자율 이동 로봇을 위한 실내 위치 측정 시스템
GNSS 사용이 불가능한 지역에서 ±2cm 정확도 제공
자율 이동 로봇(AMR)과 AGV에는 GPS가 실내에서 작동하지 않아 제공할 수 없는 실내 위치 측정이 필요합니다.
Marvelmind 초음파 RTLS는 ±2cm 정확도를 제공합니다 – UWB보다 10배 더 정확하고 (10-30cm) 블루투스보다 100배 더 정확합니다. 이 시스템은 USB, UART 또는 CAN을 통해 XYZ 좌표, IMU 및 기타 데이터를 출력하며, 모든 로봇 내비게이션 스택에 즉시 통합할 수 있는 ROS 및 ROS2 네이티브 드라이버를 제공합니다. 네이티브 GPS 프로토콜인 NMEA0183도 기본적으로 지원됩니다.
LIDAR 또는 광학 위치 측정 시스템이 기술적으로 어려움을 겪거나 단순히 너무 비쌀 때, 로봇의 위치 측정 및 내비게이션을 위한 훌륭한 대안입니다.
고객을 위한 빠른 핵심 안내
로봇 또는 AGV를 제작 중이며 위치 측정 및 내비게이션 시스템을 아주 빠르게 선택해야 한다면 다음을 선택하세요:
- Starter Set Super-MP-3D – 시작하기에 가장 간단하고 가장 다용도로 활용할 수 있는 세트
- Starter Set Super-MP-3D + Super-Beacon – 위치+방향이 필요한 경우
- Starter Set Super-MP-3D + Super-Beacon + 2 x Omni-Microphones – 개방된 공간이 20x20m보다 넓거나 고정 비콘이 수평선 기준 30도 이하에 위치한 경우. 이 구성으로 이러한 주행 능력을 갖춘 로봇을 제작할 수 있습니다. 당사의 로봇 Boxie는 가장 진보되고 유연한 구성이기 때문에 이 구성을 사용합니다
로봇, 차량 및 AGV에 Marvelmind 실내 "GPS" 활용하기
자율 로봇과 드론의 주요 임무 중 하나는 자동화된 스캐닝 및 점검입니다 – 지속적인 주의와 정확성이 요구되는, 예측 가능한 루틴을 가진 매우 중요하지만 반복적인 작업입니다.
이는 기계가 매우 잘 수행할 수 있는 작업이지만, 사람은 피로와 실수에 취약합니다.
물론 창고 실내 스캐닝을 위한 드론은 더 멋진 솔루션처럼 보이며, 당사는 매주 고객 및 잠재 고객과 이에 대해 논의합니다. 하지만 연구와 혁신이 아니라 오늘 당장 실제 응용 분야에서 신뢰성 있게 작동하고 사용할 수 있는 실용적인 솔루션을 원한다면, 오늘날에는 스캐닝용 로봇이 선택지가 되어야 합니다.
활용 사례
자율 로봇에 실내 GPS를 사용하는 주체와 그 목적
자율 이동 로봇에는 GNSS가 실내에서 제공할 수 없는 센티미터 수준의 실내 위치 측정이 필요합니다. Marvelmind 초음파 RTLS는 세 가지 주요 응용 분야에서 사용됩니다: 창고 및 공장의 로봇 보조 점검, 연구소 및 대학 로보틱스 연구실, 산업 시설의 AMR/AGV 내비게이션. 아래는 가장 일반적인 실제 도입 시나리오입니다.
로봇 보조 점검 및 자동화된 스캐닝
자율 로봇 스캐너가 창고 통로, 공장 바닥 또는 온실을 따라 정확하고 반복 가능한 경로를 주행하려면 신뢰할 수 있는 실내 위치 측정 시스템이 필요합니다. 휴대용 바코드 리더, QR 스캐너 또는 RFID 장비를 이용한 수동 스캐닝은 속도가 느리고 오류가 발생하기 쉬우며 대규모로 운영하면 비용이 많이 듭니다. Marvelmind 실내 GPS를 탑재한 로봇은 사람이 걸어 다니는 작업을 대체합니다 - 동일한 경로를 매일, 매시간 또는 일정에 따라 스캔하며, ±2cm의 위치 정확도로 모든 라벨, 코드 또는 RFID 태그가 스캐너의 인식 범위 안에 들어오도록 보장합니다.
당사의 자동화된 스캐닝 및 점검 솔루션은 Boxie Scanner 로봇을 중심으로 구성됩니다 - 카메라, 바코드 리더, QR 스캐너, RFID 리더 등 모든 스캐닝 페이로드를 탑재할 수 있는 소형 자율 플랫폼입니다. 이 로봇은 독립적으로 주행하고, 자체 배터리에서 페이로드에 전원을 공급하며, 모든 스캔의 위치를 ±2cm 정확도로 기록합니다. 이 시스템은 개방형 API를 통해 WMS 및 ERP와 통합됩니다.
로봇 스캐너 도입을 위한 핵심 사실:
- ±2cm 위치 정확도 - 예측 가능한 거리에서 바코드, QR 및 RFID 판독에 충분
- 2D 추적만 필요 - 드론 기반 스캐닝보다 비용과 복잡성이 낮음
- 로봇은 충전 간격당 8, 12 또는 16시간 작동 - 조종사 불필요, 충돌 위험 없음
- 여러 대의 로봇이 한 공간에서 동시에 작동 가능 - 각각 독립적으로 추적
- 좌표가 지리 참조됨 - 모든 스캔이 정확한 XYZ 위치와 타임스탬프와 함께 기록됨
적용 가능한 환경: 창고, 물류 센터, 공장, 조립 공장, 온실, 공항 화물 터미널.
자동화된 스캐닝 및 점검 솔루션에 대해 자세히 알아보기 →
연구 및 대학을 위한 자율 실내 내비게이션
대학, 박사과정 학생, 포스트닥 및 연구소는 Marvelmind 실내 위치 측정 시스템의 가장 활발한 사용자에 속합니다. ±2cm 정확도, 개방형 API, ROS/ROS2 네이티브 드라이버, 투명한 가격의 조합은 광학 추적 시스템의 비용과 복잡성 없이 정밀한 기준 위치 측정이 필요한 로보틱스 연구에 이 시스템이 적합하도록 만듭니다.
이 시스템은 전 세계 대학에서 자율 로봇 내비게이션, 군집 로보틱스, 드론 자동 조종 연구, 자율 주행 차량 드리프트 제어, 실내 고고학, 사람 추적 연구에 활용되었습니다. 실내 위치 측정 시스템에 대해 발표된 한 독립적인 비교 연구는 Marvelmind IPS가 광학 시스템과 견줄 만한 정확도를 훨씬 낮은 비용으로 제공하며 UWB 기반 대안보다 월등히 뛰어나다고 결론지었습니다. 대학 사례 및 발표된 연구 논문 전체 목록을 확인하세요.
연구팀이 다른 대안 대신 Marvelmind를 선택하는 이유:
- UWB보다 약 10배 더 정확(±2cm 대 10-30cm), BLE보다 약 100배 더 정확
- 클라우드 불필요 - 모든 위치 계산이 자체 구내에서 이루어지며 어떤 데이터도 연구실 밖으로 나가지 않음
- 공개된 드라이버와 코드 예제를 갖춘 완전한 ROS 및 ROS2 지원
- TurtleBot, 맞춤형 AMR, 드론, PixHawk, ArduPilot, Jetson, Arduino와 호환
- 개방형 인터페이스: USB, UART, SPI, CAN, I2C - 모든 연구 플랫폼과 통합
- 맞춤화 가능한 하드웨어, 프로토콜 및 소프트웨어 - 팀이 최종 사용자와 직접 협력
- 당일 또는 익영업일 배송 - 연구용 하드웨어를 몇 주씩 기다릴 필요 없음
Marvelmind를 활용해 발표된 주요 연구: UC Berkeley의 자율 드리프트 코너링, 여러 대학의 ROS 센서 융합, Drone Referee (MSD 2017/18), 이스라엘 발굴 현장의 실내 고고학 위치 측정, 실내 젖소 활동 추적, 코로나19 방역 스프레이 살포 로봇.
창고 및 공장에서의 AMR 및 AGV 내비게이션
산업 시설의 자율 이동 로봇(AMR)과 무인 운반차(AGV)에는 정밀하고 확장 가능하며 인프라가 안정적인 실내 위치 측정이 필요합니다. 바닥의 QR 코드(쉽게 손상되거나 가려짐), SLAM(계산이 복잡하고 드리프트가 누적됨) 또는 UWB(10-30cm 정확도로, 좁은 통로 내비게이션에는 부족함)에 기반한 시스템과 달리, 초음파 RTLS는 드리프트가 없고 조명에 의존하지 않으며 로봇 한 대에서 최대 250대의 차량 동시 운용까지 확장되는 절대 ±2cm XYZ 위치 측정을 제공합니다.
Marvelmind는 산업 고객을 위해 추적 시스템을 구축했으며, 그중에는 450×450m의 T자형 창고에서 123개의 고정 Super-Beacon을 사용해 120대 이상의 지게차를 동시에 추적한 사례가 있습니다. 이 시스템은 UDP와 개방형 API를 통해 실시간 XYZ 좌표를 고객의 분석 플랫폼으로 전송하여 각 차량의 현재 위치에 따른 자동 작업 할당을 가능하게 했습니다. 두 번째 구축 사례에서는 14개의 고정 비콘으로 10대의 지게차를 추적했습니다. 두 시스템 모두 Marvelmind가 원격으로 구축했습니다. 전체 사례 연구를 참조하세요.
AMR 및 AGV 도입의 주요 장점:
- 단일 1000 m² 서브맵부터 네트워크로 연결된 서브맵을 통한 무제한 다중 건물 영역까지 커버
- 최대 250대의 모바일 로봇을 각각 ±2cm 정확도로 동시에 추적
- 바닥 개조 불필요 - 비콘은 벽이나 3-4m 높이의 천장에 설치
- USB, UART, SPI, CAN 또는 UDP로 출력 - 기존의 모든 플릿 관리 시스템에 통합 가능
- 정확도는 로봇 속도나 업데이트 속도와 무관 - 기술적 설명 참조
- 먼지가 많고 온도 변화가 크며 전기적 노이즈가 많은 산업 환경에서도 작동
적용 가능한 작업: 자율 배송, 구역 간 운송, 피킹 지원, 자동 재고 실사, 안전 구역 준수 관리, 다중 로봇 협조.
어떤 Marvelmind 스타터 세트를 선택해야 할까요?
세부 사항을 검토할 시간이 없지만 빠르고 안전하게 선택해야 한다면 Starter Set Super-MP를 선택하세요:
- MP는 다목적(Multi-Purpose)을 의미합니다. 이 세트는 실제로 여러 아키텍처와 구성을 지원하여 최고의 유연성을 제공합니다:
- 최대 2개의 서브맵을 이용한 2D 추적
- 최대 3개의 모바일 비콘(로봇)을 이용한 2D 추적
- 위치+방향을 이용한 2D 추적
- 최대 4개의 모바일 비콘을 이용한 1D 추적
- Starter Set Super-MP는 다양한 아키텍처를 지원합니다: NIA, IA 및 MF NIA
- 비콘 내부에는 900-1000 mAh LiPol 배터리가 내장되어 있어 외부 전원 공급 없이도 시스템을 쉽고 빠르게 배치할 수 있습니다
- 비콘에는 외부 안테나가 있어 모뎀과의 무선 연결이 더욱 안정적입니다
- Super-Beacon은 초음파를 수신하고 송신할 수 있습니다. 따라서 고정 비콘과 모바일 비콘 모두로 작동할 수 있습니다
- Super-Beacon에는 내부에 DSP(디지털 신호 처리기)가 있습니다. 따라서 여러 초음파 채널을 동시에 수신하고 IA에서 작동할 수 있습니다
- Super-Beacon에는 IMU(3D 자이로 + 3D 가속도계)가 내장되어 있습니다
로봇당 모바일 비콘이 하나이면 위치만 하나 얻을 수 있다는 점을 기억하세요. 위치와 방향을 모두 얻으려면 로봇당 모바일 비콘 두 개를 사용하는 페어드 비콘 구성이 필요합니다. 다음 옵션을 참조하세요.
위치+방향을 얻으려면 로봇당 모바일 비콘이 두 개 이상 필요합니다. 따라서 가장 쉬운 방법은 Starter Set Super-MP에 Super-Beacon을 하나 더 추가하는 것입니다.
로봇을 위한 정밀 실내 위치 측정 및 내비게이션 예시
자율 배송 로봇 - 자동차 조립 공장 데모
Marvelmind Autonomous Delivery Robot v100.
실내 “GPS” 커버리지를 위한 고정 비콘 15개와 모뎀 1개를 갖춘 IA. 자세히 보기: https://youtu.be/TWWg_8JHYzo.
동일한 실내 “GPS” 맵은 영상에 표시된 로봇 외에도 다음을 지원합니다:
- 여러 대의 모바일 로봇과 지게차 추적 및 사람 추적. 고정+모바일을 합쳐 최대 250개의 비콘/객체
상세 설명이 포함된 Robot v100 예시
이것은 https://youtu.be/TWWg_8JHYzo와 동일한 데모이지만, 영상과 시스템 전반에 대한 설명을 구두로 덧붙였습니다.
구성:
- Marvelmind Autonomous Delivery Robot: https://youtu.be/efOc-ItVvgg
- 실내 “GPS” 커버리지를 위한 고정 비콘 15개와 모뎀 1개를 갖춘 IA.
로봇 사양:
- Marvelmind 실내 “GPS”가 커버하는 모든 지점 간 완전 자율 배송
- 최대 100kg 적재 용량
- 1회 충전으로 16시간 이상 주행: https://youtu.be/JaxRd_9D1fQ 60kg 이상 적재 시
- 자동 장애물 회피 및 감지
- 배송 경로를 버튼 한 번 클릭으로 1초 만에 재구성할 수 있습니다
- 충전 시간은 4시간 미만입니다. 따라서 2교대 근무(16시간)와 1교대 분량(8시간) 충전이 지원됩니다
- 재구성 가능한 적재 용량: 최대 65x65x160cm의 대형 박스 1개부터 65x65x15cm 박스 최대 8개까지 – 선반 하나 대 다중 선반
- 동일한 실내 “GPS” 맵이 지원하는 것:
- 여러 대의 모바일 로봇과 지게차 추적 및 사람 추적. 고정+모바일을 합쳐 최대 250개의 비콘/객체.
- 로봇에는 IA 모뎀에서 위치 + 방향을 위한 페어드 비콘 구성의 모바일 비콘과 두 개의 외부 Omni-Microphones가 설치된 모습을 볼 수 있습니다
- 2D 추적용 고정 비콘이 벽에 설치되어 있습니다
Marvelmind 실내 "GPS"를 사용하여 완전 자율로 주행하는 로봇
완전 자율 로봇이 다음에 의존하여 스스로 주행합니다:
- Marvelmind 실내 “GPS”
- 온보드 오도메트리 및 관성 장치(IMU)
로봇은 사용자로부터 방문할 주요 지점의 좌표를 수신하고(오른쪽 표), 경로에 대한 자신의 위치를 지속적으로 보정하면서 경로를 생성하고 따라갑니다. 좌표는 Dashboard에서 맵을 클릭하기만 하면 자동으로 생성됩니다.
비콘 간 거리는 최대 36미터입니다. 20-30미터마다 비콘을 더 설치하면 캠퍼스 전체를 정밀한 “GPS”로 커버할 수 있습니다.
사무실 환경에서 이동하는 완전 자율 소형 배송 로봇
완전 자율 로봇 주행 데모: "8자형" 트랙
Marvelmind 실내 내비게이션 시스템 + 자율 로봇 Marvelmind Hermes 데모:
- “8자형”(7x2m) 트랙
- 완전 자율 주행. 80m² 공간에 배치된 Marvelmind 실내 내비게이션 시스템 스타터 세트
로봇 상단에 모바일 비콘이 부착되어 있습니다. 로봇은 Marvelmind IPS로부터 ±2cm 정밀도의 좌표를 수신하여 이를 이용해 트랙을 자율적으로 주행합니다.
실제 환경을 모방하기 위해 실내 내비게이션 시스템에 대한 의도적인 약한 음영(기둥, 패딩 스툴)이 있습니다. 음영 구간에서는 로봇이 관성 항법 시스템과 주행 거리계에 의존합니다.
Marvelmind 실내 "GPS" 기반의 위치 및 방향 기능을 갖춘 도미노 로봇
Marvelmind 실내 내비게이션 시스템은 독창적인 도미노 배치 로봇에 사용되었습니다. 이 시스템은 정밀한 위치와 방향을 얻는 데 사용되었으며, 최상의 방향 정확도를 달성하기 위해 베이스에 배치된 모바일 비콘을 확인하세요.
원본 영상도 확인하세요: 세계 기록 도미노 로봇 (24시간 만에 도미노 10만 개)
로보틱스 솔루션
위치 측위
모든 자율 로봇의 가장 큰 문제 중 하나는 “나는 어디에 있는가?”라는 질문에 답하는 것입니다. 이 질문은 즉시 여러 하위 질문들로 확장됩니다:
- 현재 예상 위치와 비교하여 나는 어디에 있는가?
- 다음 웨이포인트와 비교하여 나는 어디에 있는가?
- 다른 객체, 즉 로봇, 사람, 장애물, 충전 스테이션 등과 비교하여 나는 어디에 있는가?
하지만 모든 것은 어떤 기준에 대한 위치 측위에서 시작됩니다. 예를 들어 (0,0,0) 좌표, 그것이 무엇이든 될 수 있는 기준, 또는 출발점 등에 대한 것입니다. 다른 많은 질문은 이 핵심 질문의 파생물입니다.
무엇을 기준으로 한 위치 측위인가?
몇 가지 주요 옵션이 있습니다:
- 자기 자신을 기준으로 – 예를 들어 로봇의 중심
- 외부 기준점을 기준으로
자기 자신을 기준으로 하는 것이 많은 경우 더 간단하지만, 이는 공간 내 이동 및 내비게이션보다는 장애물 감지 및 회피에 관한 것입니다. 외부 기준에 대한 위치 측정 및 내비게이션을 자세히 살펴보겠습니다.
좌표계에 대해 더 알아보기:
SLAM을 사용하지 않는 이유는?
SLAM(동시 위치 추정 및 지도 작성)은 훌륭한 방법입니다. 하지만 환경이 변하거나 구조가 불량하거나 예측할 수 없는 일부 산업 응용 분야, 즉 창고, 조립 공장 및 일반적인 사내 물류에서는 실용적이지 않을 수 있습니다:
- 작업을 두 단계로 나누는 것이 단순히 더 효율적인 경우가 많습니다: 1) 맵핑, 2) 위치 측위
- 장애물 감지 및 회피는 맵핑 및 위치 측위와는 전혀 관련이 없습니다. 이는 세 번째 항목, 3)입니다. 단지 다른 작업이며 다르게 해결해야 합니다. 라이다는 장애물 감지에 적합하지만, 환경이 변하는 경우 맵핑에는 특별히 적합하지 않습니다 – 너무 많은 실수를 할 수 있습니다
- 라이다에 대해 언급한 것과 동일한 한계가 시각적 SLAM 시스템에도 적용됩니다 – 혼란을 일으킬 수 있으며, 오류를 바로잡기 위해 다른 방법에 의존해야 합니다
- 일반적으로 센서 융합이 가장 좋은 접근 방식이며 최상의 결과를 제공하고, 상업적으로나 기술적으로 실현 가능할 때 권장됩니다
내부-외부, 외부-내부 위치 측위, 또는 혼합?
로봇이 위치 측위에 필요한 모든 것을 온보드로 갖추고 있다면 이는 내부-외부 위치 측위입니다. 사람과 동물은 내부-외부 위치 측위를 사용합니다. 이들은 일반적으로 연속적인 좌표 스트림 형태로 자신이 어디에 있는지에 대한 직접적이고 지속적인 정보를 필요로 하지 않습니다. 다양한 외부 단서를 바탕으로 “내부적으로” 이를 판단합니다.
일부는 이 과정을 시각적 오도메트리라고 부릅니다. 물론 바닥과 환경이 적합하다면 일반적인 바퀴(발) 기반 오도메트리와 함께 사용할 때 훨씬 더 잘 작동합니다. 그래서 어떤 로봇에나 쓸 수 있는 내비게이션 시스템만 만드는 것보다 내비게이션 시스템을 갖춘 로봇을 만드는 것이 때로는 더 쉽습니다. 이러한 “범용 위치 측정 시스템”의 개발자들은 어려움을 겪을 수 있는데, 오도미터의 데이터가 사실상 어떤 형식이든 될 수 있기 때문입니다 – 서로 다른 값을 가진 아날로그이거나 알 수 없는 형식으로 디지털 코딩되어 있을 수 있습니다. 해상도가 완전히 다를 수 있으며, 그 밖의 많은 매개변수도 다를 수 있습니다.
따라서 로봇 내부의 대부분의 시스템은 본질적으로 서로 연결되어 있습니다. 로봇을 설계하는 모든 사람이 처음부터 이를 이해하고 고려해야 합니다.
당사의 실내 위치 측정 시스템은 외부-내부 위치 측위를 사용합니다: 이동 로봇은 비교적 단순하거나 추적당하고 있다는 사실조차 인식하지 못해도 됩니다. 외부 시스템이 로봇을 추적하며, 당사의 경우 로봇에 부착된 모바일 비콘(태그)을 추적합니다. 로봇이 똑똑하다면 그 데이터를 활용하여 XYZ 좌표와 웨이포인트를 기반으로 자율적으로 주행합니다. 똑똑하지 않다면 원격으로 제어할 수 있습니다. 그래도 사람이 아니라 시스템이 제어하므로 완전한 자율 상태를 유지하지만, 지능, 적어도 위치 측정, 내비게이션 및 자율 주행을 담당하는 지능은 움직이는 본체 외부에 있습니다.
외부-내부 아키텍처의 이점:
- RC 카 기반의 매우 단순한 로봇이나 지게차와 같은 “단순한” 이동 객체를 추적할 수 있습니다
- 예를 들어 사람처럼 “연결할 수 없는” 이동 객체를 추적하여 로봇이 주변에 있을 때 안전성을 크게 향상시킬 수 있습니다. 로봇이 사람을 감지할 필요가 없습니다. 로봇은 사람이나 다른 로봇을 포함한 다른 이동 객체가 어디에 있는지 알고 있습니다
- 로봇의 가격이 훨씬 저렴해집니다
선택에 관한 권장 사항:
- 매우 넓지만 구조화되어 있고 “예측 가능한” 창고를 1-2대의 로봇이 주행한다면 내부-외부 위치 측위가 재정적으로 더 유리할 수 있습니다. 물론 로봇 한 대당 비용은 더 비싸지만 창고에 인프라가 필요하지 않습니다
- 같은 창고에 여러 대의 로봇이 있다면, 로봇이 상당히 저렴해지기 때문에 외부-내부 위치 측위를 사용하는 것이 점점 더 유리해집니다
- 구조화되지 않은 환경에서 내부-외부 위치 측위가 어려움을 겪는다면, 주저하지 말고 외부-내부 방식을 사용하세요
- 가장 복잡한 조건에서는 센서 융합 접근 방식과 각종 하이브리드 솔루션이 일반적으로 최상의 결과를 가져옵니다
- 외부-내부 방식은 군집 로보틱스에 특히 적합합니다
기준점 선택
GPS의 경우 좌표는 일반적인 지구의 위도와 경도로 제공됩니다. 예를 들어 로봇이 실내 밖으로 이동하는 경우처럼 일부 상황에서는 이것이 유용할 수 있습니다. 하지만 실제 실내 사례의 대부분에서는 로컬 좌표만 필요합니다.
따라서 편의에 따라 기준점을 선택합니다. Marvelmind 실내 “GPS”에서는 보통 시스템이 고정 비콘 중 하나를 (0,0,0) 또는 (0,0)으로 지정합니다. 하지만 맵의 어느 지점이든 (0,0)으로 설정할 수 있습니다:
또한 내부 (0,0,0) 지점에 외부 GPS 좌표를 할당하는 지리 참조가 가능합니다. 그 이후 Marvelmind 실내 “GPS”의 좌표 스트림은 NMEA0183 형식의 절대 GPS 좌표로 제공됩니다. 또는 내부 형식으로도 제공됩니다. 개방형 프로토콜 자세히 보기.
방향
자력계/나침반을 사용할 수 있는 실외와 달리, 실내에서 방향을 계산하는 것은 간단한 작업이 아닙니다. 특히 정지 상태에서는 어렵습니다.
예를 들어 로봇은 당사 시스템을 사용하여 정확한 위치를 쉽게 파악할 수 있습니다. 그러나 로봇이 현재 방향, 즉 어느 쪽을 향하고 있는지 모른다면 어디로 주행해야 할지 결정하기 쉽지 않습니다.
현재 위치를 측정한 뒤, IMU/자이로를 사용해 직진 방향을 유지하면서 약 1m 앞으로 주행하고 새로운 위치를 측정하면, 두 지점을 알고 그것이 곡선이 아니라 직선이었음을 알기 때문에 로봇의 현재 방향을 비교적 빠르게 계산할 수 있습니다. 이후 주행 중에도 같은 기법을 계속 사용합니다. 다음 글을 참조하세요: 드론당 모바일 비콘이 몇 개 필요한가요? – 로봇은 크기와 무게 제한이 덜하기 때문에 중요도는 낮지만, 로봇에도 충분히 적용할 수 있습니다.
이 방식을 사용하는 기존 로봇들:
이 방법은 간단하고 모바일 비콘(태그) 하나만 필요하지만, 주행할 수 있는 경우에만 작동합니다. 이동할 수 없고 바로 그 자리에서, 즉 정지 상태에서 위치를 측위해야 하는 경우가 많습니다. 어떻게 해야 할까요?
페어드 비콘
정지 상태에서 방향을 얻기 위해 당사가 권장하는 방법은 페어드 비콘 구성을 사용하는 것입니다.
자세한 내용은 다음과 같습니다. NIA에서:
또 다른 예는 모바일 비콘 간 베이스가 약 60cm인 자율 주행 Robot v100입니다. IA에서:
단일 모바일 비콘에 외부 마이크를 장착한 유사한 구성입니다. VR을 위해 제작되었지만 로봇에도 쉽게 적용할 수 있습니다. 마이크 간 베이스는 약 20cm입니다. IA에서:
각 솔루션에는 다양한 대안이 있습니다. 예를 들어 외부 카메라를 이용한 모션 캡처가 있습니다. 위치와 방향 모두에 정밀하고 적합한 솔루션인가요? – 물론입니다! 그렇습니다! 산업용 로보틱스에 실용적인가요? – 그다지 그렇지 않습니다:
- 비용이 많이 듭니다. 매우 비쌉니다. 적어도 이 글이 처음 작성된 2021년 당시에는 그랬습니다
- 공장이나 창고의 열악한 환경에 맞게 조정되어 있지 않습니다
- 빛 부족, 지나치게 강한 빛, 안개, 온도 변화, 전원 공급 등 여러 제약에 취약합니다
따라서 여기서는 가능한 모든 위치 측위 옵션을 다루지 않습니다. 비교적 관련성이 높고 구현 가능한 것만 다룹니다.
장애물 감지 및 회피
장애물 감지 및 회피는 위치 측위와는 별개의 작업입니다
앞서 논의했듯이 SLAM 방식은 장애물 감지, 맵핑, 위치 측위를 동시에 수행할 것을 약속합니다. 꿈같이 들리지만 현실은 더 가혹하고 덜 우호적입니다.
조명이 열악하고 다이내믹 레인지가 높은 광원이 많은 실제 환경 – 창문을 통해 들어오는 밝은 햇빛과 창고의 매우 어두운 그림자가 공존하고, 전조등에서 각종 스캐너에 이르기까지 다양한 광원이 있는 환경에서는 시각 기반 SLAM 솔루션이 위치 측위를 완전히 상실할 정도로 매우 쉽게 혼란을 겪을 수 있습니다. SLAM 시스템이 여러 선택지 중에서 올바른 것을 고르지 못할 때는 주요 오류를 수정하기 위한 추가 방법이 필요합니다. 센서 융합이 그 해결책입니다.
또한 위치 측위 과제는 (기술적, 경제적으로) 최적으로 해결할 수 있지만, 과제와 요구 사항의 성격이 서로 다르기 때문에 장애물 감지 과제를 최적으로 해결하기는 더 어렵습니다.
그런데 SLAM 방식은 맵핑과 위치 측위에 장애물 감지까지 얹어 과제를 불필요하게 복잡하게 만듭니다:
- 맵핑
- 위치 측위
- 장애물 감지
세 가지 요소 모두 자율 주행에 매우 중요하지만, 같은 것일 필요는 없습니다. 같은 방법으로, 같은 센서로 수행해야 하는 것도 아닙니다.
통합형 로봇 방식 대 분리형 로봇 방식
중요한 점 중 하나는 로봇과 그 페이로드를 명확히 구분하는 것입니다. 이는 로켓과 위성의 관계와 매우 유사합니다. 두 가지는 서로 다르며 혼동해서는 안 됩니다. 트랙터와 트랙터에 장착하는 장비도 마찬가지입니다.
당사는 “로켓”과 “트랙터”를 생산합니다:
기본 바구니부터 암, 복잡한 스캐너에 이르기까지 원하는 페이로드를 설치할 수 있습니다. 당사의 개방형 인터페이스 및 프로토콜을 통해 이들을 제어할 수도 있습니다.
통합형 로봇 방식
로봇이 완전히 통합된, 즉 페이로드가 긴밀하게 결합된 경우가 매우 흔합니다. 이러한 통합형 로보틱스 방식에는 장단점이 있습니다.
장점:
- 로봇이 하나의 작업에만 맞춰져 있어 구축이 더 쉬울 수 있습니다. 매우 집중적입니다
- 운용이 더 간단함
- 더 가벼울 수 있음
- 더 견고할 수 있음
- 단기적으로는 비용이 더 저렴할 수 있음
단점:
- 유연하지 않습니다. 그리고 이것은 큰 문제입니다. 이론적으로는 매우 유능한 로봇이 있지만 한 가지 일에만 맞춰져 있고, 정작 필요한 것은 다른 일입니다
- 유연성 부족과, 아마도 서로 다른 제조사의 것까지 포함하여 작업별로 여러 종류의 로봇이 필요하다는 점 때문에 장기적으로는 더 비쌀 수 있습니다
분리형 로봇 방식
장점:
- 사용상 유연합니다. 제한된 수의 로봇 플랫폼과 제한된 종류의 장착 장비만으로도 사실상 무한한 수의 서로 다른 구성이 가능합니다
- 개발상 유연합니다. 각 부분을 독립적으로 개발할 수 있고 인터페이스(전기, 기계, SW)만 호환성을 유지하면 되기 때문입니다
- 로봇 플랫폼은 단순하거나 심지어 원시적이어도 매우 기능적일 수 있습니다. 정교한 “위성” 없이 단지 플랫폼, 즉 “트랙터” 또는 “로켓”일 뿐이기 때문입니다
- 로봇당 비용이 더 저렴함
단점:
- 통합이 더 복잡합니다. 로봇은 최소한 “트랙터”와 “장비”라는 두 부분으로 구성됩니다
- 분리형 방식은 변형이 더 다양하기 때문에, 즉 더 많은 테스트가 필요하고 더 많은 관련 당사자가 참여하는 등의 이유로 견고성이 낮을 수 있습니다. 서로 다른 제조사(로봇과 페이로드)에 따른 잠재적 비호환성
로봇 플랫폼 및 페이로드/장비 예시
로봇 플랫폼:
- 자율 배송 플랫폼. 정말 트랙터와 같지만 다양한 물건, 즉 다양한 페이로드나 장비를 운반할 수 있습니다
- 드론 자체
페이로드 또는 장비:
- 예를 들어 상자를 집어 로봇에 올리는 암
- 로봇의 바구니
- 로봇 또는 드론의 카메라
- 각종 측정기(화학, 방사선, 소음 등)
- 스캐너(3D, 바코드/QR 리더, 5G/6G 등)
- 화재 예방 장비
군집 로보틱스
로봇 한 대를 자율 주행하게 만드는 것도 그리 쉬운 일이 아닙니다. 하지만 로봇 군집을 만드는 것은 훨씬 더 어려운 과제입니다.
어떤 어려움이 있을까요?
- 주변에 움직이는 물체, 즉 다른 로봇이 너무 많으면 환경이 통제할 수 없고 예측하기 어려운 방식으로 움직이기 때문에 각 로봇이 결정을 내리기가 더 어렵습니다.
- 로봇이 중앙 컴퓨터로 데이터를 스트리밍하거나 중앙 컴퓨터로부터 별도의 스트림을 수신해야 하는 경우, 모든 로봇을 처리하기에 충분한 무선 대역폭이나 대역폭이 없을 수 있습니다.
- 로봇은 자율적이고 독립적이므로 공유 통신 채널에 무작위로 접근을 요청할 수 있습니다. 그렇게 되고 채널 대역폭이 필요한 최대 처리량보다 10-100배 높지 않다면 충돌 가능성이 높습니다. 따라서 충돌을 해결하기 위한 별도의 중앙 컨트롤러나 메커니즘이 필요합니다. 두 가지 모두 복잡성을 증가시키고 다른 제약을 가져옵니다.
- 로봇들은 주변의 다른 물체에 대한 서로의 시야를 가립니다. 로봇은 이웃을 감지하지만, 위치를 측정할 기준이 되는 것(예: 외부 고정 기준점)은 사실상 감지하지 못합니다.
해결책은 무엇일까요?
Marvelmind는 군집 내 로봇의 위치 측위를 지원할 수 있습니다. 이는 출발점이자 가장 중요한 지점으로, 이것이 적절히 해결되면 로봇 군집의 다른 많은 어려움은 아예 발생하지 않기 때문입니다.
아래에서 군집 예시와 솔루션을 확인하세요.