KR101554515B1

KR101554515B1 - 로봇의 경로계획장치 및 그 방법

Info

Publication number: KR101554515B1
Application number: KR1020090001235A
Authority: KR
Inventors: 임산
Original assignee: 삼성전자 주식회사
Priority date: 2009-01-07
Filing date: 2009-01-07
Publication date: 2015-09-21
Also published as: KR20100081824A; US8666548B2; US20100174435A1

Abstract

로봇의 움직임을 제어하기 위한 경로계획을 생성하는 로봇의 경로계획장치 및 그 방법을 개시한다. 구성 공간에서 제약조건을 만족시키도록 트리를 확장 시 개선된 RRT 알고리즘을 적용함으로써 트리가 급하게 꺾이거나 우회하는 부분이 줄어 들어 간결하고 부드럽고 자연스러운 움직임을 요구하는 로봇에 적용할 수 있다.

경로, 궤적, 모션, 로봇, RRT 알고리즘

Description

로봇의 경로계획장치 및 그 방법{path planning apparatus of robot and method thereof}

본 발명은 로봇의 경로계획장치 및 그 방법에 관한 것으로, 더욱 상세하게는 로봇의 움직임을 제어하기 위한 경로계획 알고리즘을 개선한 로봇의 경로계획장치 및 그 방법에 관한 것이다.

로봇은 어떤 작업이나 조작을 자동으로 수행하는 장치로서, 다양한 분야에서 인간을 대신하거나 보조하는 데 활용된다. 로봇의 종류에는 휴머노이드 로봇, 모바일 로봇, 산업용 로봇, 수술용 로봇 등이 있다.

로봇에 주어진 임무 또는 서비스를 수행하기 위하여 로봇의 동작을 제어하는 것은 중요하다. 로봇의 동작을 다루는 기술은 기본적으로 경로계획(path planning) 알고리즘에 기반을 둔다. 로봇 분야에서 경로 계획이란 용어는 모션계획(motion planning)으로 불리기도 한다.

경로계획 알고리즘에 있어 자유도가 높거나 복잡한 제약조건이 있는 상황에서 RRT(Rapidly-exploring Random Tree) 알고리즘을 일반적으로 사용한다.

기존 RRT 알고리즘은 구성 공간(configuration space; 이하 C-space라 한다)에서 무작위 탐색을 이용하여 자료구조(tree)를 만든다.

도 1에 도시한 바와 같이, 기존 RRT 알고리즘은 구성 공간(C-space)에서 로봇 또는 그 부품의 구성이 하나의 점으로 모델링된 트리(T)로 시각화되며, 초기 구성(q_init)에서 시작하여 최종 구성에 이르기까지 제약조건을 만족하게 하는 경로를 찾는 알고리즘이다. 여기서 트리(T)의 확장(extend)은 구성 공간(C-space)에서 무작위로 샘플링한 구성(q)에서 트리(T)에 속하는 노드들 중 가장 가까운 노드(q_near)를 정하고 그 최근접 노드(q_near)에서 일정거리(d)만큼 떨어진 새로운 노드(q_new)를 선정하는 과정의 반복이다. 이를 자세히 설명한다.

도 2a를 참고하여, 구성 공간(C-space)에서 제약 조건을 만족하지 못하는 공간(K)을 회피하여 초기 구성(q_init)으로부터 최종 구성(G)까지 도달하기 위한 트리 1(T1)을 생성하는 경우에 있어, 샘플링된 구성(q)에서 가장 가까운 노드(q_near)를 찾아서 샘플링한 구성(q)과 최근접 노드(q_near)를 연결하여 트리 1(T1)를 확장한다. 그런 다음, 도 2b에 도시한 바와 같이, 샘플링한 구성(q)과 최근접 노드(q_near)를 연결하여 트리 2(T2)를 확장하고, 마찬가지로 도 2c에서도 샘플링한 구성(q)과 최근접 노드(q_near)를 연결하여 트리 3(T3)을 확장한다. 도 2d에서와 같이 샘플링한 구성과 최근접 노드를 연결하고 그 최근접 노드로부터 일정거리(d)만큼 떨어진 노드를 순차적으로 트리 4(T4)에 포함하여 트리 4(T4)를 확장시켜 나갈 때, 최근접 노 드(q_near')와 샘플링한 구성(q)을 잇는 선상에서 선택되는 것으로서 최근접 노드(q_near')로부터 일정거리(d)만큼 떨어진 새로운 노드(q_new')가 제약조건을 만족하지 않는 공간(K)에 위치하면 샘플링한 구성(q)을 향하여 트리를 확장하는 것을 멈추고 다시 새로운 샘플링을 진행한다. 이와 같이 기존의 RRT 알고리즘은 제약조건을 만족하도록 트리를 확장시키면서 경로를 생성한다.

그러나 기존의 RRT 알고리즘에 따르면 거리만을 고려하여 최근접 노드(q_near)를 선택하여 트리를 확장하였기 때문에 트리의 가지(edge)가 수직에 가가운 형태인 옆으로 뻗치는 경우가 많아 생성된 트리가 지그재그 형태로 되거나 과도하게 우회하게 된다. 이는 로봇의 주행 거리가 길어지거나 급하게 꺾여지는 부분이 많아지는 것을 의미한다.

기존의 RRT 알고리즘은 간결하고 부드러우며 자연스러운 움직임을 요구하는 로봇에 적용하기 위해서는 RRT 알고리즘으로부터 생성되는 경로를 부드럽게 만들기 위한 추가 작업이 필요하다.

본 발명의 일 측면은 로봇이 간결하고 부드러우며 자연스럽게 움직임일 수 있는 로봇의 경로계획장치 및 그 방법을 제시하는데 있다.

이를 위해 본 발명의 실시 예에 따른 로봇의 경로계획장치는, 구성공간에서 임의로 선정된 구성과의 거리 및 각도에 기초하여 트리에 속하는 최근접 노드를 선택하고, 상기 선정된 구성과 선택된 노드 사이를 연결하는 선상에서 새로운 노드를 선택하고, 상기 새로운 노드를 트리에 추가하여 경로 계획을 완성하는 경로계획 생성부와; 상기 경로계획에 따라 로봇의 움직임을 제어하는 로봇 제어부;를 포함하되, 상기 경로계획 생성부는 상기 트리에 속하는 노드 중 상기 거리 및 각도의 함수들의 가중치의 합이 최소인 어느 하나를 최근접 노드로 선정하고, 샘플링한 구성과 거리 및 각도의 관계에 따라 트리를 확장시켜 나갈 새로운 노드를 선정한다.

삭제

상기 경로계획 생성부는 다음 식에 따라 최근접 노드를 선정한다.

q_near =

여기서 Node(i)는 트리에 속하는 i번째 노드, Tree는 현재 만들어진 트리, Sample은 무작위로 샘플링한 구성(q),｜Node(i)-Sample｜은 i번째 노드(Node(i))와 샘플링한 구성(q)의 거리, W_i는 거리 가중치, (1-W_i)는 각도관련 가중치, Angle(Node, Sample, Tree)는 Tree와 Node와 Sample 사이를 연결한 가지(edge)가 이루는 각도를 정의한 함수, f(Angle)은 각도(Angle)에 관련된 함수이다.

다른 실시예에 따른 로봇의 경로계획장치는 구성공간에서 임의로 선정된 구성과의 거리 및 각도에 기초하여 트리에 속하는 최근접 노드를 선택하고, 상기 선정된 구성과 선택된 노드 사이를 연결하는 선상에서 새로운 노드를 선택하고, 상기 새로운 노드를 트리에 추가하여 경로 계획을 완성하는 경로계획 생성부와; 상기 경로계획에 따라 로봇의 움직임을 제어하는 로봇 제어부;를 포함하되,상기 경로계획 생성부는 상기 트리에 속하는 노드 중 상기 거리 및 각도의 함수들의 곱이 최소인 어느 하나를 최근접 노드로 선정하고, 샘플링한 구성과 거리 및 각도의 관계에 따라 트리를 확장시켜 나갈 새로운 노드를 선정한다.

q_near =

여기서 Node(i)는 트리에 속하는 i번째 노드, Tree는 현재 만들어진 트리, Sample은 무작위로 샘플링한 구성(q),｜Node(i)-Sample｜은 i번째 노드(Node(i))와 샘플링한 구성(q)의 거리, Angle(Node, Sample, Tree)는 Tree와 Node와 Sample 사이를 연결한 가지(edge)가 이루는 각도를 정의한 함수, f(Angle)은 각도(Angle)에 관련된 함수이다.

상기 각도 관련함수는 원하는 각도에서 최소값을 갖고 이 원하는 각도에서 멀어질수록 증가한다.

이를 위해 본 발명의 실시 예에 따른 로봇의 경로계획방법은, 구성공간에서 임의로 선정된 구성과의 거리 및 각도에 기초하여 트리에 속하는 최근접 노드를 선택하고, 상기 선정된 구성과 선택된 노드 사이를 연결하는 선상에서 새로운 노드를 선택하고, 상기 새로운 노드를 트리에 추가하여 경로계획을 완성하며; 상기 경로계획에 따라 로봇의 움직임을 제어하는 것;을 특징으로 하되, 상기 경로계획을 완성하는 것은, 상기 트리에 속하는 노드 중 상기 거리 및 각도의 함수들의 가중치의 합이 최소인 어느 하나를 최근접 노드로 선정하는 것과, 샘플링한 구성과 거리 및 각도의 관계에 따라 트리를 확장시켜 나갈 새로운 노드를 선정하는 것을 포함한다.

삭제

다른 실시예에 따른 로봇의 경로계획방법은 구성공간에서 임의로 선정된 구성과의 거리 및 각도에 기초하여 트리에 속하는 최근접 노드를 선택하고, 상기 선정된 구성과 선택된 노드 사이를 연결하는 선상에서 새로운 노드를 선택하고, 상기 새로운 노드를 트리에 추가하여 경로계획을 완성하며; 상기 경로계획에 따라 로봇의 움직임을 제어하는 것;을 특징으로 하되, 상기 경로계획을 완성하는 것은, 상기 트리에 속하는 노드 중 거리 및 각도의 함수들의 곱이 최소인 어느 하나를 최근접 노드로 선정하는 것과, 샘플링한 구성과 거리 및 각도의 관계에 따라 트리를 확장시켜 나갈 새로운 노드를 선정하는 것을 포함한다.

삭제

상기 각도는 상기 트리에 속한 어느 한 노드에서 상기 샘플링한 노드까지의 벡터와 상기 어느 한 노드의 부모 노드에서 상기 어느 한 노드까지의 벡터가 이루는 각도이다.

이와 같은 본 발명은 생성된 트리가 급하게 꺾이거나 우회되는 부분을 완화시킬 수 있어 간결하고 부드러우며 자연스런 움직임을 요구하는 로봇에 적용할 수 있다.

이하에서는 본 발명에 따른 실시 예를 첨부된 도면을 참조하여 상세히 설명한다.

도 3은 본 발명의 일 실시예에 따른 로봇의 경로계획장치의 블록도이다.

유저인터페이스부(10)는 사람과 로봇 사이에 대화하기 위한 인터페이스를 제공하는 것으로, 조작 스위치 뿐만 아니라 음성으로 명령할 수 있다.

경로계획 생성부(20)는 유저인터페이스부(10)에서 제공되는 유저의 명령에 따라 로봇의 동작을 제어하기 위한 경로계획을 생성하고 로봇 제어부(40)에 제공한다. 여기서 센서부(30)가 로봇의 주변 환경을 인식하여 획득한 센서 정보를 경로계획 생성부(20)에 제공하며, 이 센서 정보는 경로계획 생성부(20)가 경로계획을 생성하는데 바탕이 될 수 있다.

로봇 제어부(40)는 제공받은 경로계획에 따라 구동부(50)를 제어하여 로봇에 장착된 엑츄에이터, 모터 등의 부품을 구동시킴으로서 로봇의 움직임을 제어한다.

본 발명의 일 실시예에 따르면 경로계획 생성부(20)가 개선된 RRT 알고리즘을 적용하여 트리를 생성한다.

도 4를 참고하여, 구성 공간(C-space)에서 트리 5(T5)가 제약 조건을 만족하지 못하는 공간(K)을 회피하여 확장되어야 한다. 이때 트리 5(T5)를 확장하는 방법에 있어 무작위 탐색하는 것은 기존과 동일하다. 다만 개선된 RRT 알고리즘에서는 무작위로 샘플링한 구성(q)이 있을 때 기존의 RRT 알고리즘에서와 다른 방법으로 최근접 노드를 선정한다.

기존 RRT 알고리즘에 따르면, 무작위로 샘플링한 구성(q)에서 가장 가까운 노드 1(q_n1)를 최근접 노드(q_near)로 선정한다. 이를 일반화하여 식 1로 나타낸다.

식1

q_near =

여기서 Node(i)는 트리에 속하는 i번째 노드, Tree는 현재까지 만들어진 트리, Sample은 무작위로 샘플링한 구성(q),｜Node(i)-Sample｜은 트리(Tree)에 속하는 i번째 노드(Node(i))와 샘플링한 구성(q)의 거리이다.

본 발명의 일 실시예에 적용하는 개선된 RRT 알고리즘에 따르면 무작위로 샘플링된 구성(q)에 대하여 거리와 각도를 고려하여 노드 2(q_n2)를 최근접 노드로 선정하며, 샘플링한 구성(q)과 노드(q_n2) 사이를 연결한 선분(e)상에서 새로운 노드를 선정한다. 이를 자세하게 설명한다.

도 5는 본 발명의 일 실시예에 따른 개선된 RRT 알고리즘에서 거리와 각도를 고려하여 트리를 만드는 과정을 시각화한 도면이다.

도 5에 도시한 바와 같이, 구성 공간(C-space)에서 트리 6(T6)는 초기 구성(q_init)과 하나의 노드 1(q_n1)와 다른 노드 2(q_n2)를 포함한다. 노드 1(q_n1)이 초기 구성(q_init)에 직접 연결되고, 노드 2(q_n2)는 노드 1(q_n1)을 통하여 초기 구성(q_init)에 연결된다. 여기서 6(T6)의 확장을 위해 샘플링한 구성(q)에 대응하는 최근접 노드(q_near)는 현재까지 만든 트리 6(T6)에 속하는 노드 1(q_n1)과 노드 2(q_n2) 중 어느 하나가 적합한지 비교한다. 즉, 대상 노드와 샘플링한 노드의 거리와, 대상 노드에서 샘플링한 노드로 향하는 벡터와 대상 노드의 부모 노드에서 대상 노드로 향하는 벡터가 이루는 각도를 총괄적으로 고려하여 선정한다.

노드 1(q_n1)과 샘플링한 노드(q)의 거리(d1), 노드 2(q_n2)와 샘플링한 노드(q)의 거리(d2), 노드 1(q_n1)에서 샘플링한 노드(q)까지의 벡터(e₁)와 노드 1(q_n1)의 부모 노드(q_init)에서 노드 1(q_n1)까지의 벡터(e₁₁)가 이루는 각도(a₁), 노드 2(q_n2)에서 샘플링한 노드(q)까지의 벡터(e₂)와 노드 2(q_n2)의 부모 노드(q_n1)에서 노드 2(q_n2)까지의 벡터(e₁₂)가 이루는 각도(a₂)를 고려한다. 이 중 거리가 짧고 각도가 작은 노드를 선정하게 된다. 여기서 거리 항목과 각도관련 항목에 대하여 각각 원하는 가중치를 다르게 적용할 수 있다.

이를 일반화하여 식 2로 나타낸다.

식 2

q_near =

여기서 Node(i)는 트리에 속하는 i번째 노드, Tree는 현재 만들어진 트리, Sample은 무작위로 샘플링한 구성(q),｜Node(i)-Sample｜은 i번째 노드(Node(i))와 샘플링한 구성(q)의 거리, W_i는 거리 가중치, (1-W_i)는 각도관련 가중치, Angle(Node, Sample, Tree)는 Tree와 Node와 Sample 사이를 연결한 가지(edge)가 이루는 각도를 정의한 함수, f(Angle)은 각도(Angle)에 관련된 함수이다. f(Angle)은 정의하는 방식에 따라 목적함수를 최소화하는 각도가 달라지므로 트리의 구조와 모양이 결정된다.

앞서 설명한 식 2에서는 트리에 속하는 대상 노드들 중 거리 항목과 각도관련 항목을 더한 값이 적은 노드가 최근접 노드로 선정된다.

본 발명의 다른 실시예에 따르면 거리 항목과 각도관련 항목을 곱하고 그 결과가 적은 노드를 최근접 노드로 선정하며, 이를 일반화하여 식 3으로 나타낸다.

식 3

q_near =

식2와 식3에서 각도 관련 함수 f(Angle)에 따라 최근접 노드를 선정하기 위한 다양한 실시예가 구현된다.

예를 들어 도 6에 도시한 바와 같이, 각도 관련함수 f(x)는 상수(a) 보다 크 고 각도(x)에 대해 증가하는 커브로 다음과 같이 정의할 수 있다.

f(x) = -cosx + a

도 7a 내지 도 7c를 참고하면, 트리(A1, A2, A3)가 기존 RRT 알고리즘을 적용한 경우이고 트리(I1, I2, I3)는 본 발명의 개선된 RRT 알고리즘을 적용한 경우이다. 여기서 도면에 원은 제약조건을 만족하지 않는 영역이고, 굵게 표시한 점과 선은 최종적으로 채택된 노드와 경로를 나타내며, 숫자는 초기 구성에서 최종 구성까지의 총거리이다. 기존에 따른 트리(A1, A2, A3)에 대비하여 동일한 제약조건에서 만든 본 발명에 따른 트리(I1, I2, I3)는 경로가 짧고 급하게 꺾이는 부분이 현저하게 줄어든 것을 알 수 있다.

도 8은 본 발명에 따른 로봇의 경로계획 방법을 나타낸 흐름도이다.

유저인터페이스부(10)에서 로봇에게 주어진 임무나 서비스를 수행하도록 경로계획을 생성하게 하는 유저 명령을 경로계획 생성부(20)에 제공한다. 경로계획 생성부(20)는 유저 명령과 센서부(30)로부터 제공받는 센서 정보에 기초하여 구성 공간(C-space)에서 초기 구성(q_init)과 최종 구성(G) 및 제약조건을 각각 설정하여 트리를 처음 만든다(100).

그런 다음 무작위로 샘플링한 구성(q)과 트리에 속하는 노드에 의해 정의되는 거리 및 각도에 따라 최근접 노드(q_near)를 선정한다(102). 여기서 최근접 노드를 선정하는 방법은 식 2와 식 3을 적용할 수 있지만, 이에 한정하는 것은 아니며 거리 항목과 각도관련 항목을 고려하는 다양한 방법을 적용할 수 있음은 물론이다.

최근접 노드가 선정되면 샘플링한 구성(q)와 최근접 노드 사이를 선으로 연결하고, 그 선상에서 일정 거리를 만족하는 새로운 노드(q_new)를 선정하여 트리를 확장한다(104). 여기서 트리가 구성공간에서 제약조건을 만족하지 않는 공간(K)을 회피하면서 확장된다.

상기와 같이 트리를 확장하고 최종 구성(G)에 이르기까지 트리 확장을 반복하여 경로 계획을 완성한다(106). 이후 로봇 제어부(40)가 생성된 경로계획에 따라 구동부(50)를 제어하여 로봇의 움직임을 제어한다.

본 발명에 따른 개선된 RRT 알고리즘이 모바일 로봇에 적용되면 로봇의 주행거리가 짧아지고 부드러운 움직임을 구현할 수 있다. 또 본 발명에 따른 개선된 RRT 알고리즘이 매니퓰레이션의 모션 계획에 적용되면 간결하고 부드러운 모션을 구현할 수 있다. 또 본 발명에 따른 개선된 RRT 알고리즘이 휴머노이드 로봇이나 애니메이션의 캐릭터 동작을 생성하는데 적용되면 부드럽고 자연스러운 움직임을 만들 수 있다.

도 1은 기존 RRT 알고리즘을 이용하여 만든 트리를 시각화한 도면이다.

도 2a 내지 도 2d는 기존 RRT 알고리즘에 따라 트리를 만드는 과정을 시각화한 도면이다.

도 4는 본 발명의 일 실시예에 따른 개선된 RRT 알고리즘을 이용하여 만든 트리를 시각화한 도면이다.

도 6은 본 발명의 일 실시예에 따른 각도 관련함수를 나타낸 그래프이다.

도 7a 내지 도 7c는 본 발명에 적용한 개선된 RRT 알고리즘과 기존 RRT 알고리즘으로 모의 시험하여 만든 각각의 트리를 나타낸 도면이다.

도 8은 본 발명에 따른 로봇의 경로계획 방법을 설명하기 위한 흐름도이다.

*도면의 주요부분에 대한 부호 설명*

10 : 유저 인터페이스부

20 : 경로계획 생성부

30 : 센서부

40 : 로봇 제어부

50 : 구동부

Claims

구성공간에서 임의로 선정된 구성과의 거리 및 각도에 기초하여 트리에 속하는 최근접 노드를 선택하고, 상기 선정된 구성과 선택된 노드 사이를 연결하는 선상에서 새로운 노드를 선택하고, 상기 새로운 노드를 트리에 추가하여 경로 계획을 완성하는 경로계획 생성부와;

상기 경로계획에 따라 로봇의 움직임을 제어하는 로봇 제어부;를 포함하되,

상기 경로계획 생성부는 상기 트리에 속하는 노드 중 상기 거리 및 각도의 함수들의 가중치의 합이 최소인 어느 하나를 최근접 노드로 선정하고, 샘플링한 구성과 거리 및 각도의 관계에 따라 트리를 확장시켜 나갈 새로운 노드를 선정하는 로봇의 경로계획장치.
삭제
삭제
제1항에 있어서,

상기 경로계획 생성부는 다음 식에 따라 최근접 노드를 선정하는 로봇의 경로계획장치.

q_near =

여기서 Node(i)는 트리에 속하는 i번째 노드, Tree는 현재 만들어진 트리, Sample은 무작위로 샘플링한 구성(q),｜Node(i)-Sample｜은 i번째 노드(Node(i))와 샘플링한 구성(q)의 거리, W_i는 거리 가중치, (1-W_i)는 각도관련 가중치, Angle(Node, Sample, Tree)는 Tree와 Node와 Sample 사이를 연결한 가지(edge)가 이루는 각도를 정의한 함수, f(Angle)은 각도(Angle)에 관련된 함수이다.
구성공간에서 임의로 선정된 구성과의 거리 및 각도에 기초하여 트리에 속하는 최근접 노드를 선택하고, 상기 선정된 구성과 선택된 노드 사이를 연결하는 선상에서 새로운 노드를 선택하고, 상기 새로운 노드를 트리에 추가하여 경로 계획을 완성하는 경로계획 생성부와;

상기 경로계획에 따라 로봇의 움직임을 제어하는 로봇 제어부;를 포함하되,

상기 경로계획 생성부는 상기 트리에 속하는 노드 중 상기 거리 및 각도의 함수들의 곱이 최소인 어느 하나를 최근접 노드로 선정하고, 샘플링한 구성과 거리 및 각도의 관계에 따라 트리를 확장시켜 나갈 새로운 노드를 선정하는 로봇의 경로계획장치.
제5항에 있어서,

상기 경로계획 생성부는 다음 식에 따라 최근접 노드를 선정하는 로봇의 경로계획장치.

q_near =

여기서 Node(i)는 트리에 속하는 i번째 노드, Tree는 현재 만들어진 트리, Sample은 무작위로 샘플링한 구성(q),｜Node(i)-Sample｜은 i번째 노드(Node(i))와 샘플링한 구성(q)의 거리, Angle(Node, Sample, Tree)는 Tree와 Node와 Sample 사이를 연결한 가지(edge)가 이루는 각도를 정의한 함수, f(Angle)은 각도(Angle)에 관련된 함수이다.
제4항 또는 제6항에 있어서,

상기 각도 관련함수는 원하는 각도에서 최소값을 갖고 이 원하는 각도에서 멀어질수록 증가하는 로봇의 경로계획장치.
구성공간에서 임의로 선정된 구성과의 거리 및 각도에 기초하여 트리에 속하는 최근접 노드를 선택하고, 상기 선정된 구성과 선택된 노드 사이를 연결하는 선상에서 새로운 노드를 선택하고, 상기 새로운 노드를 트리에 추가하여 경로계획을 완성하며;

상기 경로계획에 따라 로봇의 움직임을 제어하는 것;을 특징으로 하되,

상기 경로계획을 완성하는 것은, 상기 트리에 속하는 노드 중 상기 거리 및 각도의 함수들의 가중치의 합이 최소인 어느 하나를 최근접 노드로 선정하는 것과, 샘플링한 구성과 거리 및 각도의 관계에 따라 트리를 확장시켜 나갈 새로운 노드를 선정하는 것을 포함하는 로봇의 경로계획방법.
삭제
삭제
구성공간에서 임의로 선정된 구성과의 거리 및 각도에 기초하여 트리에 속하는 최근접 노드를 선택하고, 상기 선정된 구성과 선택된 노드 사이를 연결하는 선상에서 새로운 노드를 선택하고, 상기 새로운 노드를 트리에 추가하여 경로계획을 완성하며;

상기 경로계획에 따라 로봇의 움직임을 제어하는 것;을 특징으로 하되,

상기 경로계획을 완성하는 것은,

상기 트리에 속하는 노드 중 거리 및 각도의 함수들의 곱이 최소인 어느 하나를 최근접 노드로 선정하는 것과, 샘플링한 구성과 거리 및 각도의 관계에 따라 트리를 확장시켜 나갈 새로운 노드를 선정하는 것을 포함하는 로봇의 경로계획방법.
제8항 또는 제11항에 있어서,

상기 각도는 상기 트리에 속한 어느 한 노드에서 상기 샘플링한 구성까지의 벡터와 상기 어느 한 노드의 부모 노드에서 상기 어느 한 노드까지의 벡터가 이루는 각도인 로봇의 경로계획방법.