네 번째 시뮬레이션 결과를 분석해 보면 로봇에 인공전위계 알고리즘을 적용 시킨 경우는 로봇이 이동한 거리, 이동시간, 그리고 이동 시에 장애물과의 최소거 리 등을 보았을 때 Elastic Force 알고리즘을 적용시켰을 때보다 이동 거리와 이동 시간은 좀 더 줄어들었으며, 장애물을 회피할 때 장애물과의 최소거리는 모두 더 작게 나타났다.
이 경우, 장애물들의 위치가 로봇의 시작점과 목표점의 최단경로와 가까이 놓 여있어 로봇과 장애물의 최소거리가 더 작게 회피하였다. 한편, Elastic Force 알고 리즘을 적용시켰을 때는 이동 거리와 시가는 다소 증가하였지만 장애물을 회피 시 좀 더 멀리 회피하면 이동함을 알 수 있었다.
같은 조건에서 두 알고리즘에 가상센서 알고리즘을 각각 추가로 적용시켰을 때도 역시 인공전위계 알고리즘을 적용한 로봇의 움직임이 이동 거리와 이동시간 은 좀 더 감소하고 장애물과의 최소거리는 좀 더 작게 나타남을 알 수 있었다. 복 잡한 환경에서는 가상센서 알고리즘을 추가로 적용할 경우 로봇과의 최소거리가 두 알고리즘 모두 조금씩 증가함을 알 수 있었다. 또한, 장애물의 개수가 증가하고 복잡한 환경일수록 로봇의 움직임이 유연해짐을 알 수 있었다.
로봇의 유연함을 비교해보면 인공전위계 알고리즘의 경우 각가속도의 최대 값 과, Jerk 최대 값이 더 큰 것으로 확인되었다. 또한, 각가속도의 합과 Jerk의 합이 Elastic Force 알고리즘보다 모두 더 크게 나타났다. 이는 Elastic Force 알고리즘 을 적용시켰을 때 인공전위계 알고리즘보다 부드러운 움직임을 보여줌을 알 수 있 었다. 한편 가상센서 알고리즘을 적용시켰을 경우는 Elastic Force 알고리즘의 경 우 좀 더 유연한 움직임을 보였고, 인공전위계 알고리즘의 경우 장애물과의 최소거 리 증가와 더불어 로봇 헤딩각의 오실레이션이 좀 더 줄어들어 가상센서 알고리즘 을 적용하지 않았을 때 보다 좀 더 유연한 움직임을 나타내었다.
그림 60. 로봇의 이동 경로 4-1 (APF 알고리즘)
그림 61. 로봇의 각속도 변화 (APF 알고리즘)
그림 62. 로봇의 각가속도 변화 (APF 알고리즘)
그림 63. 로봇의 Jerk 변화 (APF 알고리즘)
그림 64. 로봇의 이동 경로 4-2 (EF 알고리즘)
그림 65. 로봇의 각속도 변화 (EF 알고리즘)
그림 66. 로봇의 각가속도 변화 (EF 알고리즘)
그림 67. 로봇의 Jerk 변화 (EF 알고리즘)
그림 68. 로봇의 이동 경로 4-3 (가상센서 적용 APF 알고리즘)
그림 69. 로봇의 각속도 변화 (가상센서 적용 APF 알고리즘)
그림 70. 로봇의 각가속도 변화 (가상센서 적용 APF 알고리즘)
그림 71. 로봇의 Jerk 변화 (가상센서 적용 APF 알고리즘)
그림 72. 로봇의 이동 경로 4-4 (가상센서 적용 EF 알고리즘)
그림 73. 로봇의 각속도 변화 (가상센서 적용 EF 알고리즘)
그림 74. 로봇의 각가속도 변화 (가상센서 적용 EF 알고리즘)
그림 75. 로봇의 Jerk 변화 (가상센서 적용 EF 알고리즘)
각 알고리즘들의 분석요소를 마름모로 표현하여 구한 성능은 표 6과 같으며, 그림 76은 결과를 보여준다. 결론적으로, 네 번째 시뮬레이션의 결과를 비교해보면 Elastic force 알고리즘을 적용시켰을 경우가 가장 로봇의 충돌회피 성능이 우수하 게 나타남을 알 수 있었다.
표 6. 알고리즘별 성능 2
정규화데이터 APF EF APF_VS EF_VS
이동거리 0 0.56 0.03 1
이동시간 0 0.53 1 0.66
장애물과의
최소거리 1 0.26 0.97 0
변화량의 합각가속도 1 0.004 0.36 0
데이터 합 2 1.354 2.36 1.66
면적 0.98 0.57 1.232 0.742
그림 76. 알고리즘별 성능 분석 그래프 2