Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
본 논문은 LiDAR나 GPS 같은 추가 센서 없이도 저가형 무인 지상 차량(UGV)이 라인을 잃었을 때 자체적으로 경로를 복구하는 경량의 2단계 접근 방식을 제시합니다. 이 시스템은 색상 확인과 단안 시각 오도메트리를 결합하여, 실용적인 비용 및 컴퓨팅 한계 내에서 신뢰성 높은 자율 주행 기능을 구현할 수 있음을 입증했습니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv Codex (cs.SE)의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기저가형 무인 지상 차량(UGV)은 창고, 검사 통로, 농장 열과 같이 바닥에 페인트 라인이 그려진 실내 공간에서 자주 사용됩니다. 라인 추적은 하나의 카메라와 적은 컴퓨팅 파워만 필요하기 때문에 유용하지만, 라인이 가려지거나 급격히 꺾여 시야에서 벗어날 경우 실패할 수 있습니다. 센서가 풍부한 플랫폼(LiDAR, GPS, 다중 카메라)은 하드웨어 중복성으로 이를 견디지만, 카메라 전용 시스템은 추가적인 인프라 없이 런타임에 복구해야 합니다. 본 논문은 LiDAR, GPS 또는 GPU 없이 가이드라인 추적을 복원하는 경량의 2단계 복구 접근 방식을 제시합니다. 라인을 잃었을 때, 로봇은 먼저 제자리에서 회전하며 색상 확인(color checks)을 서서히 완화하고 여러 프레임에 걸쳐 확인을 기다립니다 (1단계). 여전히 라인을 찾지 못하면, 단안 시각 오도메트리(monocular visual odometry)가 로봇을 저장된 브레드크럼 위치로 되돌린 후 다시 시도합니다 (2단계). 이 시스템은 깊이 게이팅 HSV 라인 추적기, YOLOv8n 장애물 감지기, 그리고 시각 오도메트리 브레드크럼 매퍼를 사용하며, CPU 전용 하드웨어에서 20 Hz로 작동합니다. 컨트롤러는 외부 적응 관리자 없이 단일 50ms 제어 틱 내에 완전한 MAPE-K 루프를 임베딩합니다. 이 접근 방식은 세 개의 Webots 시뮬레이션 코스에서 119개의 결함 주입 에피소드를 통해 평가되었습니다. 해당 방법은 86.6%의 경우에 성공했으며, 중앙값 복구 시간은 3.26초였습니다. 이러한 결과는 실용적인 비용 및 컴퓨팅 한계 내에서 카메라 전용 UGV로 신뢰할 수 있는 시각적 복구가 가능하다는 것을 입증합니다.