.svg)
AI 솔루션 문의하기
물류창고를 오가는 자율주행 로봇은 정해진 차선과 신호를 따라 움직이는 도로 위 차량과 달리, 좁은 통로 사이를 오가며 사람과 다른 로봇, 고정된 선반이 뒤섞인 공간을 통과해야 합니다. 넓은 도로가 아닌 좁고 밀집된 실내 공간을 오간다는 특성을 고려하면 도로 주행용 자율주행 데이터를 그대로 가져다 쓰기보다 창고 환경에 맞는 별도의 학습데이터를 구성하는 작업이 필요합니다.
창고 안에서 일하는 작업자는 정해진 규칙을 따라 움직이는 차량과 달리 예측하기 어려운 방향으로 갑자기 움직이거나 물건을 든 채 시야가 가려진 상태로 이동하는 경우가 있습니다. 작업자가 로봇 가까이에서 갑자기 방향을 바꾸거나 예상치 못하게 멈추는 상황을 담은 자료를 폭넓게 확보한다면 사람과 근접한 거리에서 안전하게 반응해야 하는 창고 로봇의 특성에 맞는 학습 근거를 마련할 수 있습니다.
창고에는 여러 대의 로봇이 동시에 운영되는 경우가 많으며, 통로가 교차하는 지점에서는 여러 로봇이 동시에 도착해 서로 진로를 양보하거나 우회해야 하는 상황이 발생합니다. 여러 로봇이 동시에 교차 지점에 진입하는 상황을 담은 자료를 확보해 어떤 로봇이 먼저 지나가고 어떤 로봇이 대기해야 하는지를 학습에 반영한다면 여러 대가 함께 움직이는 창고 환경에서의 충돌 위험을 줄이는 데 도움이 됩니다.
창고는 입고와 출고에 따라 선반의 위치나 적재된 물품의 배치가 수시로 바뀌며, 한번 구축한 지도 정보만으로는 시간이 지날수록 실제 환경과 어긋나는 부분이 늘어날 수 있습니다. 배치가 바뀐 이후의 환경을 다시 촬영해 학습데이터에 반영하는 절차를 정기적으로 운영한다면 창고 배치가 자주 바뀌는 상황에서도 로봇이 최신 환경에 맞추어 경로를 판단할 수 있는 기반을 유지할 수 있습니다.
일부 창고 바닥은 콘크리트 표면이 매끄럽게 마감되어 있거나 물기로 인해 빛을 반사하는 경우가 있으며, 이런 표면은 로봇의 센서가 실제 거리를 잘못 측정하게 만드는 원인이 될 수 있습니다. 반사가 심한 바닥과 정상적인 바닥에서 각각 수집한 센서 자료를 비교해 학습데이터에 포함한다면 바닥 상태에 따라 달라지는 센서 오차를 인식하고 보정하는 능력을 모델에 반영할 수 있습니다.
떨어진 상자나 흘린 액체, 잘못 놓인 팔레트처럼 정해진 경로 위에 예상하지 못한 장애물이 놓이는 상황은 창고 운영 중 종종 발생할 수 있습니다. 다양한 형태의 돌발 장애물이 통로에 놓인 상황을 폭넓게 확보해 학습데이터에 포함한다면 정해진 지도 정보만으로는 예측할 수 없는 상황에서도 로봇이 장애물을 인식하고 우회하는 판단을 내릴 수 있는 근거가 마련됩니다.
로봇은 자동문이나 승강기처럼 창고 안에 설치된 다른 자동화 설비와 함께 작동해야 하는 경우가 있으며, 이런 설비와의 상호작용이 원활하지 않으면 로봇이 통로 중간에 멈춰 서는 상황으로 이어질 수 있습니다. 자동문이 열리고 닫히는 시점, 승강기가 도착하고 출발하는 시점과 로봇의 이동이 맞물리는 상황을 담은 자료를 확보한다면 다른 자동화 설비와의 상호작용에서 발생할 수 있는 지연이나 충돌을 줄이는 데 참고할 수 있습니다.
경로가 막히거나 기계적인 문제로 로봇이 멈춰 서는 상황이 발생하면, 로봇은 스스로 문제를 파악하고 우회 경로를 찾거나 도움을 요청하는 판단을 내려야 합니다. 로봇이 멈춰 선 다양한 상황과 그 상황에서 실제로 이루어진 복구 과정을 함께 담은 자료를 확보한다면 비슷한 상황이 다시 발생했을 때 로봇이 스스로 대응하는 능력을 학습에 반영할 수 있습니다.
물류창고 자율주행 로봇의 학습데이터는 도로 주행과는 다른 좁은 실내 공간의 특성을 반영하면서도 사람과의 근접 상황, 다중 로봇 간의 교차, 자주 바뀌는 배치까지 함께 아울러야 완결됩니다. 바닥 재질에 따른 센서 오차와 돌발 장애물, 자동화 설비와의 상호작용을 함께 운영하면서 학습데이터는 그 창고의 운영 방식과 로봇 대수에 맞게 정착할 것입니다.
.svg)
.svg)
