Obstacle-Aware Autonomous Coverage and Navigation for Outdoor Robots

광활하고 탁 트인 들판을 깎기 위해 로봇 한 대가 파견되는 상황을 상상해 보십시오. 완벽하고 텅 빈 세상이라면, 기계는 단순히 직선으로 앞뒤로 왔다 갔다 하며 작업을 끝낼 수 있을 것입니다. 하지만 현실 세계는 결코 완벽하지 않습니다. 지면은 울퉁불퉁하고, 로봇의 바퀴는 미끄러지며, 머리 위의 하늘은 기계가 정확히 어디에 있는지 알려줄 명확한 신호를 제공하지 못합니다. 로봇이 급격하게 회전할 때, 내부의 방향 감각은 틀어질 수 있으며, 이로 인해 자신의 경로를 놓치게 됩니다. 만약 로봇이 자신이 어디에 있는지 알 수 없다면, 자신이 어디에 있었는지도 알 수 없게 되며, 결국 풀을 깎지 못한 구역을 남기거나, 더 심하게는 보지 못한 나무에 충돌하게 될 것입니다. 이것이 자율 주행 기계를 야외로 보내는 데 있어 핵심적인 과제입니다. 즉, 환경이 복잡하고 신호가 불안정하며 임무가 몇 시간 동안 지속될 때, 어떻게 하면 정밀하고 효율적인 경로를 유지하게 할 것인가 하는 문제입니다.

이탈리아의 폴리테크니코 디 밀라노(Politecnico di Milano) 연구진은 단 한 대의 로봇이 넓은 야외 구역을 신뢰성 있게 커버할 수 있도록 하는 완전한 시스템을 구축함으로써 이 문제를 해결했습니다. 그들의 연구는 컴퓨터의 완벽한 계획과 들판을 가로지르는 기계의 무질서한 현실 사이의 간극에 초점을 맞추고 있습니다. 그들은 세 가지 핵심 능력을 결합한 통합 소프트웨어 프레임워크를 만들었습니다: 로봇이 정확히 어디에 있는지 아는 능력, 로봇이 끼이지 않고 실제로 따라갈 수 있는 경로를 계획하는 능력, 그리고 로봇이 실수를 만회하고 배터리가 부족할 때 스스로 충전하러 돌아갈 수 있도록 임무를 관리하는 능력입니다. 연구팀은 이 시스템을 작고 단순한 구역부터 장애물이 가득한 크고 복잡한 현장에 이르기까지 다섯 군데의 서로 다른 실제 장소에서 테스트했으며, 로봇이 인간의 도움 없이도 의도된 면적의 93.1%에서 96.1% 사이를 성공적으로 커버하며 전체 작업을 완료할 수 있음을 발견했습니다.

시스템의 핵심은 로봇의 방향을 유지하는 새로운 방법입니다. 탁 트인 공간에서 로봇은 종종 위치를 알기 위해 위성 신호에 의존하지만, 특히 로봇이 자주 회전할 때 이 신호는 약해지거나 부정확해질 수 있습니다. 이를 해결하기 위해 연구진은 로봇에 특수한 듀얼 안테나 위성 수신기를 장착했습니다. 장치의 위치만 알려주는 일반적인 수신기들과 달리, 이 시스템은 두 안테나 사이의 각도를 측정하여 로봇이 정지해 있거나 느리게 움직일 때도 매우 정밀하게 헤딩(heading, 진행 방향)을 결정합니다. 이 데이터는 로봇의 바퀴 센서 정보와 결합되어 로봇의 기억을 끊임없이 점검하는 계산 과정처럼 연속적으로 융합됩니다. 만약 위성 신호가 신뢰할 수 없게 되면, 시스템은 백업 전략을 사용합니다. 즉, 로봇이 지난 몇 초 동안 이동해 온 방향을 살펴 현재의 헤딩을 추정하는 것입니다. 이는 로봇이 급격한 회전을 하거나 하늘에 구름이 낄 때도 방향 감각을 잃지 않도록 보장합니다.

로봇이 자신의 위치를 파악했다면, 이제 어떻게 움직일지 결정해야 합니다. 연구진은 들판을 커버하기 위해 지그재그 패턴을 생성하는 기존 소프트웨어 도구를 사용했지만, 이 도구의 가공되지 않은 출력값은 실제 기계에게는 너무 경직되어 있다는 것을 발견했습니다. 계획된 경로는 로봇에게 물리적으로 불가능한 회전을 요구하거나 너무 좁은 틈을 지나가라고 할 수도 있습니다. 이를 수정하기 위해 팀은 세 단계의 정교화 과정을 추가했습니다. 첫째, 로봇이 빈번한 안내가 필요한 직선 구간에서는 점의 밀도를 높이고, 이미 정밀한 제어가 이루어지는 회전 구간에서는 밀도를 낮추어 점의 분포를 조정했습니다. 둘째, 로봇이 줄 사이를 이동하는 방식을 변경했습니다. 장애물에 부딪힐 수 있는 복잡한 곡선을 따르는 대신, 로봇은 단순히 다음 줄의 시작점을 향해 나아갑니다. 그 후 별도의 반응형 시스템이 사람이나 떠다니는 돌 같은 예상치 못한 장애물을 피해 조향을 조절하여, 목표에 도달하면서도 안전을 유지하도록 합니다. 마지막으로, 흩어져 있는 작은 장애물들을 계획 전에 더 크고 단순한 모양으로 묶었습니다. 이는 로봇이 너무 좁고 위험한 틈 사이로 비집고 들어가려 하지 않도록 하여, 플래너를 위해 지형을 매끄럽게 다듬어 주는 역할을 합니다.

마지막 퍼즐 조각은 로봇의 감독관 역할을 하는 미션 매니저입니다. 이 시스템은 행동 트리(behavior tree)라는 구조로 구축되어, 로봇이 논리적이고 단계적인 방식으로 결정을 내릴 수 있게 합니다. 이 시스템은 임무의 시작, 경로 탐색, 문제 해결, 그리고 하루의 종료에 이르는 전체 생애 주기를 관리합니다. 만약 로봇이 끼이거나 통과할 수 없는 장애물을 만나더라도, 시스템은 단순히 멈추지 않습니다. 대신, 더 나은 시야를 확보하기 위해 제자리에서 회전하거나, 장애물이 움직이기를 기다리거나, 천천히 뒤로 물러나는 등 특정 순서에 따라 일련의 복구 동작을 시도합니다. 배터리가 부족해지면 시스템은 커버리지 작업을 중단하고 로봇을 충전 스테이션으로 안내합니다. 도킹 과정은 완전히 자동화되어 있습니다. 로봇은 카메라를 사용하여 충전기의 시각적 마커를 포착하고, 정밀하게 정렬하여 플러그를 꽂습니다. 이 순환 과정을 통해 로봇은 인간의 개입 없이도 오랫동안 작업하고, 충전을 위해 돌아왔다가 다시 임무를 재개할 수 있습니다.

연구진은 이 전체 스택을 다섯 가지 서로 다른 야외 환경에서 테스트하여 실제 조건에서의 성능을 확인했습니다. 이 장소들은 단순하고 둥근 형태의 볼록한 모양(convex)부터, 움푹 들어간 곳이나 모서리가 있어 항해가 어려운 오목한 모양(non-convex)까지 포함되었습니다. 어떤 구역은 깨끗했고, 어떤 구역은 나무나 기둥 같은 알려진 장애물이 있었으며, 사람처럼 지나가는 미지의 장애물이 포함된 테스트도 있었습니다. 모든 경우에 로봇은 임무를 성공적으로 완수했습니다. 로봇은 계획된 면적의 93.1%에서 96.1% 사이를 커버했으며, 이 결과는 들판의 크기나 복잡도에 관계없이 일정하게 나타났습니다. 시스템은 로봇의 바퀴 움직임이라는 자연적인 한계로 인해 약간의 풀 줄기가 남겨지기도 했지만, 전반적인 성능은 일관되고 신뢰할 수 있었습니다. 또한 연구진은 경로를 계획하는 데 걸리는 시간이 들판이 커진다고 해서 크게 늘어나지 않는다는 점을 관찰했으며, 이는 시스템이 향후 더 넓은 지역을 커버할 수 있도록 확장 가능하다는 것을 의미합니다.

이 연구는 완전히 자율적인 야외 유지보수의 꿈이 현실이 되고 있음을 보여줍니다. 로봇의 방향을 유지하는 것, 실제 기계가 따라갈 수 있는 경로를 계획하는 것, 그리고 오류에 대비한 안전망을 갖춘 미션 관리를 통해 발생하는 구체적인 어려움들을 해결함으로써, 연구진은 현장에서 작동하는 시스템을 만들어냈습니다. 이러한 결과는 로봇이 곧 넓은 공원 관리, 산업 단지 청소, 또는 태양광 발전소 유지보수와 같은 업무에 투입되어, 몇 시간 동안 작동하고 스스로 충전하러 돌아올 수 있음을 시사합니다. 이 시스템은 완벽한 환경을 요구하지 않습니다. 오히려 현실 세계의 불완전함을 다루도록 설계되었으며, 이는 자동화된 야외 노동에 대한 증가하는 수요에 대한 실질적인 솔루션이 됩니다.