 및 절대적 위치가 필요한 로봇 응용 프로그램
AMR은 인간이 당연하게 여기는 것, 즉 세상에서 자신의 위치를 정확하게 파악하고 그 정보에 따라 정확한 행동을 취하는 타고난 능력을 보여줍니다. AMR에 대한 적용이 다양할수록 어떤 유형의 행동에 극도의 정밀성이 필요한지 더 많이 알게 됩니다. 몇 가지 예는 다음과 같습니다.
- 농업 자동화: 농업에서 AMR은 심기, 수확 및 작물 모니터링과 같은 작업에 점점 더 보편화되고 있습니다. 이러한 로봇은 일반적으로 GPS를 통한 절대 위치 지정을 활용하여 크고 종종 고르지 않은 밭을 정밀하게 탐색합니다. 이를 통해 광대한 지역을 체계적으로 커버하고 필요에 따라 특정 위치로 돌아갈 수 있습니다. 그러나 작물 근처나 지정된 구역에 있는 경우 AMR은 AMR이 마지막으로 방문한 이후로 자랐거나 위치가 바뀌었을 수 있는 과일을 따는 것과 같이 더 높은 수준의 정확도가 필요한 작업의 경우 상대 위치 지정에 의존합니다. 이러한 로봇은 두 가지 위치 지정 방법을 결합하여 농업 분야에서 일반적으로 나타나는 까다롭고 가변적인 환경에서 효율적으로 작동할 수 있습니다.
- 도시 환경에서의 마지막 마일 배달: AMR은 유통 센터에서 최종 목적지까지 자율적으로 상품을 운송하여 도시 환경에서 마지막 마일 배송을 혁신하고 있습니다. 이 로봇은 절대 위치 지정을 사용하여 도시 거리, 골목길, 복잡한 도시 레이아웃을 탐색하여 교통 체증을 피하고 배송 일정을 준수하면서 최적화된 경로를 따릅니다. AMR은 배송 위치 근처에 도착하면 상대 위치 지정을 사용하여 거리에 이중 주차된 차량과 같은 가변적이거나 예상치 못한 장애물을 피합니다. 이러한 이중 접근 방식을 통해 AMR은 도시 풍경의 복잡성을 처리하고 고객의 현관까지 직접 정확한 배송을 할 수 있습니다.
- 건설 현장 자동화: 건설 현장에서 AMR은 엔지니어가 지정한 정확한 사양에 따라 프로젝트가 건설되도록 하는 데 사용됩니다. 또한 자재 운송 및 환경 매핑 또는 조사와 같은 작업에도 도움이 됩니다. 이러한 현장은 종종 끊임없이 변화하는 환경이 있는 넓은 지역에 걸쳐 있어 AMR이 절대 위치를 사용하여 전체 프로젝트 현장 내에서 방향을 탐색하고 유지해야 합니다. 상대 위치는 AMR이 현장의 다른 장비 또는 인력을 피하는 것과 같이 동적 요소와 상호 작용이 필요한 작업을 수행할 때 적용됩니다. 두 위치 시스템을 결합하면 AMR이 건설 프로젝트의 복잡하고 역동적인 특성에 효과적으로 기여하여 효율성과 안전성을 향상시킬 수 있습니다.
- 자율 도로 유지 관리: AMR은 포장 도로 검사, 균열 밀봉 및 라인 페인팅과 같은 도로 유지 관리 작업에 점점 더 많이 사용되고 있습니다. 이러한 로봇은 절대 위치 지정을 사용하여 고속도로 또는 도로 구간을 따라 이동하여 장거리에서도 경로를 유지하고 유지 관리가 필요한 특정 위치를 정확하게 포착할 수 있습니다. 이러한 유지 관리 작업을 수행할 때 상대 위치 지정으로 전환하여 특정 도로 결함을 정확하게 식별하고 해결하고, 차선 표시를 정밀하게 칠하거나 장애물을 우회합니다. 이 두 가지 기능을 통해 AMR은 도로 유지 관리 작업을 효율적으로 관리하는 동시에 위험한 도로변 환경에서 인간 작업자가 작업할 필요성을 줄여 안전성과 생산성을 개선할 수 있습니다.
- 환경 모니터링 및 보존: 야외 환경에서 AMR은 종종 야생 동물 추적, 오염 탐지, 서식지 매핑과 같은 환경 모니터링 및 보존 활동에 배치됩니다. 이러한 로봇은 절대 위치 지정을 활용하여 숲에서 해안 지역까지 광대한 자연 지역을 탐색하여 지형을 포괄적으로 커버하고 자세한 현장 조사 및 매핑을 캡처할 수 있습니다. AMR은 고해상도 이미지 캡처, 샘플 수집 또는 동물 이동 추적과 같은 작업을 수행할 수 있으며 시간이 지남에 따라 이러한 샘플을 응집력 있는 방식으로 오버레이할 수 있습니다.
위의 모든 예에서 잠재적으로 치명적인 결과를 피하기 위해서는 1미터보다 훨씬 낮은 절대 위치 정확도가 필요합니다. 작업자 부상, 상당한 제품 손실, 비용이 많이 드는 지연은 모두 정확한 위치 없이는 발생할 가능성이 높습니다. 기본적으로 AMR이 몇 센티미터 내에서 작동해야 하는 모든 곳에서는 상대적 위치 솔루션과 절대적 위치 솔루션이 모두 필요합니다.
Faction의 자율 주행 배달 차량은 GNSS와 Point One의 RTK 네트워크를 포함한 복잡한 센서 배열에 의존하여 경로를 안전하게 탐색합니다. | 출처: PointOne Nav
상대적 위치 지정 기술
AMR은 여러 센서를 활용하여 주변 환경의 다른 물체와 관련하여 위치를 파악합니다. 여기에는 다음이 포함됩니다.
- 카메라: 카메라는 자율 주행 로봇의 시각 센서 역할을 하며, 인간의 눈이 작동하는 방식과 유사하게 주변 환경을 즉시 보여줍니다. 이러한 장치는 로봇이 물체 감지, 장애물 회피 및 환경 매핑에 사용할 수 있는 풍부한 시각 정보를 포착합니다. 그러나 카메라는 적절한 조명에 의존하며 안개, 비 또는 어둠과 같은 악천후 조건으로 인해 방해를 받을 수 있습니다. 이러한 한계를 해결하기 위해 카메라는 종종 근적외선 센서와 페어링되거나 야간 투시 기능이 장착되어 로봇이 어두운 조건에서도 볼 수 있습니다. 카메라는 순차적인 카메라 이미지를 분석하여 시간 경과에 따른 위치 변화를 계산하는 프로세스인 시각적 오도미터의 핵심 구성 요소입니다. 일반적으로 카메라는 항상 2D 이미지를 3D 구조로 변환하기 위해 상당한 처리가 필요합니다.
- 레이더 센서: 레이더 센서는 물체에 반사되는 맥동 전파를 방출하여 물체의 속도, 거리 및 상대 위치에 대한 정보를 제공합니다. 이 기술은 견고하며 카메라와 라이더가 어려움을 겪을 수 있는 비, 안개 및 먼지와 같은 다양한 환경 조건에서 효과적으로 작동할 수 있습니다. 그러나 레이더 센서는 일반적으로 다른 센서 유형에 비해 더 희소한 데이터와 낮은 해상도를 제공합니다. 그럼에도 불구하고 움직이는 물체의 속도를 감지하는 데 있어서 신뢰성이 매우 중요하여 다른 개체의 움직임을 이해하는 것이 중요한 동적 환경에서 특히 유용합니다.
- 라이더 센서: Lidar 또는 Light Detection and Ranging은 물체에서 반사되는 빛의 타이밍을 통해 거리를 측정하는 레이저 펄스를 사용하는 센서 기술입니다. Lidar는 빠른 레이저 펄스로 환경을 스캔하여 주변의 매우 정확하고 자세한 3D 지도를 만듭니다. 이는 로봇이 알려지지 않은 환경의 지도를 작성하고 해당 지도 내에서 위치를 추적하는 SLAM(동시 위치 및 매핑)에 필수적인 도구가 됩니다. Lidar는 다양한 조명 조건에서 정밀성과 잘 작동하는 능력으로 알려져 있지만, 물방울이 레이저 빔을 흩뜨릴 수 있는 비, 눈 또는 안개에서는 덜 효과적일 수 있습니다. 비용이 많이 드는 기술임에도 불구하고 Lidar는 복잡한 환경에서의 정확성과 안정성으로 인해 자율 주행에 선호됩니다.
- 초음파 센서: 초음파 센서는 근처 물체에서 반사되는 고주파 음파를 방출하여 작동하며, 센서는 에코가 돌아오는 데 걸리는 시간을 측정합니다. 이를 통해 로봇은 경로에 있는 물체와 장애물까지의 거리를 계산할 수 있습니다. 이러한 센서는 특히 단거리 감지에 유용하며 창고 통로와 같은 좁은 공간에서 탐색하거나 도킹이나 백업과 같은 정밀한 기동과 같이 느리고 근거리 활동에 자주 사용됩니다. 초음파 센서는 비용 효율적이며 다양한 조건에서 잘 작동하지만, 라이더와 카메라에 비해 범위가 제한적이고 응답 시간이 느리기 때문에 근접 거리에서 높은 정밀도가 필요한 특정 제어 환경에 가장 적합합니다.
RTK는 고정된 위치를 가진 알려진 기지국에 의존하여 GNSS 수신기 위치 추정치의 오류를 수정합니다. | 출처: PointOne Nav
절대 위치 지정에 사용되는 기본 기술은 GNSS(GPS 및 GLONASS, Galileo, BeiDou와 같은 다른 위성 시스템을 포함하는 용어)에서 시작합니다. GNSS는 대기 조건과 위성 불일치의 영향을 받기 때문에 수 미터나 오차가 있는 위치 솔루션을 제공할 수 있습니다. 더 정확한 내비게이션이 필요한 AMR의 경우 이는 충분하지 않습니다. 따라서 이 오차를 1cm까지 줄이는 GNSS 보정이라는 기술이 등장했습니다.
- RTK: 실시간 운동학(RTK)은 GNSS 수신기 위치 추정치를 보정하기 위한 기준점으로 알려진 위치를 가진 기지국 네트워크를 사용합니다. AMR이 기지국에서 50km 이내에 있고 안정적인 통신 링크가 있는 한, RTK는 1~2cm의 정확도를 안정적으로 제공할 수 있습니다.
- SSR 또는 PPP-RTK: PPP-RTK라고도 불리는 State Space Representation(SSR)은 기지국 네트워크의 정보를 활용하지만, 로컬 기지국에서 직접 수정 사항을 보내는 대신 광범위한 지리적 영역에 걸쳐 오류를 모델링합니다. 결과적으로 더 넓은 커버리지는 기지국에서 50km를 훨씬 넘는 거리를 허용하지만 정확도는 네트워크의 밀도와 품질에 따라 3-10cm 이상으로 떨어집니다.
이 두 가지 접근 방식은 GNSS 신호가 있는 곳(일반적으로 개방된 하늘)에서 매우 잘 작동하지만, 많은 AMR은 AMR의 GNSS 수신기와 하늘 사이에 장애물이 있는 개방된 하늘에서 멀리 이동합니다. 이는 터널, 주차장, 과수원 및 도시 환경에서 발생할 수 있습니다. 여기서 관성 항법 시스템(INS)이 관성 측정 장치(IMU) 및 센서 퓨전 소프트웨어와 함께 작용합니다.
- 아이무 – IMU는 가속도계, 자이로스코프, 때로는 자기계를 결합합니다. 시스템의 선형 가속도, 각속도, 자기장 강도를 각각 측정합니다. 이는 INS가 실시간으로 시작점에 대한 물체의 위치, 속도, 방향을 결정할 수 있게 해주는 중요한 데이터입니다.
IMU의 역사는 20세기 초로 거슬러 올라가며, 선박 및 항공기의 항해 시스템에 사용되는 자이로스코프 장치의 개발에 뿌리를 두고 있습니다. 최초의 실용적인 IMU는 2차 세계 대전 중에 주로 미사일 유도 시스템에서 사용하기 위해 개발되었고 나중에는 우주 프로그램에서 사용되었습니다. 예를 들어, 아폴로 임무는 기존의 항해 방법이 실행 가능하지 않은 우주에서의 항해를 위해 IMU에 크게 의존했습니다. 수십 년에 걸쳐 IMU 기술은 전자 부품의 소형화와 20세기 후반의 마이크로 전기 기계 시스템(MEMS) 기술의 출현으로 인해 상당히 발전했습니다. 이러한 발전으로 인해 더욱 컴팩트하고 저렴하며 정확한 IMU가 생겨나 오늘날 광범위한 가전 제품, 자동차 시스템 및 산업용 애플리케이션에 통합할 수 있게 되었습니다.
- 센서 퓨전 – 센서 융합 소프트웨어는 GNSS를 사용할 수 없을 때 AMR의 절대 위치에 대한 응집력 있고 정확한 이해를 생성하기 위해 IMU와 다른 센서의 데이터를 결합하는 역할을 합니다. 가장 기본적인 구현은 GNSS 신호가 끊어지는 시점과 AMR에서 다시 수신되는 시점 사이의 실시간 “갭을 메웁니다”. 센서 융합 소프트웨어의 정확도는 관련 센서의 품질과 교정, 융합에 사용된 알고리즘, 배포되는 특정 애플리케이션 또는 환경을 포함한 여러 요인에 따라 달라집니다. 보다 정교한 센서 융합 소프트웨어는 다양한 센서 모달리티를 교차 상관시킬 수 있어 솔루션의 센서 중 하나만 작동하는 것보다 뛰어난 위치 정확도를 제공합니다.
자율 로봇에 가장 적합한 RTK 네트워크 선택
Point One의 Polaris RTK 네트워크는 전 세계에 1,700개 이상의 기지국을 갖추고 있어 가장 신뢰할 수 있는 위치 수정 소스 중 하나를 제공합니다. | 출처: PointOne Nav
GNSS용 RTK는 자율 로봇에 대한 매우 정확한 절대 위치 소스를 제공합니다. 그러나 RTK 없이는 많은 로봇 응용 프로그램이 단순히 불가능하거나 실용적이지 않습니다. 건설 조사 로버에서 자율 배달 드론 및 자율 농업 도구에 이르기까지 수많은 AMR은 RTK만이 제공할 수 있는 센티미터 정확도의 절대 위치 지정에 의존합니다.
즉, RTK 솔루션은 그 뒤에 있는 네트워크만큼만 좋습니다. 지속적으로 신뢰할 수 있는 보정을 위해서는 수신기가 항상 정확한 오류 보정을 위해 충분히 가까운 범위 내에 있도록 매우 밀도가 높은 기지국 네트워크가 필요합니다. 네트워크가 클수록 어디에서나 AMR에 대한 보정을 얻는 것이 더 쉽습니다. 밀도만이 유일한 요소는 아닙니다. 네트워크는 매우 복잡한 실시간 시스템이며 AMR에 전송되는 데이터가 정확하고 신뢰할 수 있는지 확인하기 위해 전문적인 모니터링, 측량 및 무결성 검사가 필요합니다.
이 모든 것이 자율 로봇 개발자에게 무슨 의미가 있을까요? 적어도 실외 애플리케이션과 관련하여, RTK 구동 GNSS 수신기 없이는 AMR이 완성되지 않습니다. 가능한 가장 정확한 솔루션을 위해 개발자는 가장 밀도가 높고 가장 안정적인 RTK 네트워크에 의존해야 합니다. 그리고 로봇이 자율 주행 배달 차량과 같이 이상적인 GNSS 신호 환경 안팎으로 자주 이동해야 하는 경우, IMU와 결합된 RTK는 사용 가능한 가장 포괄적인 절대 위치 지정 소스를 제공합니다.
두 개의 자율 로봇 애플리케이션은 동일하지 않으며, 각각의 고유한 설정에는 상대적 및 절대적 위치 정보의 고유한 조합이 필요합니다. 그러나 미래의 실외 AMR의 경우 견고한 RTK 보정 네트워크를 갖춘 GNSS는 센서 스택의 필수 구성 요소입니다.
Aaron Nathan은 창립자이자 CEO입니다. 포인트 원 네비게이션최첨단 로봇공학 및 중요한 소프트웨어 및 하드웨어 개발 분야에서 10년 이상의 경험을 가진 기업가이자 기술 리더입니다. 그는 벤처 자금 지원 스타트업 두 개를 설립했으며, 특히 자율 주행 차량 및 기타 로봇 응용 분야의 맥락에서 센서 융합, 컴퓨터 비전, 내비게이션 및 임베디드 시스템 분야에서 심도 있는 도메인 경험을 보유하고 있습니다. Point One Navigation은 안전하고 효과적인 AMR을 보장하는 복잡한 작업을 포함하여 오늘날 가장 까다로운 응용 프로그램을 위해 설계된 최초의 센티미터 정확도 위치 플랫폼을 제공합니다. Point One의 Atlas INS는 동급 최고의 센서 융합 알고리즘을 사용하여 다양한 자율 로봇 응용 프로그램에 대한 실시간 정밀 위치 지정을 제공합니다.
게시물 자율 로봇 설계를 위한 위치 기술 탐색 처음 등장 로봇 리포트.