[논문]강화학습 기반 임베디드 보드를 활용한 실내자율 주행 서비스 로봇 개발

오현택; 백지훈; 이승진; 김상훈

강화학습 기반 임베디드 보드를 활용한 실내자율 주행 서비스 로봇 개발
Development of Interior Self-driving Service Robot Using Embedded Board Based on Reinforcement Learning 원문보기

오현택 (국립한경대학교 전기전자제어공학과) , 백지훈 (국립한경대학교 전기전자제어공학과) , 이승진 (국립한경대학교 전기전자제어공학과) , 김상훈 (국립한경대학교 전기전자제어공학과)

본 논문은 Jetson_TX2(임베디드 보드)의 ROS(Robot Operating System)기반으로 맵 지도를 작성하고, SLAM 및 DQN(Deep Q-Network)을 이용한 목적지까지의 이동명령(목표 선속도, 목표 각속도)을 자이로센서로 측정한 현재 각속도를 이용하여 Cortex-M3의 기반의 MCU(Micro Controllor Unit)에 하달하여 엔코더(encoder) 모터에서 측정한 현재 선속도와 자이로센서에서 측정한 각속도 값을 이용하여 PID제어를 통한 실내 자율주행 서비스 로봇.

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

목적지까지 도달하기 위해 엔코더 모터, 자이로센서, Rplider 센서를 통한 이동거리, 선속도, 각속도, 지도 작성, 자기위치 인식을 PID제어와 알고리즘을 통해서 실내 자율주행을 할 수 있도록 하였다. 또한 기존의 방법과 달리 실내 자율주행을 좀 더 잘 할 수 있도록 DQN을 이용해서 목적지까지의 최적의 경로와 동적 장애물에 대해서 학습된 데이터를 통해서 유연하게 회피할 수 있는 능력을 갖추어 목적지까지 도달하여 실내에서 강화학습을 적용한 자율주행 서비스 로봇을 위해 연구하였다. 지금까지 연구한 성과를 바탕으로 좀 더 나아가 실내에서 좀 더 빠른 자율주행을 하며 실내 뿐만 아니라 실외에서도 자율주행을 하는 것을 목표로 하며 서비스 로봇 이외에 재난 현상 복구, 군사 목적, 농작 작물 수확 등 다양한 분야에 적용할 수 있도록 하는 것을 목표로 한다.
본 논문에서는 실내 자율 서비스 이동로봇의 실내 자율주행을 위한 강화학습을 이용한 방법을 연구하였다. 목적지까지 도달하기 위해 엔코더 모터, 자이로센서, Rplider 센서를 통한 이동거리, 선속도, 각속도, 지도 작성, 자기위치 인식을 PID제어와 알고리즘을 통해서 실내 자율주행을 할 수 있도록 하였다.
또한 기존의 방법과 달리 실내 자율주행을 좀 더 잘 할 수 있도록 DQN을 이용해서 목적지까지의 최적의 경로와 동적 장애물에 대해서 학습된 데이터를 통해서 유연하게 회피할 수 있는 능력을 갖추어 목적지까지 도달하여 실내에서 강화학습을 적용한 자율주행 서비스 로봇을 위해 연구하였다. 지금까지 연구한 성과를 바탕으로 좀 더 나아가 실내에서 좀 더 빠른 자율주행을 하며 실내 뿐만 아니라 실외에서도 자율주행을 하는 것을 목표로 하며 서비스 로봇 이외에 재난 현상 복구, 군사 목적, 농작 작물 수확 등 다양한 분야에 적용할 수 있도록 하는 것을 목표로 한다.

제안 방법

Gmapping으로 작성된 지도를 기반으로 하여 Dijkstra algorithm을 이용하여 출발지로부터 목적지까지 최단경로 정보와 2D 장애물 스캔 데이터, 로봇의 자세 데이터를 1장의 84*84 gray 이미지로 표현하여 신경망 모델에서 연결망 가중치에 따라 Q값이 가장 높은 액션을 선택하여 Serial통신을 통해 MCU한테 이동명령 하달.
자이로센서에서 측정한 현재 각속도 값을 Jetson_TX2보드에서 읽고, DQN에서 연결망 가중치에 따라 가장 높은 액션을 선택해서 목표 각속도와 목표 선속도를 MCU에게 명령을 하달하여 두 개의 명령추종을 PID제어를 구현하였다. 먼저 엔코더 4개의 바퀴에 각 하나 마다의 현재 속도 값을 읽어오고 각 각을 PID제어를 통해서 선속도를 추종하고, 각속도의 오차를 가지고 방향 제어를 한다.
제작된 본 로봇의 전체적인 시스템 구성은 (그림 1)과 같다. 모든 센서의 정보는 Jetson_TX2에서 송신되어 파싱된 데이터를 가지고 MCU에 전달한 후에 PID알고리즘으로 PWM신호를 모터에 최종적으로 전달하여 기동함으로써 명령을 추종을 하며 실내 자율주행을 한다.
본 논문에서는 실내 자율 서비스 이동로봇의 실내 자율주행을 위한 강화학습을 이용한 방법을 연구하였다. 목적지까지 도달하기 위해 엔코더 모터, 자이로센서, Rplider 센서를 통한 이동거리, 선속도, 각속도, 지도 작성, 자기위치 인식을 PID제어와 알고리즘을 통해서 실내 자율주행을 할 수 있도록 하였다. 또한 기존의 방법과 달리 실내 자율주행을 좀 더 잘 할 수 있도록 DQN을 이용해서 목적지까지의 최적의 경로와 동적 장애물에 대해서 학습된 데이터를 통해서 유연하게 회피할 수 있는 능력을 갖추어 목적지까지 도달하여 실내에서 강화학습을 적용한 자율주행 서비스 로봇을 위해 연구하였다.
본 논문 로봇의 특징은 부피가 크고 가격이 비싼 depth 카메라를 이용하지 않고 Ocam만을 이용해서 영상처리를 통해서 AR Marker를 인식하고 Marker의 크기에 따라 상대적인 거리측정이 가능하며, Marker의 일부분이 가려지더라고 거리를 인식하는데 문제가 없다.
자이로센서에서 측정한 현재 각속도 값을 Jetson_TX2보드에서 읽고, DQN에서 연결망 가중치에 따라 가장 높은 액션을 선택해서 목표 각속도와 목표 선속도를 MCU에게 명령을 하달하여 두 개의 명령추종을 PID제어를 구현하였다. 먼저 엔코더 4개의 바퀴에 각 하나 마다의 현재 속도 값을 읽어오고 각 각을 PID제어를 통해서 선속도를 추종하고, 각속도의 오차를 가지고 방향 제어를 한다.
기존의 실내 자율주행 로봇은 엔코더, 적외선, 초음파 등의 센서를 이용하여 자기 위치 좌표와 장애물의 여부를 인식하였다. 하지만 본 논문은 인공신경망을 이용하여 스스로 학습하여 동적 장애물에 대한 회피를 판단하여 최적의 경로로 회피하고, 목적지 까지의 최적의 경로를 명령해 주며, Rplidar를 이용하여 SLAM을 통해 실내 맵 작성 및 자율주행을 하고, Jetson-TX2와 자이로센서에서 데이터를 MCU에 목표 선속도, 목표 각속도, 현재 각속도를 명령 하달하여 엔코더에서 측정한 선속도 데이터와 선속도, 각속도 PID 제어를 통해서 기존에 구현하지 않은 알고리즘을 기반으로 실내 자율주행을 통한 서비스 로봇을 구현하였다.

성능/효과

기존에 PID제어를 실험할 때에는 상보필터를 적용하지 않고 구현하였을 때는 파형의 기울기가 큰 경향이 있었으나, 상보필터를 D제어에 적용함으로써 기울기를 낮춰서 좀 더 목표값에 빨리 수렴할 수 있고, 오버슈트(overshoot)현상을 줄일 수 있었다.

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

강화학습 기반 임베디드 보드를 활용한 실내자율 주행 서비스 로봇 개발
Development of Interior Self-driving Service Robot Using Embedded Board Based on Reinforcement Learning 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper

문제 정의

제안 방법

성능/효과

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

강화학습 기반 임베디드 보드를 활용한 실내자율 주행 서비스 로봇 개발 Development of Interior Self-driving Service Robot Using Embedded Board Based on Reinforcement Learning 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

성능/효과

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

강화학습 기반 임베디드 보드를 활용한 실내자율 주행 서비스 로봇 개발
Development of Interior Self-driving Service Robot Using Embedded Board Based on Reinforcement Learning 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper