많은 자율 주행차(AV) 사용 사례는 주로 로봇과 사람 또는 사람이 제어하는 차량 간의 상호 작용에 중점을 두고 있습니다. 그러나 AV 및 자율 이동 로봇(AMR)이 지속적으로 개발되고 다양한 산업으로 확장됨에 따라 다중 로봇 환경에 중점을 둔 사용 사례가 증가하고 있습니다(그림 1). 자체 개별 자율 스택을 포함하며 동일 운용 영역 내 문제 해결을 도와주는 미션 계획자가 있는 이러한 시스템의 안전성과 신뢰성을 테스트하는 방법에 대한 요구가 증가하고 있습니다.
이러한 로봇 차량은 동종 자율 시스템(각 에이전트가 동일한 소프트웨어 시스템을 가짐)부터 이기종 자율 시스템(혼합 시스템 및 기능 장치가 동일 영역에서 작동)까지 광범위하게 활용 가능합니다. 시뮬레이션은 이러한 서로 다른 에이전트 간의 다양한 상호 작용을 캡처하는 데 특화되어 있으며 운영 영역에서 장기 실행 시나리오를 신속하게 테스트할 수 있는 기능을 제공합니다. 다중 로봇 작업 할당(MRTA) 시스템을 사용한 전체 차량 관리 및 각 에이전트에 대한 개별 메트릭 측정을 통해 효율적인 방식으로 장기간에 걸쳐 성능 향상을 추적할 수 있습니다.
이 게시물에서는 이러한 자율 다중 로봇 시스템의 상업적 활용 예시와 시스템 알고리즘의 안전성과 발전을 보장하기 위해 고려해야 할 테스트 및 검증 고려 사항에 대해 설명합니다.
다중 로봇 사용 사례 및 테스트 고려 사항
자율 시스템 차량의 유망 응용 산업에는 장거리 운송, 창고 및 물류, 농업, 건설 및 광업 등이 있습니다. 각 산업에는 단일 로봇 시스템 테스트보다 더 복잡한 테스트 접근 방식 및 합격/불합격 성공 기준이 필요하며 자동화가 요구되는 고유 작업 세트가 존재합니다.
동종 자율 시스템
예를 들어 창고 환경에서 지게차를 자동화하여 한 구역에서 다른 구역으로 상품을 이동할 수 있습니다(그림 2). 각 지게차는 동일한 작업을 수행하기 때문에 동종 환경이 됩니다. 자율 시스템의 성능은 “출발지에서 목표물을 픽업할 수 있습니까?”, “다른 에이전트 사이를 이동하며 충돌을 피할 수 있습니까?” 또는 "목적지에 목표물을 내려놓을 수 있습니까?"와 같은 일련의 성공 요건을 통해 측정할 수 있습니다. 시뮬레이션 과정에서 각 자율 에이전트의 메트릭을 추적할 수 있으며 특정 오류 상황을 분리해 자율 시스템을 개발하고 개선할 수 있습니다. 자율 시스템의 다양한 매개 변수를 이 환경에서 테스트 및 측정하여 에이전트 서브셋 시스템 변경이 다른 에이전트에 어떻게 영향을 미치는지 확인할 수 있습니다. 예를 들어 한 에이전트의 라우팅 모듈이 전적으로 탐욕(greedy)적인 경우 다른 액터의 효율적인 경로가 차단되어 다른 에이전트가 창고에서 라우팅하기 훨씬 더 어려워질 수 있습니다.
각 에이전트에 대한 이러한 개별 요건 외에도 전체 시스템의 MRTA 전략은 각 로봇을 효율적으로 사용하고 차량의 처리량을 측정해야 합니다. 각 스택 버전의 측정을 통해 이전에 정의된 전체 메트릭의 벤치마크를 유지 또는 개선할 수 있습니다. 위의 탐욕적 라우팅 모듈 예시의 경우 일부 에이전트의 동작 설정을 변경하는 경우 다른 에이전트의 속도가 느려지게 돼 창고의 전체 아웃풋이 감소할 수 있습니다. 성공 메트릭의 이러한 유연성을 통해 시스템 전체의 효율성을 캡처하는 동시에 개별 에이전트에 중점을 두도록 여러 수준에서 성능을 측정할 수 있습니다.
이기종 자율 시스템
반면에 농업 산업에서 작물을 수확하는 것과 같은 복잡한 프로세스는 일련의 다른 기능을 가진 자율 주행차가 요구되는 이기종 환경이 됩니다. 이 프로세스의 중요한 부분 중 하나는 작물을 수확하는 수확기와 수확기의 최대 수확량이 가까워질 때 작물을 수확기에서 픽업하는 트럭 사이에서 작물을 이동하는 작업입니다. 이 두 가지 차량은 각각 약간 다른 목표를 가지고 있기 때문에 시나리오 내에서 각 자율성 스택 유형에 대한 특정 성공 메트릭을 정의하는 것이 중요합니다. 이 두 가지 유형의 스택을 병렬로 실행하면 두 자율 스택 간의 상호 작용에서 부족한 점과 한 차량의 기능을 수정하는 것이 다른 차량에 심각한 영향을 미치는지 빠르게 확인할 수 있습니다. 수확 프로세스의 처리량을 통해 전체 시스템은 측정할 수 있으며 개별 스택 동작의 변경을 통해 예상 성능을 충족하는지 평가할 수 있습니다.
사용 사례 : 기대
다양한 산업에서 자율 기술을 계속 채택함에 따라 차량 기반 사용 사례가 증가할 것으로 전망됩니다. 물류 산업에서 상품 운송의 동종 환경은 반복적인 작업을 자동화할 수 있는 기회를 제공합니다. 농업 및 광업 산업의 경우 시스템의 많은 기능 부분이 원활하게 함께 작동하여 최종 작업을 완성해야 하는 다양하고 복잡한 절차가 많이 포함되어 있어 동일 운영 영역에서 다양한 이종 스택 환경이 됩니다.
다중 로봇 시스템의 시뮬레이션 테스트
시뮬레이션을 통해 가능한 각 에이전트 조합의 신뢰성과 안전성을 테스트할 수 있습니다. 서로 다른 유형의 에이전트와 상호 작용하는 동안 스택 유연성을 보장하기 위해 동일한 운영 환경에서 사람이 제어하는 에이전트와 자율 기반 에이전트를 혼합하여 사용할 수 있습니다. 이는 창고 개발 시 사람이 제어하는 에이전트와 자율 기반 에이전트의 올바른 조합을 찾는 경우 유용한 정보를 제공할 수 있습니다. 이 시뮬레이션 환경은 생산 테스트를 위한 다양한 차량 스택의 정확한 비율과 버전을 제공할 수 있습니다.
소프트웨어를 업그레이드하기 전에 차량이 이전 버전의 스택과 잘 상호 작용하는지 확인하기 위해 동일한 스택의 여러 버전이 혼합된 환경에서 차량을 테스트할 수 있습니다. 이러한 각 환경은 시뮬레이션 또는 실제 세계에서 일어난 과거 문제에서 수집된 시뮬레이션 테스트 사례의 표준 세트에서 실행될 수 있습니다. 또한 시뮬레이션을 사용하는 경우 장기적 시뮬레이션을 쉽게 실행할 수 있으며 차량 시스템이 극단적 사례(edge case)에 장기간 매달리지 않도록 할 수 있습니다.
Applied Intuition의 제안
Applied Intuition의 시뮬레이션 플랫폼은 폐쇄된 환경 내 동종 및 이기종 다중 로봇 시스템의 여러 에이전트 테스트를 지원합니다. 플랫폼 내에서 유연한 메트릭을 사용하는 경우 개별 에이전트 수준에서의 성공 기준뿐만 아니라 더 넓은 메트릭에 도달하는 차량의 전반적인 성공 기준을 측정할 수 있습니다. 이러한 메트릭에 대한 회귀 테스트를 통해 시스템을 자신 있게 업데이트하고 배포할 수 있으며 이러한 테스트는 규모가 커짐에 따라 클라우드 내에서 자동화가 가능할 수 있습니다. 다중 로봇 시스템의 시뮬레이션 테스트에 대해 더 자세히 알아보시려면 엔지니어 팀으로 문의하세요!
.webp)
.webp)
