로봇의 자급자족 능력이 향상됨에 따라 로봇은 더 큰 독립성과 신뢰성을 가지고 주변을 탐색해야 합니다. 자율 트랙터, 농업용 수확기, 파종 기계는 조심스럽게 농경지를 통과해야 하며, 자율 주행 배송 차량은 패키지를 올바른 위치에 배치하기 위해 거리를 안전하게 횡단해야 합니다. 다양한 응용 분야에서 자율 이동 로봇(AMR)은 설계된 작업을 안전하고 성공적으로 완료하기 위해 매우 정확한 위치 지정 소스가 필요합니다.
이러한 정밀도를 달성하려면 두 가지 위치 기능 세트가 필요합니다. 하나는 다른 물체에 대한 자신의 상대적인 위치를 이해하는 것입니다. 이는 주변 세계를 이해하는 데 중요한 정보를 제공하며, 가장 확실한 경우 정지되어 있거나 움직이는 장애물을 피하는 데 도움이 됩니다. 이러한 동적 조종에는 이러한 신호를 처리하고 AMR에 실시간 방향을 제공하기 위해 카메라, 레이더, LiDAR 및 지원 소프트웨어와 같은 광범위한 내비게이션 센서 스택이 필요합니다.
두 번째 기능 세트는 AMR이 세계의 정확한 물리적 위치(또는 절대 위치)를 이해하여 장치에 프로그래밍된 경로를 정확하고 반복적으로 탐색할 수 있다는 것입니다. 여기서 명백한 사용 사례는 고정밀 농업입니다. 다양한 AMR이 작물을 심고, 관개하고, 수확하기 위해 수개월에 걸쳐 동일한 좁은 경로를 따라 이동해야 하며, 모든 패스에서 AMR이 매번 동일한 정확한 지점을 참조해야 합니다. .
이를 위해서는 센서와 소프트웨어의 전체 생태계가 활용하는 GNSS(Global Navigation Satellite System)를 시작으로 다양한 탐색 기능이 필요합니다. GNSS를 강화하는 것은 개방형 애플리케이션을 위해 GNSS 단독보다 100배 더 높은 정밀도를 구동하는 데 도움이 되는 RTK 및 SSR과 같은 보정 기능과 GNSS를 사용할 수 없는 곳에서 탐색하기 위해 센서 융합 소프트웨어와 결합된 관성 측정 장치입니다( 추측 항법 ).
이러한 기술에 대해 자세히 알아보기 전에 AMR이 작업을 수행하는 데 상대 위치와 절대 위치가 모두 필요한 사용 사례를 잠시 살펴보겠습니다.
상대 및 절대 위치 지정이 필요한 로봇 공학 애플리케이션
AMR은 인간이 당연하게 여기는 것, 즉 세상에서 자신의 위치를 정확하게 찾고 해당 정보를 기반으로 정확한 조치를 취하는 타고난 능력을 드러냅니다. AMR의 애플리케이션이 다양해질수록 어떤 유형의 작업에 극도의 정밀도가 필요한지 더 많이 발견할 수 있습니다. 몇 가지 예는 다음과 같습니다.
농업 자동화: 농업에서 AMR은 파종, 수확, 작물 모니터링과 같은 작업에 점점 일반화되고 있습니다. 이러한 로봇은 일반적으로 GPS를 통해 절대 위치 지정을 활용하여 넓고 고르지 않은 필드를 정밀하게 탐색합니다. 이를 통해 광범위한 영역을 체계적으로 처리하고 필요에 따라 특정 위치로 돌아갈 수 있습니다. 그러나 일단 작물 근처나 지정된 영역 내에 있으면 AMR은 AMR이 마지막으로 방문한 이후 자랐거나 위치가 변경되었을 수 있는 과일을 따는 것과 같이 더 높은 수준의 정확성을 요구하는 작업에 대해 상대 위치 지정에 의존합니다. 두 가지 위치 지정 방법을 결합함으로써 이 로봇은 농업 분야의 전형적인 까다롭고 가변적인 환경에서 효율적으로 작동할 수 있습니다.
도시 환경에서의 라스트마일 배송: AMR은 물류 센터에서 최종 목적지까지 상품을 자율적으로 운송함으로써 도시 환경의 라스트 마일 배송을 변화시키고 있습니다. 이 로봇은 절대 위치 지정을 사용하여 도시 거리, 골목 및 복잡한 도시 레이아웃을 탐색하여 교통을 피하고 배송 일정을 준수하면서 최적화된 경로를 따르도록 합니다. 배송 위치 부근에 도달하면 AMR은 상대 위치 지정을 사용하여 거리에 이중 주차된 차량과 같은 가변적이거나 예상치 못한 장애물을 피해 이동합니다. 이러한 이중 접근 방식을 통해 AMR은 복잡한 도시 풍경을 처리하고 고객의 문앞까지 직접 정확하게 배송할 수 있습니다.
건설현장 자동화: 건설 현장에서는 엔지니어가 지정한 정확한 사양에 따라 프로젝트가 건설되도록 AMR이 사용됩니다. 또한 자재 운송, 환경 매핑 또는 측량과 같은 작업에도 도움이 됩니다. 이러한 사이트는 환경이 지속적으로 변화하는 넓은 영역에 걸쳐 있는 경우가 많으므로 AMR은 절대 위치 지정을 사용하여 전체 프로젝트 사이트 내에서 방향을 탐색하고 유지해야 합니다. AMR이 다른 장비나 현장 직원을 피하는 등 동적 요소와의 상호 작용이 필요한 작업을 수행할 때 상대 위치 지정이 작동합니다. 두 위치 확인 시스템의 결합을 통해 AMR은 건설 프로젝트의 복잡하고 역동적인 특성에 효과적으로 기여하여 효율성과 안전성을 향상시킬 수 있습니다.
자율 도로 유지 관리: AMR은 포장 검사, 균열 밀봉, 라인 페인팅 등 도로 유지 관리 작업에 점점 더 많이 사용되고 있습니다. 이 로봇은 절대 위치 지정을 활용하여 고속도로나 도로를 따라 이동하여 장거리 코스를 유지하고 유지 관리가 필요한 특정 위치를 정확하게 포착할 수 있습니다. 이러한 유지 관리 작업을 수행할 때 상대 위치 지정으로 전환하여 특정 도로 결함을 정확하게 식별 및 해결하고 차선 표시를 정밀하게 칠하거나 장애물을 피해 이동합니다. 이 이중 기능을 통해 AMR은 도로 유지 관리 작업을 효율적으로 관리하는 동시에 작업자가 위험한 도로변 환경에서 작업할 필요성을 줄여 안전성과 생산성을 향상시킬 수 있습니다.
환경 모니터링 및 보존: 실외 환경에서는 야생 동물 추적, 오염 감지, 서식지 매핑과 같은 환경 모니터링 및 보존 노력을 위해 AMR이 배포되는 경우가 많습니다. 이 로봇은 절대 위치 지정을 활용하여 숲에서 해안 지역에 이르기까지 광활한 자연 지역을 탐색하여 지형에 대한 포괄적인 범위를 보장하고 자세한 현장 조사 및 매핑을 캡처할 수 있습니다. AMR은 고해상도 이미지 캡처, 샘플 수집, 동물 움직임 추적과 같은 작업을 정확한 정확도로 수행할 수 있으며 시간이 지남에 따라 응집력 있는 방식으로 이러한 샘플을 오버레이할 수 있습니다.
위의 모든 예에서 잠재적으로 치명적인 결과를 방지하려면 미터보다 훨씬 작은 절대 위치 정확도가 필요합니다. 정확한 위치가 없으면 작업자 부상, 상당한 제품 손실, 비용이 많이 드는 지연 등이 모두 발생할 가능성이 높습니다. 기본적으로 AMR이 몇 센티미터 내에서 작동해야 하는 모든 곳에서는 상대 위치 솔루션과 절대 위치 솔루션이 모두 필요합니다.
상대적 위치 측정 기술
AMR은 여러 센서를 활용하여 환경의 다른 물체와 관련하여 자신의 위치를 찾습니다. 여기에는 다음이 포함됩니다.
카메라: 카메라는 자율 이동 로봇의 시각 센서 역할을 하며, 인간의 눈이 작동하는 방식과 유사하게 주변 환경을 즉각적으로 보여줍니다. 이러한 장치는 로봇이 물체 감지, 장애물 회피 및 환경 매핑에 사용할 수 있는 풍부한 시각적 정보를 캡처합니다. 그러나 카메라는 적절한 조명에 의존하며 안개, 비, 어둠과 같은 악천후로 인해 방해를 받을 수 있습니다. 이러한 제한 사항을 해결하기 위해 카메라는 근적외선 센서와 결합되거나 야간 투시 기능을 갖추고 있어 로봇이 저조도 조건에서도 볼 수 있습니다. 카메라는 순차적인 카메라 이미지를 분석하여 시간에 따른 위치 변화를 계산하는 프로세스인 시각적 주행 거리 측정의 핵심 구성 요소입니다. 일반적으로 카메라는 2-D 이미지를 3-D 구조로 변환하기 위해 항상 상당한 처리가 필요합니다.
레이더 센서: 레이더 센서는 물체에 반사되는 맥동 전파를 방출하여 작동하여 물체의 속도, 거리 및 상대 위치에 대한 정보를 제공합니다. 이 기술은 강력하며 비, 안개, 먼지 등 카메라와 라이더가 어려움을 겪을 수 있는 다양한 환경 조건에서 효과적으로 작동할 수 있습니다. 그러나 레이더 센서는 일반적으로 다른 센서 유형에 비해 데이터가 희박하고 해상도가 낮습니다. 그럼에도 불구하고 움직이는 물체의 속도를 감지하는 신뢰성은 매우 중요하므로 다른 개체의 움직임을 이해하는 것이 중요한 동적 환경에서 특히 유용합니다.
라이더 센서: Lidar(빛 감지 및 범위 지정)는 레이저 펄스를 사용하여 물체에 반사되는 빛의 타이밍을 맞춰 거리를 측정하는 센서 기술입니다. LiDAR는 빠른 레이저 펄스로 환경을 스캔하여 주변 환경에 대한 매우 정확하고 상세한 3D 지도를 생성합니다. 이는 로봇이 지도 내 위치를 추적하면서 알 수 없는 환경의 지도를 작성하는 SLAM(동시 위치 및 매핑)을 위한 필수 도구입니다. LiDAR는 정밀도와 다양한 조명 조건에서 잘 작동하는 능력으로 잘 알려져 있지만, 물방울이 레이저 빔을 산란시킬 수 있는 비, 눈, 안개에서는 효과가 떨어질 수 있습니다. 비용이 많이 드는 기술임에도 불구하고 LiDAR는 복잡한 환경에서의 정확성과 신뢰성으로 인해 자율 항법에 선호됩니다.
초음파 센서: 초음파 센서는 고주파 음파를 방출하여 주변 물체에 반사되어 에코가 돌아오는 데 걸리는 시간을 측정하는 방식으로 작동합니다. 이를 통해 로봇은 경로에 있는 물체 및 장애물까지의 거리를 계산할 수 있습니다. 이러한 센서는 단거리 감지에 특히 유용하며 창고 통로와 같은 좁은 공간 내 탐색이나 도킹 또는 후진과 같은 정밀한 조작과 같은 느리고 근거리 활동에 자주 사용됩니다. 초음파 센서는 비용 효율적이고 다양한 조건에서 잘 작동하지만 LiDAR 및 카메라에 비해 범위가 제한적이고 응답 시간이 느리기 때문에 근접한 위치에서 높은 정밀도가 요구되는 특정 제어 환경에 가장 적합합니다.
절대 위치 확인에 사용되는 기본 기술은 GNSS(GPS 및 GLONASS, Galileo, BeiDou와 같은 기타 위성 시스템을 포함하는 용어)에서 시작됩니다. GNSS는 대기 조건과 위성 불일치의 영향을 받는다는 점을 고려하면 수 미터 떨어진 위치 솔루션을 제공할 수 있습니다. 보다 정확한 탐색이 필요한 AMR의 경우 이는 충분하지 않습니다. 따라서 이 오류를 1cm까지 줄이는 GNSS 수정이라는 기술이 등장했습니다.
RTK: 실시간 운동학(RTK)은 GNSS 수신기 위치 추정치를 수정하기 위한 기준점으로 위치가 알려진 기지국 네트워크를 사용합니다. AMR이 기지국에서 50km 이내에 있고 안정적인 통신 링크가 있는 한 RTK는 1~2-cm의 정확도를 안정적으로 제공할 수 있습니다.
SSR 또는 PPP-RTK: PPP-RTK라고도 하는 SSR(상태 공간 표현)은 기지국 네트워크의 정보를 활용하지만 로컬 기지국에서 직접 수정 사항을 보내는 대신 넓은 지리적 영역에 걸쳐 오류를 모델링합니다. 그 결과 더 넓은 적용 범위는 기지국에서 50km를 훨씬 넘는 거리를 허용하지만 정확도는 네트워크의 밀도와 품질에 따라 3-10센티미터 이상으로 떨어집니다.
이 두 가지 접근 방식은 GNSS 신호를 사용할 수 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. 관성 항법 시스템(INS)이 관성 측정 장치(IMU) 및 센서 융합 소프트웨어와 함께 작동하는 곳입니다.
아이무– IMU는 가속도계, 자이로스코프, 때로는 자력계를 결합하여 시스템의 선형 가속도, 각속도 및 자기장 강도를 각각 측정합니다. 이는 INS가 시작점을 기준으로 물체의 위치, 속도, 방향을 실시간으로 판단할 수 있도록 하는 중요한 데이터입니다.
IMU의 역사는 선박과 항공기의 항법 시스템에 사용되는 자이로스코프 장치의 개발에 뿌리를 둔 20세기 초반으로 거슬러 올라갑니다. 최초의 실용적인 IMU는 제2차 세계대전 중에 주로 미사일 유도 시스템과 이후 우주 프로그램에 사용하기 위해 개발되었습니다. 예를 들어, 아폴로 임무는 기존 항법 방법이 불가능했던 우주 항법을 위해 IMU에 크게 의존했습니다. 지난 수십 년 동안 IMU 기술은 전자 부품의 소형화와 20세기 후반 MEMS(Micro-Electro-Mechanical Systems) 기술의 출현으로 크게 발전했습니다. 이러한 발전으로 인해 더욱 작고 저렴하며 정확한 IMU가 탄생하여 오늘날 광범위한 가전 제품, 자동차 시스템 및 산업용 애플리케이션에 통합될 수 있게 되었습니다.
센서 융합– 센서 융합 소프트웨어는 IMU 및 기타 센서의 데이터를 결합하여 GNSS를 사용할 수 없을 때 AMR의 절대 위치를 일관되고 정확하게 이해하는 역할을 합니다. 가장 기본적인 구현은 GNSS 신호가 끊어지는 시점과 AMR에 의해 다시 수신되는 시점 사이의 실시간 "간격을 메웁니다". 센서 융합 소프트웨어의 정확성은 관련 센서의 품질 및 교정, 융합에 사용되는 알고리즘, 배포되는 특정 애플리케이션이나 환경을 포함한 여러 요소에 따라 달라집니다. 보다 정교한 센서 융합 소프트웨어는 다양한 센서 양식을 상호 연관시킬 수 있으므로 솔루션의 센서 중 하나가 단독으로 작동하는 것보다 뛰어난 위치 정확도를 제공합니다.
GNSS용 RTK는 자율 로봇을 위한 매우 정확한 절대 위치 소스를 제공합니다. 그러나 RTK가 없으면 많은 로봇 공학 애플리케이션이 불가능하거나 실용적이지 않습니다. 건설 측량 로버부터 자율 배달 드론 및 자율 농업 도구에 이르기까지 수많은 AMR은 RTK만이 제공할 수 있는 센티미터 단위의 정확한 절대 위치 지정에 의존합니다.
즉, RTK 솔루션은 그 뒤에 있는 네트워크만큼만 우수합니다. 일관되게 신뢰할 수 있는 수정을 위해서는 수신기가 정확한 오류 수정을 위해 항상 충분히 가까운 범위 내에 있도록 하기 위해 고밀도 기지국 네트워크가 필요합니다. 네트워크가 클수록 어디에서나 AMR에 대한 수정을 더 쉽게 얻을 수 있습니다. 밀도만이 유일한 요소는 아닙니다. 네트워크는 매우 복잡한 실시간 시스템이며 AMR로 전송되는 데이터가 정확하고 신뢰할 수 있는지 확인하기 위해 전문적인 모니터링, 조사 및 무결성 검사가 필요합니다.
이 모든 것이 자율 로봇 개발자에게 무엇을 의미합니까? 적어도 실외 애플리케이션과 관련하여 RTK 기반 GNSS 수신기 없이는 AMR이 완성되지 않습니다. 가능한 가장 정확한 솔루션을 위해 개발자는 가장 밀도 있고 가장 안정적인 RTK 네트워크에 의존해야 합니다. 자율 주행 배송 차량과 같이 로봇이 이상적인 GNSS 신호 환경 안팎으로 자주 이동해야 하는 경우 IMU와 결합된 RTK는 사용 가능한 가장 포괄적인 절대 위치 확인 소스를 제공합니다.
두 가지 자율 로봇 애플리케이션은 동일하지 않으며 각각의 고유한 설정에는 상대 위치 정보와 절대 위치 정보가 고유하게 혼합되어 있어야 합니다. 그러나 미래의 실외 AMR을 위해서는 강력한 RTK 보정 네트워크를 갖춘 GNSS가 센서 스택의 필수 구성 요소입니다.