Smoothed-PRM-Guided NMPC for Wheeled Mobile Robot Navigation in an Indoor Environment

가구, 기둥, 좁은 복도로 가득 찬 혼잡한 방을 통과하며 길을 찾으려는 로봇을 상상해 보십시오. 인간에게 이것은 장애물을 피해 걷는 간단한 작업이지만, 기계에게는 기하학과 물리학이 얽힌 복잡한 퍼즐입니다. 로봇은 먼저 무엇인가와 부딪히지 않는 경로를 찾아내야 하는데, 이 작업은 종종 공간을 무작위로 샘采样하여 안전한 통로의 지도를 만드는 알고리즘에 의해 처리됩니다. 그러나 이러한 컴퓨터 생성 경로는 종종 울퉁불퉁하고 불가능할 정도로 날카로운 회전으로 가득 차 있어, 바퀴가 달린 실제 차량이 물리적으로 수행할 수 없는 형태를 띱니다. 만약 로봇이 이러한 거친 경로를 따르려 한다면, 제자리에서 회전하거나, 격렬하게 요동치거나, 혹은 단순히 충돌할 수도 있습니다. 안전하게 이동하기 위해서, 기계는 장애물이 없을 뿐만 아니라 바퀴가 따라갈 수 있을 만큼 충분히 매끄러운 경로가 필요하며, 경로를 벗어나거나 멈춰 서지 않고 그 매끄러운 선을 유지할 수 있도록 속도와 조향을 끊임없이 조절할 수 있는 두뇌가 필요합니다.

이것이 바로 새로운 방법론을 개발하여 복잡한 실내 환경을 통과하는 바퀴형 이동 로봇을 안내하는 연구를 수행한 킹 사우드 대학교(King Saud University) 연구팀이 해결하고자 하는 과제입니다. 그들의 연구는 두 가지 서로 다른 접근 방식, 즉 안전한 경로를 찾는 계획 시스템과 로봇이 그 경로를 매끄럽고 안전하게 따르도록 보장하는 제어 시스템을 결합합니다. 연구진은 확률적 로드맵(probabilistic roadmap)이라고 알려진 표준적인 계획 도구로 시작했습니다. 이 도구는 지도의 빈 공간에 수천 개의 무작위 점을 흩뿌리고, 서로 가까운 점들을 연결한 다음, 시작점에서 목적지까지 이어지는 연결 고리의 사슬을 찾는 방식으로 작동합니다. 이 방법은 장애물을 피하는 경로를 찾는 데는 탁월하지만, 결과로 나오는 경로는 종종 날카로운 각도로 연결된 직선들의 연속체입니다. 주차장의 자동차처럼 옆으로 미끄러질 수 없는 바퀴형 로봇은 이러한 갑작스러운 방향 전환을 물리적 한계를 위반하지 않고 수행할 수 없습니다.

이를 해결하기 위해 연구팀은 로봇이 움직이기 전 단계에서 평활화(smoothing) 단계를 도입했습니다. 그들은 울퉁불퉁한 컴퓨터 생성 경로를 가져와 B-스플라인(B-spline) 평활화라는 수학적 기법을 사용하여 정교하게 다듬었습니다. 이 과정은 날카로운 모서리를 부드럽고 연속적인 곡선으로 교체하여, 로봇이 앞으로 나아가거나 회전할 수만 있고 옆으로는 움직일 수 없다는 비홀로노믹(non-holonomic) 특성을 존중하는 궤적을 만들어냅니다. 이 매끄러워진 경로는 정밀한 가이드 역할을 하지만, 로봇이 자신의 관성과 모터의 한계에 반응해야 하기 때문에 이를 완벽하게 따르는 것은 여전히 어렵습니다. 만약 로봇이 너무 빠르게 움직이거나 너무 급격하게 회전하면 제어력을 잃을 수 있습니다. 따라서 연구진은 이 매끄러운 경로를 비선형 모델 예측 제어(nonlinear model predictive control)라고 불리는 정교한 컨트롤러와 결합했습니다. 이 컨트롤러는 마치 매우 주의 깊은 운전자처럼 행동하며, 로봇이 몇 초 후에 어디에 있을지 끊임없이 예측하고, 로봇의 최대 속도와 회전 제한을 준수하면서 계획된 곡선을 유지하는 데 필요한 정확한 속도와 조향량을 계산합니다.

연구진은 불규칙한 장애물로 가득 찬 실내 환경 지도를 사용하여 일련의 컴퓨터 시뮬레이션에서 이 결합된 시스템을 테스트했습니다. 한 시나리오에서는 50미터 x 50미터의 공간에 좁은 복도와 흩어진 장애물들을 만들었습니다. 그들은 반지름 0.4미터의 로봇이 시작점에서 목표 지점까지 이동하도록 프로그래밍했는데, 이는 좁은 공간을 통과해야 하는 것을 요구했습니다. 시스템은 먼저 확률적 로드맵을 사용하여 날카로운 회전이 포함된 거친 경로를 생성했습니다. 그런 다음 연구진은 유동적인 곡선을 만들기 위해 평활화 알고리즘을 적용했습니다. 마지막으로 예측 제어기가 제어권을 넘겨받아 이 새로운 매끄러운 경로를 따라 로봇을 안내했습니다. 시뮬레이션 결과, 로봇은 높은 정밀도로 매끄러운 궤적을 추적했으며, 장애물로부터 안전한 거리를 유지하며 올바른 방향으로 목표 지점에 도착했습니다. 로봇의 바퀴로 전달되는 제어 신호는 안전하고 현실적인 범위 내에 머물렀으며, 이는 해당 방법이 동적으로 실행 가능한 움직임을 생성할 수 있음을 입증했습니다.

연구진이 기존의 다른 접근 방식들과 비교했을 때, 그 결과는 경로를 추적하기 전에 경로를 평활화하는 것의 중요성을 강조했습니다. 로봇이 날카로운 모서리가 있는 원래의 평활화되지 않은 경로를 따르려고 했던 테스트에서는 컨트롤러가 어려움을 겪었습니다. 로봇은 경로의 지점을 놓치거나 모터를 한계까지 몰아붙이는 극단적이고 격렬한 움직임을 보여야 했습니다. 반면, 매끄러운 경로를 따를 때 로봇은 유동적이고 효율적으로 움직였습니다. 또한 연구팀은 복잡한 지도에서 다른 추적 방법을 사용한 연구와 결과를 비교했습니다. 그들의 방식은 더 높은 경로 효율성을 달 achievement 했는데, 즉 로봇이 시작점과 끝점 사이의 직선 거리에 훨씬 더 가까운 거리로 이동했음을 의미하며, 다른 방법은 더 길고 덜 직접적인 경로를 초래했습니다. 이 연구는 문제를 안전한 경로 계획, 물리적 실행 가능성을 위한 평활화, 그리고 이를 따르기 위한 예측 제어의 세 단계로 분리함으로써, 로봇이 복잡한 공간을 신뢰성 있게 항해할 수 있음을 확인시켜 주었습니다.

이러한 성공에도 불구하고, 연구진은 현재 작업의 특정 한계점을 언급했습니다. 장애물 회피는 로봇이 움직이기 전 단계인 계획 및 평활화 단계에서 완전히 처리되었습니다. 컨트롤러 자체에는 새로운 장애물이 나타나거나 초기 경로가 벽에 너무 가깝게 설정되었을 때 이를 직접적으로 피할 수 있는 방법이 없었습니다. 시뮬레이션에서 로봇이 너무 빠르게 움직이지 않도록 제어 입력을 매우 엄격하게 설정했을 때, 안전한 경로가 사전에 고정되어 있었기 때문에 로봇이 장애물을 피하기 위해 경로를 수정할 시간을 놓치는 경우가 발생했습니다. 저자들은 시스템이 실제 세계에서 진정으로 견고해지려면, 장애물 회피 능력이 컨트롤러의 계산 과정에 직접 구축되어, 미리 계산된 지도에만 의존하는 것이 아니라 실시간으로 위험에 반응할 수 있어야 한다고 제안합니다. 현재로서는 이 연구가 기초를 탄탄히 다졌으며, 경로를 평활화하고 예측 제어기를 사용하는 것이 바퀴형 로봇이 군중 속을 걷는 사람처럼 우아하고 정밀하게 복잡한 방을 통과할 수 있게 해준다는 것을 입증하고 있습니다.