STR Robot: Design of an Autonomous Mobile Robot from Simulation to Reality

기술 요약: STR 로봇: 시뮬레이션에서 현실까지의 자율 이동 로봇 설계

문제 제기
실외 환경용 자율 이동 로봇의 개발은 센서 불확실성, 모델 불일치, 제한된 컴퓨팅 자원 등 상당한 도전에 직면해 있습니다. 시뮬레이션 도구는 프로토타이핑을 위한 안전하고 효율적인 환경을 제공하지만, 시뮬레이션과 현실 세계 간의 센서 차이 및 환경적 복잡성으로 인해 시뮬레이션에서 실세계 배포로 항법 프레임워크를 이전하는 것은 여전히 어렵습니다. 또한, 기존 항법 시스템은 종종 국소화, 경로 계획, 제어를 통합된 온보드 시스템이 아닌 별도의 모듈로 취급합니다. 특히, 진동적 행동이나 모서리 절단을 방지하기 위해 매끄러운 궤적 추적이 필요한 아커만 조향 차량과 같은 비홀로노믹 플랫폼을 위한 실용적이고 재현 가능한 "시뮬레이션 - 현실" 파이프라인에 대한 구체적인 필요성이 있습니다.

방법론
본 논문은 기존 기계적 플랫폼을 기반으로 한 완전한 시뮬레이션 - 현실 자율 항법 프레임워크를 제안합니다. 이 시스템은 온보드 국소화 및 매핑, 전역 경로 계획, 경로 추적을 세 가지 주요 모듈로 구성됩니다.

1. 온보드 국소화 및 매핑:
   시스템은 이중 계층 추정 아키텍처를 사용합니다. 로컬 확장 칼만 필터 (EKF) 는 고주파수 휠 엔코더 및 IMU 데이터와 저주파수 스캔 기반 오도메트리 (LiDAR-관성 또는 LiDAR-관성 - 시각) 를 융합하여 컨트롤러에 매끄러운 고주파수 상태 피드백을 제공합니다. 전역 수준에서는 두 번째 추정기가 ICP 기반 스캔 - 대 - 맵 매칭을 사용하여 2D 점유 맵에 대해 로컬 오도메 프레임 보정을 수행합니다. 매핑의 경우, 시스템은 정상 조명 조건에서는 FAST-LIVO2 를, 저조도 조건에서는 백업으로 FAST-LIO2 를 활용하여 등록된 3D 포인트 클라우드를 생성하고, 이를 지상 항법을 위해 2D 점유 그리드로 투영합니다.

2. 경로 계획:
   전역 계획기는 2D 그리드 맵에서 개선된 A* 알고리즘을 사용합니다. 안전을 보장하기 위해 장애물은 차량 치수에 따라 확장됩니다. 비용 함수는 방향 변경에 대한 패널티를 부과하여 더 매끄러운 경로를 장려하도록 수정됩니다. 사후 처리는 불필요한 변곡점을 제거하여 궤적을 더욱 매끄럽게 만듭니다. 실행 중에는 로컬 장애물 회피 모듈이 C2 매끄러운 곡선 (베지어 곡선) 을 사용하여 참조 경로를 동적으로 업데이트하여 이동 장애물을 우회하면서도 전역 경로를 유지합니다.

3. 경로 추적 (A-GMPC):
   핵심 혁신은 경로 추적 컨트롤러에 있습니다. 저자는 선형화된 유클리드 오차 상태를 사용하는 표준 모델 예측 제어 (MPC) 베이스라인과 제안된 아커만 기하학적 MPC(A-GMPC) 를 비교합니다.

   • 기하학적 공식화: A-GMPC 는 유클리드 공간이 아닌 $SE(2)$ 매니폴드에서 직접 추적 오차를 정의하여 공간 일관성을 향상시킵니다.
   • 입력 증분 최적화: 아커만 조향의 물리적 제약을 해결하고 공격적인 제어 동작을 방지하기 위해, 컨트롤러는 절대 입력이 아닌 입력 증분($\Delta u_k$) 을 최적화합니다. 이는 조향 및 속도의 급격한 변화를 패널티로 부과하여 더 매끄러운 작동을 촉진합니다.
   • 구현: 컨트롤러는 작동기 한계를 subject 로 하는 유한 시간 구간의 2 차 최적화 문제를 해결하며, 최적화된 선형/각속도 명령을 운동학 자전거 모델을 통해 아커만 조향 각도 ($\delta$) 로 변환합니다.

주요 기여
본 논문은 세 가지 주요 기여를 제시합니다.

• 완전한 시뮬레이션 - 현실 파이프라인: 저자는 온보드 국소화, 경로 계획, 경로 추적을 통합한 통합 프레임워크를 제시하며, 이는 먼저 Gazebo 시뮬레이션에서 검증된 후 물리적 로봇에서 검증되었습니다.
• A-GMPC 통합: 이 작업은 통합 자율성 스택에 아커만 지향 기하학적 MPC 컨트롤러를 도입합니다. 이 컨트롤러는 $SE(2)$ 기하학적 오차 공식화 및 입력 증분 최적화를 활용하여 비홀로노믹 플랫폼의 추적 매끄러움과 정확성을 향상시킵니다.
• 오픈 소스 공개: 실험 설정, 소스 코드, 결과는 재현성과 추가 연구를 촉진하기 위해 커뮤니티에 공개되었습니다.

결과
이 프레임워크는 다양한 속도 (0.6 m/s ~ 1.5 m/s) 에서 레미네스케이트 및 정사각형 궤적을 포함하는 시뮬레이션 및 실세계 실험을 통해 평가되었습니다.

• 경로 계획: 개선된 A* 알고리즘은 베이스라인에 비해 더 짧고 (22.35m 대 25.52m) 훨씬 더 매끄러운 경로 (총 회전 각도 170.55° 대 3712.50°) 를 생성했으나, 계획 시간이 약간 증가했습니다.
• 경로 추적 (시뮬레이션): A-GMPC 는 두 궤적 모두에서 표준 MPC 보다 낮은 평균 제곱근 오차 (RMSE) 를 보였으며, 특히 레미네스케이트 경로에서 눈에 띄는 개선 (0.0764m 대 0.1215m) 을 나타냈습니다.
• 경로 추적 (실세계): 물리적 실험에서 A-GMPC 는 모든 테스트된 속도와 궤적에 걸쳐 일관되게 표준 MPC 를 능가했습니다. 예를 들어, 정사각형 궤적에서 1.5 m/s 속도로 A-GMPC 는 0.6182m 의 RMSE 를 달성한 반면, 표준 MPC 는 1.1475m 였습니다. 이러한 결과는 기하학적 공식화 및 입력 증분 최적화가 급격한 기동 중 추적 오차를 효과적으로 완화함을 나타냅니다.
• 런타임: 두 컨트롤러 모두 요구되는 30Hz 제어 루프 (33.3ms) 내에서 작동하여 실시간 실현 가능성을 확인했습니다.

의의 및 주장
본 논문은 제안된 접근 방식이 자율 이동 로봇을 위한 견고한 시뮬레이션 - 현실 배포의 실현 가능성을 입증한다고 주장합니다. 현대적인 계획 및 추적 모듈을 통합된 온보드 시스템에 통합함으로써, 이 작업은 시뮬레이션과 현실 사이의 간극을 연결하는 실용적인 파이프라인을 확립합니다. 저자는 제어 전략 (A-GMPC 등) 이 물리적 하드웨어의 특정 운동학적 제약 및 작동기 제한을 처리하도록 설계된다면 시뮬레이션이 신뢰할 수 있는 시스템을 개발하는 효과적인 기반을 제공한다고 강조합니다. 이 작업은 동적 실외 항법의 모든 도전을 해결한다고 주장하지는 않지만, 아커만 조향 플랫폼에서 매끄럽고 안전하며 자율적인 항법을 위한 검증된 프레임워크를 제공합니다. 향후 작업은 더 복잡한 환경에서 인간 및 이동 객체에 대한 견고한 추적에 초점을 맞출 것으로 식별되었습니다.