A Virtual Fencing Framework for Safe and Efficient Collaborative Robotics

1. 문제 정의 (Problem Statement)

협동 로봇 (Cobots) 은 제조, 서비스, 의료 등 다양한 분야에서 인간과 함께 작업하며 주목받고 있지만, 인간과의 안전한 공존을 보장하는 것은 여전히 주요 과제입니다.

• 기존 방식의 한계: 현재 안전 표준 (ISO 10218, ANSI/RIA 15.06 등) 은 위험 평가를 요구하지만, 실시간 대응에 대한 구체적인 지침은 부족합니다. 기존의 물리적 장벽이나 인간 감지 시 로봇을 완전히 정지시키는 방식은 안전성은 확보하지만, 생산성 저하와 불필요한 가동 중단 (Operational Pauses) 을 초래합니다.
• 핵심 문제: 인간 작업자의 위치와 거리에 따라 로봇의 동작을 세밀하게 조절하여, 불필요한 정지를 최소화하면서도 안전을 유지하는 '안전성 - 생산성 (Safety-Performance)'의 트레이드오프를 해결할 필요가 있습니다.

2. 방법론 (Methodology)

이 논문은 RGB 카메라 기반의 컴퓨터 비전과 수학적 최적화를 결합한 가상 펜싱 (Virtual Fencing) 프레임워크를 제안합니다.

A. 시스템 아키텍처 및 하드웨어

• 하드웨어: UR16e 협동 로봇 암, Arducam IMX477 (RGB) 카메라, Nvidia Jetson Orin Nano (엣지 AI 컴퓨팅 유닛).
• 소프트웨어: ROS 2 (Humble), YOLOv8n (ONNX Runtime 을 통한 실시간 추론), Sequential Quadratic Programming (SQP) 최적화 솔버.
• 데이터 처리: 카메라 영상을 640x640 크기로 리사이즈하고, YOLOv8n 모델을 통해 '사람' 클래스의 경계 상자 (Bounding Box) 를 실시간으로 감지합니다.

B. 공간 구역화 (Zone-based Control)

작업 공간을 인간의 위험도에 따라 세 가지 구역으로 나눕니다.

1. 중요 구역 (Critical Zone): 로봇의 주요 작업 공간 (중앙 $W/4 \sim 3W/4$). 사람이 감지되면 즉시 정지 (Stop) 명령을 내립니다.
2. 주의 구역 (Increased Attention Zone): 양쪽 측면 ($0 \sim W/4$, $3W/4 \sim W$). 사람이 감지되면 로봇 속도를 감속 (Slow) 시킵니다.
3. 정상 구역 (Normal Zone): 감지가 없거나 일정 시간 ($T_{buffer}$) 내 감지가 없을 경우 정상 속도 (Normal) 로 작동합니다.

C. 최적화 문제 (Optimization Problem)

단순한 구역 전환이 아닌, 속도 변경의 매끄러움을 보장하기 위해 **순차적 2 차 계획법 (SQP)**을 활용한 최적화 문제를 풉니다.

• 목적 함수: 로봇의 이동 시간 (속도의 역수) $d$를 결정 변수로 하여, 원하는 시간 ($d_{desired}$) 과 이전 시간 ($d_{prev}$) 에서의 편차를 최소화하는 2 차 비용 함수를 정의합니다.
  $$J(d) = \alpha (d - d_{desired})^2 + \beta (d - d_{prev})^2$$
• 제약 조건: 안전을 위한 최소/최대 이동 시간 ($d_{min} \le d \le d_{max}$) 을 설정합니다.
• 해법: KKT 조건을 만족하는 SQP 알고리즘을 통해 실시간으로 최적의 이동 시간 $d^*$를 계산하여 로봇의 가속/감속을 부드럽게 제어합니다.

3. 주요 기여 (Key Contributions)

1. 적응형 가상 펜싱: 물리적 장벽 없이 카메라 기반의 동적 안전 영역을 정의하여, 인간의 근접도에 따라 로봇의 동작을 '정상', '감속', '정지'로 세분화하여 제어합니다.
2. 안전과 효율성의 균형: 단순 정지 방식이 아닌, 위험도가 낮은 구역에서는 로봇을 계속 작동시키되 속도를 조절함으로써 생산성을 극대화합니다.
3. 매끄러운 운동 제어 (Motion Smoothing): SQP 기반 최적화를 도입하여 로봇의 급격한 속도 변화를 방지하고, 부하가 무거운 작업 시 발생할 수 있는 불안정성을 제거합니다.
4. 모듈형 및 저지연 시스템: ROS 2 와 엣지 컴퓨팅을 활용하여 저지연 (Low-latency) 실시간 제어 파이프라인을 구축했습니다.

4. 실험 결과 (Results)

실험은 3 가지 시나리오 (즉시 정지 방식, 구역 기반 방식, 구역 기반 + SQP 최적화) 를 비교하여 평가되었습니다.

• 운영 효율성: 구역 기반 방식은 불필요한 정지를 줄여 즉시 정지 방식보다 효율성이 약 4.9%p 향상되었습니다. SQP 를 적용한 경우 속도를 부드럽게 조절하기 위해 효율성이 약간 감소했으나, 여전히 즉시 정지 방식보다 우월했습니다.
• 운동의 매끄러움: SQP 를 사용하지 않은 구역 기반 방식은 속도 전환 시 급격한 변화 (Jerky movements) 가 발생했으나, SQP 최적화를 적용한 경우 궤적이 매우 매끄러워졌습니다.
• 안전성: 모든 방법에서 98% 의 높은 충돌 회피율을 기록하여 안전성을 입증했습니다.

5. 의의 및 결론 (Significance & Conclusion)

이 연구는 협동 로봇의 안전성을 확보하면서도 생산성을 희생하지 않는 새로운 패러다임을 제시합니다.

• 실용성: 고가의 센서 융합 대신 비용 효율적인 RGB 카메라와 AI 모델을 사용하여 확장 가능한 솔루션을 제공합니다.
• 산업적 적용: 동적인 산업 환경에서 인간과 로봇이 안전하게 협업할 수 있는 기반을 마련하며, 특히 무거운 물체를 다루거나 정밀한 작업이 필요한 환경에서 급격한 정지/시작으로 인한 위험을 줄일 수 있습니다.
• 미래 전망: 제안된 모듈형 프레임워크는 다양한 산업 응용 분야에 쉽게 적응될 수 있으며, 안전 표준을 준수하면서도 효율적인 인간 - 로봇 협업 (HRC) 을 가능하게 하는 핵심 기술로 평가됩니다.

요약하자면, 이 논문은 컴퓨터 비전 기반의 위험 구역 감지와 **수학적 최적화 (SQP)**를 결합하여, 로봇이 인간을 감지했을 때 무조건 정지하는 것이 아니라 상황에 따라 속도를 조절하며 매끄럽게 대응하는 시스템을 구현함으로써 안전과 효율성을 동시에 달성했습니다.