• Journal of the Korean Society for Precision Engineering
• /
• v.16 no.4 s.97
• /
• pp.189-196
• /
• 1999

환경지도를 갖고 있는 이동로봇은 정확한 경로계획에 의하여 주행하게 된다. 그러나 주행 중 예상하지 못한 장애물을 만나는 경우 새로운 경로정보가 요구된다. 본 논문에서는 부분적인 환경정보를 갖고 있는 이동로봇의 경로계획기법을 제시한다. 경로계획은 전체경로계획과 지역경로계획으로 구분되면 전체환경을 노드와 아크로 표시한 네트워크 모델을 이용하여 수행된다. 경로계획시간과 메모리 부담을 개선하기 위하여 네트워크 분할기법을 이용한 경로계획기법을 제안하였으며 지역경로계획에서는 정보가 변경된 부 네트워크에 대하여 경로계획을 수행하여 계산시간을 적게 소요하며 새로운 경로를 계산한다. 제안한 기법을 자동화 공장에서 주행하는 이동로봇에 적용하였으며 시뮬레이션과 실험을 통하여 제안한 기법의 성능을 보였다.

• Proceedings of the IEEK Conference
• /
• 2009.05a
• /
• pp.366-368
• /
• 2009

본 논문에서는 모바일 로봇이 작업하는 공간상에서 빠르고 안전한 최적 경로계획을 수행할 수 있게 하는 가변적 리드 맵을 이용한 장애물 밀집 정보 기반 경로계획을 제안한다. 모바일 로봇이 작업 공간에 대해서 빠르고 안전한 경로계획을 해 클러스터링 기법을 이용하여 정적 및 동적 장애물의 분포에 대한 맵 정보를 재구성하여 정보화 시킨다. 최적의 경로계획을 위해서는 재구성된 장애물 밀집 클러스터 데이터를 이용하여 전통적 기법의 GA 방법을 변형한 최적 경로계획을 수행한다. 제안한 기술의 효율성을 검증하기 위해 그리드 기반 경로계획 중의 하나인 A*알고리즘과 다양한 맵을 이용하여 성능 비교를 수행하였다. 실험결과 제안한 경로계획 기술은 기존 알고리즘 보다 빠른 처리 성능과 동적 장애물이 밀집한 지역을 회피하는 최적 경로계획을 수행함을 확인하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2015.10a
• /
• pp.1305-1308
• /
• 2015

모바일 로봇의 경로 계획의 경우 주로 위치로 표현되는 2차원 공간 상에서 현재 위치에서 목표 위치까지 모바일 로봇이 도달하도록 경로를 계획한다. 그러나 nonholonomic 구조를 가지는 모바일 로봇의 경우 기구학적 제약에 의해 추종 불가능한 경로가 존재하게 된다. 또한 nonholonomic 모바일 로봇은 진행 방향을 포함한 3차원 공간 상에서의 경로 계획이 이루어져야 한다. 모바일 로봇의 경로 계획 알고리즘으로는 A* 경로 계획 알고리즘이 주로 사용되는데, A* 경로 계획 알고리즘은 경로 계획 시 현재 위치에서부터 노드를 확장시켜 가며 경로를 탐색한다. 이 때 각 노드로부터 목표 위치까지의 비용을 계산하기 위해 heuristic 함수가 사용된다. 기존의 A* 경로 계획 알고리즘의 경우 Euclidean 거리에 기반한 heuristic 함수가 사용되었으나, 이 경우 모바일 로봇의 진행 방향은 고려하지 않아, 로봇의 목표 위치에 도말만 할 뿐 목표 방향으로의 도달은 보장 할 수 없다. 본 논문에서는, A* 경로 계획 알고리즘을 통해 nonholonomic 모바일 로봇이 목표 위치에 목표 방향에 맞추어 도달할 수 있도록 경로 생성이 이루어지는 heuristic 함수를 제안하고, 시뮬레이션을 통해 그 성능을 검증한다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2006.05a
• /
• pp.223-226
• /
• 2006

매니퓰레이션 기술 중에서 경로 계획은 중요한 문제 중의 하나이다. RRT는 경로 계획 알고리즘으로 최근에 제안되었다. RRT는 기존 알고리즘보다 빠르게 장애물을 회피하여 경로를 계획할 수 있다. 기존의 경로 계획 알고리즘은 그 상황에 따라 반복적으로 경로 계획을 하였다. 이러한 점을 개선하기위해 RRT와 인간의 소뇌구조를 모방한 CMAC을 결합한 CMACRRT를 제안한다. CMAC은 RRT가 만들어낸 경로와 그 상황을 기억하여 유사한 상황에서 경로를 다시 사용할 수 있게 해준다. 이렇게해서서 CMAC을 통해 학습된 상황에서 RRT를 사용하지 않고 기존의 경로를 사용할 수 있게 된다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2008.04a
• /
• pp.60-63
• /
• 2008

본 논문에서는 신경망 모델(neural network model)과 유전자 알고리즘(genetic algorithm)을 이용한 실시간 경로 계획(real-time path-planning)과 퍼지 룰(fuzzy rule)을 이용한 효율적인 다중경로계획(multiple path-planning)을 제안한다. 실시간 경로 계획은 빠른 시간 내에 최적 경로의 생성이 반드시 수행되어야 하므로, 본 논문에서는 경로 계획 중 장애물 지역과 비장애물 지역을 빠르게 확인하기 위해 신경망 모델을 이용하여, 이동 방향 및 최적경로 탐색을 위하여 유전자 알고리즘을 이용하였다. 또한 충돌 구역에서의 효율적인 다중 경로 계획을 위해, 퍼지를 이용하여 경로를 재계획 하였다. 퍼지의 경우, 현재 위치에서 목표 지점으로의 방향을 계산하기 위한 퍼지 소속 함수와 현재 위치와 충돌 구역까지의 거리 값을 가중치로 세우고 퍼지 룰을 결정하여 경로계획을 수행하였다. 시뮬레이션을 통해 실험해본 결과, 퍼지 룰을 사용했을 때 사용하지 않았을 때 보다 좋은 성능을 나타남을 확인할 수 있었다.

• Proceedings of the KIEE Conference
• /
• 2007.07a
• /
• pp.312-313
• /
• 2007

본 논문은 자율주행로봇의 경로계획문제를 효율적으로 해결하기 위한 방법을 제안한다. 제안된 방법은 초기경로 생성과정과 초기경로를 개선하는 두 단계의 과정으로 구성된다. 효율적인 경로를 생성하기 위해서 최적화 문제를 해결하는 방법으로 잘 알려진 Dijkstra 알고리즘과 동적계획법(Dynamic Plogramming)을 적용한다. 그리고 제안된 방법의 효율성은 기존에 사용되는 경로계획 방법들과의 비교 시뮬레이션을 통해서 확인한다.

• Proceedings of the Korean Society of Precision Engineering Conference
• /
• 2004.05a
• /
• pp.17-17
• /
• 2004

자율 이동로봇은 현재 각광을 받고 있는 서비스로봇의 연구와 더불어 활발히 연구되고 있다. 그 중 경로계획 부분에 대한 연구는 Roadmap Method, Cell Decomposition, Potential Field Method로 크게 구분하여 연구되고 있다. 그러나 경로계획 기법에 있어서 기존의 정형화된 방법 이외에 다른 방법들이 제시 되지 않고 있다. 기존 경로계측의 문제점들은 다음과 같다. 국부최소(local minimum)를 회피하지 못하거나, 많은 계산량으로 인해 넓은 범위에 적용시킬 수 없다는 문제점, 오프라인으로 경로의 최적성에만 치중하여 실시간으로 적용하기가 쉽지 않으며, 돌발적인 상황에 대처하기 어렵다는 문제점 등을 가지고 있다.(중략)

• Proceedings of the Korea Information Processing Society Conference
• /
• 2022.11a
• /
• pp.75-76
• /
• 2022

현재 산업용 로봇 팔의 경로 계획을 생성할 때, 로봇 팔 경로 계획은 로봇 엔지니어가 수동으로 로봇을 제어하며 최적 경로 계획을 탐색한다. 미래에 고객의 다양한 요구에 따라 공정을 유연하게 변경하는 대량 맞춤 시대에는 기존의 경로 계획 수립 방식은 부적합하다. 심층강화학습 프레임워크는 가상 환경에서 로봇 팔 경로 계획 수립을 학습해 새로운 공정으로 변경될 때, 최적 경로 계획을 자동으로 수립해 로봇 팔에 전달하여 빠르고 유연한 공정 변경을 지원한다. 본 논문에서는 심층강화학습 에이전트를 위한 학습 환경 구축과 인공지능 모델과 학습 환경의 연동을 중심으로, 로봇 팔 경로 계획 수립을 위한 심층강화학습 프레임워크 구조를 설계한다.

• Proceedings of the KIEE Conference
• /
• 2011.07a
• /
• pp.1896-1897
• /
• 2011

본 논문에서는 동적환경의 잠재적 위험 정의와 안전한 전역경로 계획 알고리즘을 제안 하였다. 대부분의 전역경로계획 연구는 시간과 거리의 비용을 최적화 시키는데 집중하고 있다. 하지만 동적환경으로 우리 주변에 많은 위험요소가 작용하고 있다. 본 논문에서 안전한 자율주행을 위한 경로계획방법으로 위험지역에 의해 정의 된 반발력과 S*알고리즘을 이용하여 안전하고 빠른 최적의 경로계획을 이루었다.

• Journal of the Korean Society for Aeronautical & Space Sciences
• /
• v.47 no.5
• /
• pp.379-387
• /
• 2019

The complexity of path planning for visiting multiple mission points is even larger than that of single pair path planning. Deciding a path for visiting n mission points requires conducting $n^2+n$ times of single pair path planning. We propose Multiple Mission $D^*$ Lite($MMD^*L$) which is an optimal path planning algorithm for visiting multiple mission points in dynamic environments. $MMD^*L$ reduces the complexity by reusing the computational data of preceding single pair path planning. Simulation results show that the complexity reduction is significant while its path optimality is not compromised.