Palletizing Gripper Using Flexible Band
팔레타이징 작업을 위한 로봇 그리퍼 개발
물류 팔레타이징 작업은 여전히 수작업 의존도가 높으며, 물체의 비표준화, 낙하 위험, 무작위 적재 환경 등으로 인해 자동화가 어려운 작업으로 남아 있다. 이러한 환경에서 로봇이 작업을 수행하기 위해서는 다양한 크기·재질·형상의 비정형 물체를 안정적으로 처리할 수 있는 전용 엔드이펙터 기술이 필요하다. 특히 물류 그리퍼는 무작위 적재 환경에서도 유연한 팔레타이징 계획에 대응할 수 있는 구조를 갖추어야 하며, 동시에 무거운 화물을 안정적으로 운반할 수 있는 충분한 파지력을 확보해야 한다. 본 연구에서는 Flexible Band를 이용한 팔레타이징 작업용 로봇 그리퍼를 개발하였다.
Unloading robot
딥러닝 기반 화물 인식 기술 개발
물류 환경의 화물 하차 작업은 화물의 크기·형태·재질이 비표준화되어 있고 컨테이너 내부에 혼재되고 무작위로 적재되는 특성 때문에 여전히 수작업 의존도가 높다. 또한 좁은 작업 공간과 불균일한 조명 환경은 기존 비전 시스템의 인식 성능을 저하시켜 자동화 적용을 어렵게 만든다. 이러한 문제를 해결하기 위해 본 연구는 고자유도 로봇과 지능형 인식 기술을 결합한 자동 화물 하차 로봇 시스템을 개발한다. Vision–LiDAR와 LED 조명 기반 센서를 통해 조명 변화에 강인한 화물 인식을 구현하고, 딥러닝 기반 적재 상태 맵핑과 비정형 화물 인식을 수행한다. 또한 파지면 생성과 작업 계획을 통해 down sweep, side sweep, suction 등 상황에 적합한 핸들링 전략을 선택하여 실제 물류 환경에서 다양한 화물을 안정적으로 처리할 수 있는 로봇 시스템을 구현한다.
Multi-agent path finding on real-time
복수의 모바일 로봇에 대한 동시 이동경로 실시간 생성 알고리즘 연구
특정한 공간에 여러 대의 모바일 로봇이 서로 충돌하지 않고 이동할 수 있는 경로를 생성하는 문제에 대해 연구합니다.
또한 언리얼 엔진을 이용하여, 고급 렌더링 기술이 적용된 다개체 주행 로봇용 시뮬레이션을 개발하였습니다. 본 시뮬레이터는 map editor와 가상환경을 자동 구축하고 알고리즘을 실험할 수 있는 모듈로 구성되며, json으로 된 환경 파일과 테스트할 알고리즘을 구성하여 시험할 수 있습니다.
본 연구를 통해, 2차원 공간과 1차원 시간을 동시에 고려한 그래프 기반의 경로생성 알고리즘을 개발하였고, 이를 더욱 향상시키는 연구를 합니다.
이 방법을 적용하여 경로를 생성하면 언제 어느 위치를 지나가야 하는지, 언제까지 어느 위치에서 멈추어 기다려야 하는지가 모두 경로에 저장될 수 있습니다.
