An Autonomous Spraying Robot for Sheep Houses: Hierarchical Navigation, Speed-Dependent Flow Control, and Multi-Stage Evaluation

기술 요약: 양 사육장용 자율 분무 로봇

문제 정의
양 사육장에서의 자율 분무는 표준 이동 로봇 공학에 도전 과제를 제기하는 독특한 환경적 제약에 직면해 있습니다. 여기에는 좁은 통로, 반복적인 우리 구조, 고르지 않거나 슬랫(slatted) 형태의 바닥, 먼지 축적, 센서의 부분적 폐쇄, 그리고 움직이는 동물의 존재가 포함됩니다. 이러한 요인들은 LiDAR 측정을 저하시키고, 오도메트리 드리프트(odometric drift)를 증가시키며, 계획된 경로를 일시적으로 차단합니다. 또한, 수동 분무는 작업자의 속도와 노즐 핸들링의 불일치로 인해 가변적인 기하학적 피복도를 초래할 수 있습니다. 기존의 가축 소독용 로봇 솔루션은 자기 스트립, RFID 유도 또는 UV 조사를 활용하지만, 이는 좁고 살아있는 동물이 있는 통로에서의 특정 내비게이션 및 동적 장애물 회피 요구 사항을 해결하지 못할 수 있습니다. 이 환경에 특화된 매핑, 계층적 내비게이션 및 속도 의존적 분무 제어를 통합하는 시스템이 부족한 실정입니다.

방법론
본 연구에서는 ROS 기반의 3단계 내비게이션 프레임워크와 결합된 트랙형 이동 분무 플랫폼을 개발하였습니다.

• 하드웨어 플랫폼: 로봇은 엔코더 피드백이 있는 브러시리스 DC 모터로 구동되는 차동 트랙형 섀시를 사용하여 제로 반경 회전(zero-radius turning)이 가능합니다. SICK TiM781 2D LiDAR(0.32m 높이에 장착)와 BMI088 IMU, 그리고 전기 펌프와 플랫 팬 노즐로 구성된 분무 유닛을 갖추고 있습니다. 시스템은 Ubuntu 20.04 및 ROS Noetic 기반의 Jetson Xavier NX에서 구동됩니다.
• 소프트웨어 아키텍처: 시스템은 다음과 같은 계층적 워크플로우를 채택합니다:
  1. 매핑(Mapping): GMapping(격자 기반의 Rao-Blackwellized particle-filter SLAM)을 사용하여 점유 격자(occupancy grids)를 구축합니다. 먼지와 폐쇄를 처리하기 위해 유효 반환 비율(valid-return ratios)을 기준으로 LiDAR 반환 값을 필터링하는 스캔 신뢰도 게이팅 메커니즘을 사용합니다.
  2. 위치 추정(Localization): 적응형 몬테카를로 위치 추정(AMCL)은 KLD 샘플링과 위치 교란으로부터의 회복을 위한 무작위 입자 주입을 활용하여 사전 구축된 지도 상에서 로봇의 포즈를 추정합니다.
  3. 내비게이션(Navigation): 3단계 계획 시스템이 다음을 조정합니다:
     • 태스크 레벨(Task Level): 경계가 있는 셔팅 신경망(bounded shunting neural network) 모델을 사용하여 피복 셀을 선택하는 생체 모방형 피복 플래너.
     • 글로벌 레벨(Global Level): A* 알고리즘이 웨이포인트 간의 경로를 생성하며, 급격한 헤딩 변화를 줄이기 위해 큐빅 B-스플라인(cubic B-splines)으로 평활화됩니다.
     • 로컬 레벨(Local Level): 동적 창 접근법(Dynamic Window Approach, DWA)이 실시간 장애물 회피 및 속도 명령 생성을 담당합니다.
  4. 분무 제어(Spray Control): 로봇의 지면 속도와 펌프 명령을 연결하는 속도 의존적 유량 제어 규칙($Q_r = 60 q_a^* W_e v$)을 통해, 하드웨어 한계 내에서 일정한 명목 면적 살포율을 유지합니다.

주요 기여
본 논문은 양 사육 환경에 맞춤화된 세 가지 구체적인 공학적 기여를 제시합니다:

1. 강건한 인지 및 운동: 먼지 방지 기능이 있는 트랙형 플랫폼, 스캔 품질 게이팅, 자원 인식형 위치 추정 및 지도 기반 포즈 회복 기능을 통합하여 좁고 부분적으로 폐쇄된 통로에서도 작동할 수 있도록 했습니다.
2. 워크플로우 통합: 피복 셀 선택, B-스플라인 평활화된 A* 경로 생성, DWA 회피 및 경로 회복을 연결하는 명시적 인터페이스를 통해, 개별 내비게이션 모듈을 연속적인 가축 사육장 태스크 워크플로우로 변환했습니다.
3. 속도 의존적 전달: 지면 속도를 포화 인지형 유량 규칙(saturation-aware flow rule)에 결합하고 이를 구조화된 청수 테스트 및 현장 사이클을 통해 검증함으로써, 속도 변화에도 불구하고 일관된 퇴적량을 보장합니다.

실험 결과
시스템은 시뮬레이션, 물리적 모형 및 감독 하의 현장 시험을 통해 평가되었습니다:

• 매핑 및 위치 추정: 15회의 반복 시뮬레이션에서 선택된 GMapping 구성은 **96.8 ± 0.8%**의 지도 IoU(Intersection-over-Union)를 달성하였으며, 매핑 시간을 738 ± 29초로 단축했습니다. 10회의 AMCL 시험에서 위치 추정 RMSE(Root Mean Square Error)는 0.0299 ± 0.0026 m였습니다.
• 경로 계획 및 장애물 회피: 동적 장애물이 있는 80회의 시뮬레이션 시험에서, 통합된 A*-DWA 구성은 **100%*의 성공률을 기록하며 순수 A(82.5%) 및 순수 DWA(96.3%)보다 우수한 성능을 보였습니다. 20회의 구조화된 장애물 이벤트가 포함된 물리적 모형 테스트에서, 시스템은 충돌 없이 **95.0%**의 자동 성공률을 달성했습니다.
• 피복 성능: 5회의 물리적 모형 실행에서, 생체 모방 전략은 보스트로페돈(boustrophedon, 지그재그) 및 나선형 베이스라인보다 뛰어난 **99.80 ± 0.16%**의 기하학적 피복도와 **4.20 ± 0.16%**의 중복 피복도를 달성했습니다.
• 분무 성능: 0.08, 0.11, 0.14 m/s 속도에서의 15회 청수 실행 결과, 시스템은 약 0.20 L/m²의 평균 퇴적률(범위: 0.1985–0.2008 L/m²)을 유지하였으며, 횡방향 변동 계수는 5.20%에서 5.37% 사이였습니다. 실제 유량은 속도에 따라 선형적으로 증가하여 제어 로직을 확인시켜 주었습니다.
• 현장 배치: 동물이 있는 양 사육장에서의 5회 감독 사이클 동안, 로봇은 **99.62 ± 0.23%**의 위치 추정 연속성과 0.0376 ± 0.0031 m의 경로 추적 RMSE를 달성했습니다. 또한, 동물 관련 차단 이벤트 56건 중 55건을 충돌 없이 자동으로 처리했습니다.

의의 및 범위
본 논문은 제한된 가축 시설 내 저속 분무 로봇을 위한 측정 가능한, 시나리오별 공학적 참조를 제공한다고 주장합니다. 보고된 테스트 조건 하에서 통합된 내비게이션 및 유압 전달 워크플로우의 타당성을 입증합니다.

저자들은 다음과 같이 연구의 한계를 명시합니다:

• 본 연구는 기하학적 경로 피복과 액체 퇴적을 평가하였으나, 미생물학적 효능(소독 감소 효과) 및 동물 복지 영향은 평가하지 않았습니다.
• 현장 결과는 감독 하의 운용을 나타내며, 무인 신뢰성 및 장기적인 상업적 운용은 범위를 벗어납니다.
• 장애물 회피 데이터는 제한 없는 가축의 움직임이 아닌, 구조화되고 통제된 동적 이벤트에 기반합니다.

본 연구는 새로운 독립적인 SLAM 또는 계획 알고리즘이라기보다, 시스템 수준의 통합 및 검증 데이터셋으로서 자리매김하고 있습니다. 이는 복잡한 농업 환경에서 인지, 내비게이션 및 태스크 실행을 조정하기 위한 재현 가능한 프레임워크를 제공합니다.