A Vision-based Grid-Exploration Path Planning Method for Efficient Water Surface Cleaning under Heterogeneous Debris Distributions

우리 강, 호수, 그리고 연안 해역에 떠다니는 부유 쓰레기는 단순히 보기 흉한 것을 넘어 수생 생물과 인간의 건강에 지속적인 위협이 됩니다. 대형 산업용 기계들은 탁 트인 대양을 청소할 수 있지만, 쓰레기가 쌓이기 쉬운 좁고 얕은 운하와 도시 수로에서는 너무 투박하고 비용이 많이 들 수 있습니다. 이로 인해 과학자들은 무인 수상 차량(unmanned surface vehicles)으로 알려진 소형 자율 주행 보트에 주목하게 되었습니다. 이 로봇들은 좁은 공간을 항해하고 사람의 승무원 없이 작동할 수 있지만, 한 가지 까다로운 문제에 직면해 있습니다. 바로 쓰레기가 예측 불가능하게 흩어져 있을 때 어떻게 효율적으로 넓은 구역을 청소하느냐 하는 것입니다. 만약 로봇이 모든 물을 훑기 위해 직선으로 앞뒤로 왔다 갔다 하며 움직인다면, 쓰레기가 없는 빈 공간을 헤엄치는 데 엄청난 시간과 에너지를 낭비하게 됩니다. 반대로, 움직이기 전에 쓰레기가 보일 때까지 기다린다면, 끊임없는 회전과 우회로 인해 연료를 낭비하며 갈지자(Z) 모양으로 요동치게 될 것입니다. 과제는 로봇이 눈을 사용하여 전방을 살피되, 빈 물을 피하면서도 모든 쓰로기를 잡아낼 수 있는 스마트한 경로를 계획하는 중간 지점을 찾는 데 있습니다.

항저우 전자대학교(Hangzhou Dianzi University)의 연구진은 이 청소 로봇이 생각하는 새로운 방식인 '비전 기반 그리드 탐색(Vision-based Grid-Exploration)' 방법을 개발했습니다. 전체 수면을 맹목적으로 쓸어버리거나 눈앞의 쓰레기에 즉각적으로 반응하는 대신, 로봇은 물을 관리 가능한 크기의 정사각형 격자(grid)로 나눕니다. 로봇은 한 격자의 가장자리로 이동하여 멈춘 뒤, 제자리에서 회전하며 해당 특정 구역 안에 있는 모든 것을 시각적으로 파악합니다. 해당 격자 내의 쓰레기가 정확히 어디에 있는지 지도를 그린 후에야, 로봇은 다음 격자로 넘어가기 전 그 안의 모든 것을 수거하기 위한 가장 직접적인 경로를 계산합니다. 연구팀이 컴퓨터 시뮬레이션과 실제 좁은 수로의 보트를 통해 테스트한 이 접근 방식은 로봇이 빈 물 위를 통째로 건너뛰도록 해줍니다. 가장 어려운 테스트, 즉 쓰레기가 얇게 퍼져 있는 상황에서 이 스마트한 계획법은 전통적인 방식에 비해 보트가 이동해야 하는 거리를 4분의 3 이상 단축시켰으며, 작업에 필요한 총 시간을 거의 3분의 2 가까이 줄였습니다.

이 혁신의 핵심은 '지면을 덮는 것'에서 '목표물을 찾는 것'으로의 전환입니다. 기존의 청소 로봇은 잔디 깎기 기계처럼 쓰레기 유무와 상관없이 전체 구역을 앞뒤로 왕복하며 고정된 패턴을 따르는 경우가 많습니다. 이는 물이 균일하게 더러울 때는 효과적이지만, 현실 세계에서는 쓰레기가 특정 지점에 뭉쳐 있거나 다른 곳은 완전히 깨끗한 경우가 많습니다. 하이빈 유(Haibin Yu)와 하오난 저우(Haonan Zhou)가 이끄는 팀이 개발한 이 새로운 방법은 물을 일련의 작고 뚜렷한 구역으로 취급합니다. 로봇은 구역의 경계에 도달했을 때 카메라를 통해 영역을 스캔합니다. 로봇은 단순히 쓰레기를 찾는 것이 아니라, 그 구역의 내용물에 대한 완전한 그림을 그려냅니다. 로봇이 해당 구역 내의 모든 병, 캔, 또는 스티로폼 조각이 정확히 어디에 위치해 있는지 알게 되면, 모든 항목을 방문하고 다음 구역으로 나가는 가장 짧은 경로를 결정하기 위해 경로 최적화 문제를 해결합니다. 이는 근처의 쓰레기를 먼저 잡고 다시 돌아가는 식의 비효식적인 경로를 초래하던 기존 방식과는 크게 다른 점입니다.

이 아이디어를 증명하기 위해 연구진은 40미터 x 40미터 크기의 수역을 모사한 시뮬레이션 환경에서 광범적인 테스트를 실시했습니다. 그들은 로봇이 다양한 조건을 어떻게 처리하는지 확인하기 위해 네 가지 서로 다른 시나리오를 만들었습니다: 쓰레기가 고르게 퍼져 있는 적은 양의 경우, 쓰레기가 고르게 퍼져 있는 많은 양의 경우, 쓰레기가 밀집되어 뭉쳐 있는 경우, 그리고 이 둘이 혼합된 경우입니다. 쓰레기가 드문드문 흩어져 있는 시나리오에서 전통적인 방식은 로봇이 빈 물 위에서 시간을 낭비하며 구역을 청소하기 위해 거의 800미터를 주행하게 만들었습니다. 그러나 새로운 방식은 약 217미터의 경로만을 찾아내어 75.7%의 감소를 보여주었습니다. 시간 절감 효과는 더욱 극적이었는데, 기존 방식이 646초 이상 걸린 것에 비해 새 방식은 약 255초 만에 임무를 마쳤습니다. 쓰레기가 가장 밀집된 시나리오에서도 새로운 방식은 기존 방식에 비해 이동 거리를 거의 절반 가까이 단축했습니다. 핵심은 단순히 더 빨리 움직이는 것이 아니라, 빈 물 위를 달릴 필요를 없앰으로써 더 똑똑하게 움직이는 것이었습니다.

연구팀은 컴퓨터 시뮬레이션에 그치지 않고, 이를 실제 세상에서 테스트하기 위해 물리적 프로토타입을 제작했습니다. 그들은 스테레오 카메라와 강력한 온보드 컴퓨터를 장착한 소형 카타마란(쌍동선) 스타일의 보트를 구축했습니다. 연구진은 이 선박을 대학 내의 좁은 인공 수로, 즉 도시 수로의 제약을 모사한 공간으로 가져갔습니다. 보트는 19개의 인공 쓰레기를 수거하는 임무를 맡았습니다. 로봇은 비전 시스템을 사용하여 항목들을 감지하고, 경로를 계획하고, 청소 임무를 성공적으로 수행했습니다. 보트가 실제로 이동한 경로는 자연스러운 물의 움직임과 GPS 신호 노이즈로 인한 미세한 편차를 제외하면 컴퓨터가 계획한 경로와 매우 일치했습니다. 보트는 일정한 속도로 움직이며 각 항목을 수거하기 위해 정밀하게 회전한 뒤 다음 항목을 향해 곧장 나아갔으며, 이는 복잡한 계산이 소형 휴대용 컴퓨터에서 실시간으로 수행될 수 있음을 입증했습니다.

이 연구의 가장 중요한 발견 중 하나는 이 방식이 자연의 무질서한 현실을 다룰 만큼 견고하다는 점입니다. 현실 세계에서 쓰레기는 깔끔한 줄을 유지하지 않고, 조류에 따라 떠다니거나 구석에 쌓입니다. 연구진은 자신들의 그리드 기반 접근 방식이 이러한 불규칙성을 잘 처리한다는 것을 발견했습니다. 쓰레기가 뭉쳐 있을 때 로봇은 루프에 빠지지 않고 클러스터를 효율적으로 휩쓸고 지나갔습니다. 쓰레기가 흩어져 있을 때 로봇은 빈 구역을 간단히 건너뛰었습니다. 이러한 적응성은 이 시스템이 조용한 연못부터 번잡한 운하에 이르기까지 다양한 환경에서 작동할 수 있음을 시사합니다. 연구진은 현재 시스템이 잘 작동하지만, 물이 비교적 잔잔하다는 가정하에 작동한다고 언급했습니다. 강한 바람이나 강력한 조류는 보트를 경로에서 벗어나게 할 수 있으며, 향후 버전의 기술은 모든 기상 조건에서 진정으로 신뢰할 수 있도록 이러한 역동적인 힘을 고려해야 할 것입니다.

이 프로젝트의 성공은 자율 청소가 단순한 이론적 개념이 아니라 환경 보호를 위한 실질적인 도구가 될 수 있는 미래를 가리킵니다. 보는 능력과 계획하는 능력을 결합함으로써, 이 로봇들은 인간 운영자나 단순한 자동화 기계가 따라올 수 없는 수준의 효율성으로 작동할 수 있습니다. 연구는 물을 작은 관리 가능한 조각으로 나누고 보이는 것을 바탕으로 경로를 계획하는 방식으로 생각을 바꾸는 것만으로도, 청소에 필요한 에너지와 시간을 획기적으로 줄일 수 있음을 보여주었습니다. 이러한 효율성은 규모를 확장하는 데 매우 중요합니다. 로봇이 훨씬 짧은 시간 안에 넓은 구역을 청소할 수 있다면, 전 세계 도시와 해안 지역의 오염 문제를 해결하기 위해 이러한 기계 군단을 배치하는 것이 경제적으로 타당해집니다.

연구진은 자신들의 결과가 유망하지만, 연구는 여전히 진행 중임을 강조합니다. 현재 시스템은 카메라에 쓰레기가 보이는 것에 의존하므로, 매우 탁한 물이나 추가 센서가 없는 밤에는 어려움을 겪을 수 있습니다. 또한, 테스트는 통제되거나 반통제된 환경에서 수행되었습니다. 다음 단계는 더 강한 조류와 예측 불가능한 장애물이 존재하는 더 복잡한 개활지 환경에서 이 시스템을 테스트하는 것입니다. 이러한 한계에도 불구하고, 이 연구는 인공지능과 로보틱스가 어떻게 구체적이고 시급한 문제를 해결하는 데 적용될 수 있는지에 대한 명확한 청사진을 제공합니다. 비전 기반 그리드 탐색 방식은 혼란스럽고 에너지를 소모하는 작업을 효율적이고 체계적인 운영으로 전환하는 방법을 제시하며, 때로는 문제를 해결하는 가장 좋은 방법이 전체 그림을 보는 것이 아니라 세부 사항에 집중하는 것임을 증명합니다.