• 검색 결과가 없습니다.

시뮬레이션 기반 로봇 플랫폼 구축 방법 연구

N/A
N/A
Protected

Academic year: 2023

Share "시뮬레이션 기반 로봇 플랫폼 구축 방법 연구"

Copied!
55
0
0

로드 중.... (전체 텍스트 보기)

전체 글

시뮬레이션 기반 로보틱스 플랫폼 구축 방안 연구. ROS와 Gazebo를 기반으로 시뮬레이션 구성 플랫폼을 구축했습니다. 제안된 시뮬레이션을 기반으로 모델링된 로봇 시스템의 기본 동작을 확인하였다.

표 및 그림 목차 ii
표 및 그림 목차 ii

서론

Ivaldi의 연구에서 참가자의 응답은 로봇 도구의 가장 관련성이 높은 시뮬레이션에 대해 분석되었습니다. 본 연구에서는 로봇 시스템의 성능 검증을 위해 ROS(Robot Operating System)와 Gazebo 기반의 성능 분석 관련 플랫폼을 구축하였다. ROS는 로봇 연구 및 개발 커뮤니티의 로봇 제어 기술을 통합합니다.

로봇 시스템 구조

노드는 로봇 센서에서 데이터를 검색하여 프로그램을 실행하고 데이터를 다른 노드로 전송할 수 있습니다. Gazebo는 ROS에서 공식적으로 지원하는 시뮬레이터이며 3D 동적 다중 로봇 환경을 생성할 수 있도록 설계되었습니다. 시뮬레이션된 센서 데이터를 볼 수 있는 ROS 환경용으로 개발된 시뮬레이터이기도 합니다.

로봇 시스템 구성

VLP-16

고급 디지털 신호 처리 및 파형 분석은 고정밀, 확장된 범위 감지 및 보정된 반사율 데이터를 제공합니다. 2005년 DARPA 그랜드 챌린지에서 개발된 미국 기반 회사인 벨로다인에서 ​​제조합니다. 이 회사는 동급 최고의 LiDAR 기술로 명성을 쌓아 왔으며 선도적인 개발자 및 제조업체로 선전되고 있습니다.

VLP-16은 단거리 탐지 및 다양한 기능(SLAM, 내비게이션)에 사용되었습니다.

로봇 시스템 구축

UGV 모델

본 논문에서는 Huksy UGV가 스키드 스티어링 구성으로 2차원 평면에서 움직인다고 가정한다. 관성계의 원점은 로봇의 중심에 있는 것으로 간주하고 로봇 본체의 초기 상태와 관성계는 동일한 것으로 간주한다. 기구학적 관계 행렬 M을 얻기 위해 ICR(Instantaneous Center of Rotation)을 사용하여 UGV의 움직임을 정확하게 추정했습니다[17].

UGV의 회전 중심과 왼쪽 및 오른쪽 ICR은 UGV의 x축과 평행한 동일한 선상에 있습니다. 무게 중심의 위치는 좌우 ICR의 위치에 영향을 미칩니다. 본 연구에서는 두 ICR 사이의 거리를 미끄러짐 경로(B)로 정의한다.

값은 기동 여부와 상관없이 특정 지형의 경계 영역 내에서 유지됩니다. 따라서 슬립 트랙은 UGV의 전체 슬립의 척도로 사용될 수 있습니다. 더 큰 스키드 트랙은 횡방향 이동에 기여하는 휠 속도가 증가하고 종방향 이동에 기여하는 휠 속도가 감소하기 때문에 총 슬립이 더 크다는 것을 나타냅니다.

기구학적 일관성 행렬 M은 다음과 같이 지정됩니다.

Manipulator 모델

순운동학 방정식은 변환 행렬로 생성되었습니다. Gazebo를 이용하여 로봇이 적용된 운영환경 시뮬레이션을 수행하였다. Gazebo에서 URDF 파일을 사용할 수 있도록 봇 시뮬레이션과 관련된 특정 태그가 추가되었습니다.

오랫동안 SDF는 로봇 시뮬레이터, 시각화 및 제어를 위한 객체 및 환경을 표현하기 위한 XML 형식의 언어였습니다. 로봇 모델에 대한 정보의 호환성을 확보하기 위해 Gazebo 파일인 SDF 형식이 추가되었습니다. URDF 모델의 기능을 개선하기 위해 Gazebo 플러그인을 사용하여 ROS와의 직접 통신 인터페이스를 구현했습니다.

또한 시뮬레이션 로봇을 제어하는 ​​데 사용되었습니다. 센서 출력 및 장치 입력은 ROS 메시지 및 서비스를 통해 구현되었습니다. 세계 파일에는 로봇, 조명, 센서 및 정적 개체를 포함하여 시뮬레이션의 모든 요소가 포함됩니다.

월드 파일에는 시뮬레이션 환경에 대한 정보가 포함되어 있으며 시뮬레이션 환경이 생성된 후 시작 파일에 추가되었습니다.

로봇 플랫폼 성능 검증

Hector SLAM에 사용된 스캔 매칭은 알고리즘 [22]에서 제안된 Gauss-Newton 접근 방식을 기반으로 합니다. 그런 다음 기록된 데이터를 사용하여 Gmapping 및 Hector SLAM을 시뮬레이션했습니다. Room C는 단일 벽 장벽이 있는 방에서 시뮬레이션되었습니다.

반면, B방에서 얻은 지도는 두 SLAM 알고리즘 모두에 대해 정확하게 생성되었습니다. Hector SLAM 알고리즘은 원통형 장애물로 인해 보다 정확하게 계산하여 시뮬레이션 환경과 유사한 지도를 생성했습니다. C룸에서 얻은 지도는 Gmapping 알고리즘에 의해서만 정확하게 생성되었습니다.

검증을 위해 시뮬레이션 환경에서 좋은 결과를 보인 Gmapping 알고리즘을 이용하여 SLAM의 성능 상태를 검증하였다. 목적지로 이동하기 위한 내비게이션 기능은 Move Base 패키지로 구현되었습니다. 검증을 위해 시뮬레이션 환경에서 사용하는 내비게이션 알고리즘을 이용하여 동작 상태를 확인하였다.

FCL(Fast Collision Library)을 사용하여 충돌 없는 궤적을 계획했습니다. MoveIt의 OMPL을 기반으로 다양한 샘플 기반 동작 계획 알고리즘을 적용하여 로봇 플랫폼을 조작했습니다. 또한 모션 계획 알고리즘의 평균 계산 시간을 측정했습니다.

결론 및 향후계획

'n Relay System for Supporting the Execution of Context-Aware Robot Services on ROS, Vol.6, pp.

DEUK KYOUNG YOON

수치

표 및 그림 목차 ii

참조

관련 문서

인간형 로봇이라고도