산업용 로봇 협업과 엣지 컴퓨팅 최적화

초록

본 논문은 차동 구동 비홀론믹 로봇을 대상으로 장애물 회피·목표 회전·목표 접근 세 가지 행동으로 운동을 분해하고, 이를 파라미터화한 뒤 전역 경로를 길이와 충돌 페널티를 균형 잡은 에너지 함수로 정의한다. 3‑계층 신경망을 경로 계획 모델로 사용하고, 시뮬레이티드 어닐링으로 전역 최적에 근접한 해를 탐색한다. 실행 단계에서는 헤딩·횡오차를 입력으로 하는 퍼지 제어기가 휠 속도 차이를 생성해 빠른 보정을 수행하며, 엣지 컴퓨팅을 통해 통신 지연과 트래픽을 감소시킨다. Matlab 2024 시뮬레이션 결과, 경로 편차 ±5 cm, 수렴 시간 10 ms, 기존 두 방법 대비 짧은 경로 길이를 달성하였다.

상세 분석

이 연구는 산업용 사물인터넷 환경에서 모바일 로봇이 불확실한 장애물 배치와 명령 속도 변동에도 안정적으로 전역 경로를 생성해야 한다는 문제를 다룬다. 먼저 로봇의 동역학을 비홀론믹 제약을 포함한 미분 방정식으로 모델링하고, 이를 kinematic 형태로 단순화하여 선형 속도 v와 각속도 ξ를 기본 제어 변수로 설정한다. 로봇의 움직임을 ‘장애물 회피’, ‘목표 회전’, ‘목표 접근’ 세 가지 행동으로 분해함으로써 각 상황에 맞는 속도·각속도 조절 법칙을 수식(4‑6)으로 제시한다. 이러한 행동 기반 파라미터화는 전역 경로 최적화 문제를 ‘경로 길이 최소화’와 ‘충돌 페널티’라는 두 목표를 가중치 δₗ으로 결합한 에너지 함수 F(9)로 변환한다.

전역 경로 탐색은 3‑계층 전완전 연결 신경망(64‑ReLU‑64‑ReLU‑2‑Linear)으로 경로 후보를 생성하고, 시뮬레이티드 어닐링을 적용해 온도 감소에 따라 이웃 경로를 샘플링·평가한다. 에너지 감소가 없더라도 일정 확률로 열악한 해를 받아들여 지역 최소에 빠지는 것을 방지한다. 이 과정은 전역 최적에 근접한 저에너지 경로를 효율적으로 찾을 수 있게 한다.

실행 단계에서는 퍼지 제어기를 도입한다. 입력 변수는 헤딩 오차(±10°)와 횡오차(±100 mm)이며, 삼각형 멤버십 함수를 사용해 ‘좌·우 휠 속도 차이’를 출력한다. 전문가 규칙 기반의 퍼지 추론 후 디퍼지화된 제어 신호는 로봇의 휠 속도 차이를 즉시 조정해 경로 편차를 빠르게 수렴시킨다.

엣지 컴퓨팅 측면에서는 경로 계획과 퍼지 제어 연산을 로봇 근처의 엣지 서버에서 수행함으로써 로봇‑서버 간 데이터 전송량과 지연을 크게 감소시킨다. 이는 실시간 제어 요구가 높은 산업 현장에서 중요한 설계 포인트이다.

시뮬레이션 결과는 세 가지 핵심 성과를 보여준다. 첫째, 경로 추적 오차가 ±5 cm 이내로 제한되어 높은 정밀도를 확보했다. 둘째, 제어 수렴 시간이 10 ms로 매우 빠르게 나타나 실시간 적용 가능성을 입증했다. 셋째, 500 회 반복 시 평균 경로 길이가 106 m로, 기존 비전 서보 기반 제약 플래너(132 m)와 안전 필드 플래너(130 m)보다 현저히 짧았다.

하지만 논문은 몇 가지 한계도 인정한다. 로봇 동역학 모델이 이상적인 매개변수에 크게 의존하고, 퍼지 멤버십 함수와 규칙이 수작업으로 설계되어 환경 변화에 대한 적응성이 제한된다. 또한 센서 노이즈나 급격한 장애물 변동에 대한 민감도가 높아 실제 현장 적용 시 추가적인 견고성 강화가 필요하다. 향후 연구에서는 불확실성 모델링, 퍼지 파라미터 자동 튜닝, 실제 로봇 실험을 통한 검증 등을 통해 시스템의 신뢰성과 확장성을 높일 계획이다.