Enabling Urgency-aware Robot Swarm Intralogistics using Smart IoT Tags

창고를 단순히 거대하고 조용한 공장 바닥이 아니라, 수백 대의 작은 로봇들이 상자를 잡고 배달하려고 애쓰는 북적이고 혼란스러운 댄스 플로어로 상상해 보십시오. 로봇 공학의 세계에서는 이를 "군집(swarm)"이라고 부릅니다. 한 명의 거대한 대장 로봇이 모두에게 무엇을 할지 지시하는 대신, 이 군집들은 물고기 떼나 새 떼처럼 움직입니다. 즉, 모든 로봇은 바로 눈앞에 보이는 것에 기반하여 스스로 결정을 내립니다. 이는 매우 훌륭한데, 왜냐하면 로봇 한 대가 넘어지더라도 다른 로봇들은 계속 춤을 출 수 있고, 곳곳에 비싸고 고정된 전선이나 컴퓨터를 설치할 필요도 없기 때문입니다. 하지만 문제가 하나 있습니다. 현재의 로봇 군집은 마치 세일 기간에 몰려든 인파와 비슷합니다. 그들은 보통 눈에 보이는 가장 가까운 것을 집어 들 뿐입니다. 그 상자가 지금 당장 냉장고로 가야 하는 신선한 딸기인지, 아니면 내일까지 기다려도 되는 튼튼한 벽돌인지 정말 알지 못합니다. 그들은 모든 것을 똑같이 취급합니다.

이 논문은 이 문제를 다룹니다. 연구진은 다음과 같은 질문을 던졌습니다: "만약 상자 자체가 '나는 급해요!'라고 외칠 수 있다면 어떨까?" 연구진은 중앙 컴퓨터가 일일이 관리하지 않고도, 로봇 군집이 어떤 품목이 시간 민감적인지를 이해할 수 있는 방법을 만들고자 했습니다. 그들은 모든 운반체(carrier)에 아주 작고 초저전력인 스마트 태그를 부착하는 시스템을 구축했습니다. 이 태그들을 디지털 확성기라고 생각하면 됩니다. 이들은 근처에 있는 로봇에게 "나는 긴급도 9단계예요!"라고 비밀 번호를 속삭입니다. 목표는 로봇들이 이 속삭임을 듣고, 비록 조금 더 멀리 있더라도 긴급한 상자를 먼저 집기로 결정하면서도 전체 댄스 플로어의 흐름을 빠르게 유지할 수 있는지 확인하는 것이었습니다.

스마트 태그와 로봇의 춤

브리스톨 대학교의 연구진은 미니 창고처럼 보이는 테스트 경기장을 마련했습니다. 그들은 어느 방향으로든 빠르게 움직일 수 있는 DOTS(Distributed Organisation and Transport System)라고 불리는 작고 둥근 로봇을 사용했습니다. 이 로봇들에게는 사각형 운반체(상자를 나타냄)를 집어서 픽업 구역에서 드롭오프 구역으로 옮기는 임무가 주어졌습니다.

"기존 방식"(베이스라인)에서 로봇들은 "최근접 이웃(nearest neighbor)" 게임을 수행했습니다. 그들은 그냥 주변을 둘러보고 가장 가까이에 있는 빈 운반체를 찾아 집었습니다. 그 운반체가 시간 민감성이 높은 의약품을 담고 있는지, 아니면 낡은 신문 뭉치를 담고 있는지는 중요하지 않았습니다.

"새로운 방식"(긴급도 인식 시스템)에서는 운반체에 특수한 스마트 IoT 태그가 부착되었습니다. 이 태그들은 품목의 긴급도를 나타내는 0에서 9 사이의 숫자를 송출합니다. 9는 "지금 당장 가져가세요, 나는 상하기 쉬워요!"를 의미했고, 0은 "기다려도 돼요"를 의미했습니다. 로봇이 돌아다닐 때, 로봇은 단순히 가장 가까운 상자를 찾는 데 그치지 않고 그 속삭임에 귀를 기울였습니다. 로봇은 특별한 공식을 사용하여 상자의 점수를 매겼습니다. 상자의 거리와 긴급도 숫자를 결 조합한 것입니다. 만약 어떤 상자가 조금 더 멀리 있지만 "9!"라고 소리치고 있다면, 로봇은 "1"이라고 속삭이는 더 가까운 상자 대신 그 상자를 선택할 수도 있었습니다.

발견한 것: 최적의 지점

연구진은 두 가지 방식으로 테스트를 진행했습니다. 첫째는 수백 번의 실행을 포함한 컴퓨터 시뮬레이션이었고, 둘째는 실험실에서 실제 로봇과 실제 태그를 사용하는 것이었습니다.

큰 성과: 긴급 품목이 도움을 받다
가장 흥ante로운 결과는 새로운 시스템이 실제로 작동했다는 점입니다. 로봇들이 태그의 말에 귀를 기울였을 때, 우선순위를 정하는 능력이 훨씬 좋아졌습니다. 실제 테스트에서 "우선순위 정렬(priority alignment)"—즉, 가장 긴급한 품목이 얼마나 자주 먼저 집혔는지를 뜻하는 용어—은 0.41(절반 미만)에서 0.64(약 3분의 2)로 급증했습니다. 이는 엄청난 개선입니다. 로봇들이 마침내 긴급한 항목들의 말에 귀를 기울인 것입니다.

트레이드오프: 너무 욕심부리지 마라
하지만 연구진은 까다로운 균형을 발견했습니다. 로봇이 긴급도와 거리 중 무엇을 얼마나 중요하게 여길지 결정하기 위해 "가중치"($\alpha$라고 불림)를 조정해야 했습니다.

• 만약 로봇이 긴급도에 너무 신경 쓰게 만들면(높은 가중치), 로봇들은 가까운 상자를 무시하고 긴급한 것을 잡으러 방 저편까지 달려갔습니다. 이는 로봇들이 너무 많이 뛰어다니게 만들어 전체 시스템의 속도를 오히려 늦췄습니다.
• 만약 로봇이 긴급도에 너무 신경을 쓰지 않게 만들면, 다시 가장 가까운 상자를 집는 방식으로 돌아갔습니다.
• 그들이 찾아낸 "최적의 지점"은 완만한 긴급도 가중치(구체적으로 $\alpha = 0.7$)였습니다. 이 설정에서 로봇들은 자신을 혹사시키지 않으면서도 긴급한 물건을 먼저 잡을 만큼 똑똑했습니다. 실제 물리적 테스트에서 이 설정은 전체 처리량(throughput)을 거의 해치지 않으면서(처리량은 1.2% 감소했는데, 이는 사실상 없는 것과 같습니다) 배송 순서를 크게 개선했습니다.

"꼬리"가 짧아지다
또 다른 멋진 발견은 "테일 레이턴시(tail latency)"에 관한 것이었습니다. 이는 최악의 시나리오, 즉 가장 느리고 지연된 품목이 얼마나 오래 기다려야 하는지를 뜻하는 전문 용어입니다. 연구 결과, 긴급한 품목을 우선시함으로써 가장 최악의 지연 시간이 단축될 수 있음을 시사했습니다. 실제 테스트에서 가장 느린 품목들이 배송되는 데 걸린 시간은 424초에서 386초로 줄어들었습니다. 이 특정 감소가 적은 수의 테스트를 통해 통계적으로 "증명된" 영구적인 규칙은 아니었지만, 추세는 명확했으며 컴퓨터 시뮬레이션에서 본 결과와도 일치했습니다.

더 큰 군집, 더 나은 결과
연구진은 더 큰 규모의 로봇 그룹(로봇 최대 20대, 운반체 40개)을 대상으로 시뮬레이션을 실행했습니다. 그들은 군집이 커질수록 시스템이 더 잘 작동한다는 것을 발견했습니다. 가장 큰 규모의 시뮬레이션에서 테일 레이턴시(최악의 지연)는 최대 11.8% 감소했고, 우선순위 정렬은 50% 이상 향상되었습니다. 로봇의 수가 많아지면, 그들은 긴급한 업무를 위한 우회 경로를 감당하면서도 전체 시스템을 막히게 하지 않을 수 있는 것으로 보입니다. 우선순위를 정하는 데 드는 비용은 팀 규모가 커짐에 따라 사라지는 듯합니다.

결론

이 논문은 로봇 군집에게 어떤 상자가 긴급한지 알려주기 위해 거대한 중앙 컴퓨터가 필요하지 않다는 것을 보여줍니다. 그저 상자에게 목소리를 부여하기만 하면 됩니다. 운반체에 이 작고 초저전력인 스마트 태그를 부착함으로써, 로봇은 가장 중요한 품목을 먼저 돕기 위해 스스로의 로컬 결정을 내릴 수 있습니다.

이 연구는 값비싼 고정 자동화 설비를 갖출 여유가 없는 창고에 이 접근 방식이 승리라는 것을 시사합니다. 이는 시스템의 유연성과 탈중앙화된 특성을 유지하면서도, 신선 식품이나 시간 민감형 화물이 느리게 움직이는 재고 더미 뒤에서 멈춰 서지 않도록 "상식"이라는 층을 더해줍니다. 로봇들은 새로운 비트에 맞춰 춤추는 법을 배웠습니다. 그것은 긴급함을 소중히 여기되, 발이 꼬여 넘어지지 않을 정도의 비트입니다.