AI를 활용한 물류 드론에서의 AI와 하드웨어·소프트웨어 연결 방식

물류 드론은 통상적으로 AI가 직접 모터를 제어하는 것이 아니라, 3층 구조로 이루어져 있다.

역할:

• 모터 회전수 제어 (PWM / DSHOT)
• 자세 안정 제어 (Roll · Pitch · Yaw)
• 고도 유지 · 호버링 (Hovering)

입력:

• 속도 · 가속도 · 자세 목표

출력:

• 모터 제어 신호

👉 이 층은 안전을 위해 AI로부터 직접 제어되지 않는다

역할:

• 센서 데이터 수신 (GPS, IMU, 카메라 등)
• 경로 실행 · 네비게이션 (Navigation)
• 플라이트 컨트롤 (Flight Control)과의 통신
• 태스크 실행 로직 (이륙 → 비행 → 착륙)

👉 AI가 가장 많이 연결되는 층

역할:

• 태스크 이해 (예: "A 창고로 배송")
• 환경 인식 (장애물 · 비행 금지 구역)
• 경로 계획 (Path Planning)
• 이상 시 판단 (회피 · 귀환)
• 다수 기체의 스케줄링

드론에는 다음과 같은 데이터가 존재한다:

• IMU (가속도 · 각속도)
• GPS (위치)
• 기압계 (고도)
• 카메라 이미지
• LiDAR 점군 (Point Cloud)

{
"timestamp": 123456789,
"position": [x, y, z],
...

👉 AI는 이 실시간 상태 스트림을 분석한다

AI는 모터를 직접 제어하지 않고, 상위 수준의 명령을 내린다.

{
"cmd": "goto",
"target": [x, y, z],
...

{
"cmd": "trajectory",
"points": [[x1,y1,z1],[x2,y2,z2]]
...

{
"cmd": "action",
"type": "land"
...

이것들은 기상 제어 시스템에 전달되며, 플라이트 컨트롤러 (Flight Controller)가 물리 제어로 변환한다.

AI는 독립된 존재가 아니라, 다음과 같은 3가지 기능으로 통합된다.

입력:

• 카메라
• LiDAR

출력:

{
"obstacles": [
{"type": "tree", "position": [x,y,z]}
...

👉 장애물 인식 · 환경 이해

입력:

• 현재 상태
• 태스크
• 환경 정보

출력:

{
"next_action": "reroute",
"reason": "obstacle_detected"
...

입력:

• 출발점
• 목적지
• 장애물 맵

출력:

• 3D 경로 점열

센서
↓
기상 컴퓨터
...

• 플라이트 제어: 1~5ms
• AI 처리: 50~500ms

👉 AI가 직접 모터를 제어하지 않는 이유

드론의 상태:

IDLE → TAKEOFF → NAVIGATE → AVOID → DELIVER → LAND → RETURN

AI는 상태를 업데이트할 뿐이다:

{"state": "AVOID"}

• GPS (장기 정밀도)
• IMU (단기 안정성)
• 이미지 (의미 이해)
• LiDAR (구조)

👉 통합하여 안정적인 3D 위치를 생성

• 장애물 검출
• 3D 맵 업데이트
• 경로 재계산
• 새로운 루트 전송

{
"task": "deliver",
"from": "A",
...

{
"path": [
"A", "P1", "P2", "B"
...

플라이트 컨트롤러가 제어:

• 잠금 해제
• 상승 (30m)

장애물 검출 시:

{
"event": "obstacle",
"action": "reroute"
...

{"cmd": "land"}

DELIVER → RETURN_HOME

물류 드론에서의 AI는 모터를 직접 제어하는 것이 아니라,

환경 이해 · 의사 결정 · 경로 생성을 담당하고, 플라이트 컨트롤러가 물리 제어를 담당하는 분업 구조이다.