KR101667030B1 - 로봇의 경로 계획 장치 및 그 방법 - Google Patents

로봇의 경로 계획 장치 및 그 방법 Download PDF

Info

Publication number
KR101667030B1
KR101667030B1 KR1020090073153A KR20090073153A KR101667030B1 KR 101667030 B1 KR101667030 B1 KR 101667030B1 KR 1020090073153 A KR1020090073153 A KR 1020090073153A KR 20090073153 A KR20090073153 A KR 20090073153A KR 101667030 B1 KR101667030 B1 KR 101667030B1
Authority
KR
South Korea
Prior art keywords
point
target
tree
obstacle
node
Prior art date
Application number
KR1020090073153A
Other languages
English (en)
Other versions
KR20110015764A (ko
Inventor
김명희
노경식
임산
임복만
곽천슈
Original Assignee
삼성전자 주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 삼성전자 주식회사 filed Critical 삼성전자 주식회사
Priority to KR1020090073153A priority Critical patent/KR101667030B1/ko
Priority to US12/805,514 priority patent/US9044862B2/en
Publication of KR20110015764A publication Critical patent/KR20110015764A/ko
Application granted granted Critical
Publication of KR101667030B1 publication Critical patent/KR101667030B1/ko

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J13/00—Controls for manipulators
    • B25J13/08—Controls for manipulators by means of sensing devices, e.g. viewing or touching devices
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
    • B25J9/1664—Programme controls characterised by programming, planning systems for manipulators characterised by motion, path, trajectory planning
    • B25J9/1666—Avoiding collision or forbidden zones
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/10—Programme-controlled manipulators characterised by positioning means for manipulator elements
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/40—Robotics, robotics mapping to robotics vision
    • G05B2219/40264—Human like, type robot arm

Landscapes

  • Engineering & Computer Science (AREA)
  • Robotics (AREA)
  • Mechanical Engineering (AREA)
  • Human Computer Interaction (AREA)
  • Manipulator (AREA)

Abstract

본 발명은 로봇의 머니퓰레이터가 초기 시작점에서부터 최종 목표점까지 이동하기 위한 최적의 경로를 계획하는 로봇의 경로 계획 장치 및 그 방법에 관한 것이다.
이를 위해 본 발명은 초기 시작점과 최종 목표점을 잇는 직선에서 일정한 각도 내에 있는 장애물들을 중간점으로 인식하여 중간점에서 일정 거리 떨어진 임의의 점들을 선택하고, 선택된 임의의 점들 중에서 장애물을 거치지 않고 시작점과 목표점을 바로 연결할 수 있는 임의의 점을 경유점으로 선택하여 새로운 중간 노드로 맵핑하고, 중간 노드 점을 경유하여 경로를 확장하여 Goal Function에 크게 의존하지 않아도 트리가 잘못된 방향으로 확장되는 것을 최소화하여 Local Minima에 빠지지 않도록 하며, 이를 통해 경로 계획의 성능을 개선하여 빠른 시간 내에 경로를 찾을 수 있게 된다.

Description

로봇의 경로 계획 장치 및 그 방법{PATH PLANNING APPARATUS OF ROBOT AND METHOD THEREOF}
본 발명은 로봇의 경로 계획 장치 및 그 방법에 관한 것으로, 더욱 상세하게는 로봇의 머니퓰레이터가 시작점에서부터 목표점까지 이동하기 위한 최적의 경로를 계획하는 로봇의 경로 계획 장치 및 그 방법에 관한 것이다.
일반적으로, 전기적 또는 자기적인 작용을 이용하여 인간의 동작과 닮은 운동을 행하는 기계장치를 로봇이라고 한다. 초기의 로봇은 생산 현장에서의 작업 자동화ㆍ무인화 등을 목적으로 한 머니퓰레이터나 반송 로봇 등의 산업용 로봇으로 인간을 대신하여 위험한 작업이나 단순한 반복 작업, 큰 힘을 필요로 하는 작업을 수행하였으나, 최근에는 인간과 유사한 관절체계를 가지고 인간의 작업 및 생활 공간에서 인간과 공존하며 다양한 서비스를 제공하는 인간형 로봇(humanoid robot)의 연구 개발이 활발하게 진행되고 있다.
이러한 인간형 로봇은 전기적ㆍ기계적 메카니즘에 의해서 팔이나 손의 동작에 가깝게 운동할 수 있도록 만들어진 머니퓰레이터(manipulator)를 이용하여 작업을 수행한다. 현재 사용되고 있는 대부분의 머니퓰레이터는 여러 개의 링크(link) 들이 서로 연결되어 구성된다. 각 링크들의 연결 부위를 관절(joint)이라 하는데 머니퓰레이터는 이러한 링크와 관절들 사이의 기하학적인 관계에 따라 운동 특성이 결정된다. 이 기하학적인 관계를 수학적으로 표현한 것이 기구학(Kinematics)이며 대부분의 머니퓰레이터는 이러한 기구학적 특성(kinematics characteristic)을 가지고 작업을 수행하기 위한 방향(목표점)으로 로봇 선단(end-effector;이하 엔드 이펙터라 한다)을 이동시킨다.
머니퓰레이터가 주어진 작업(예를 들어, 물체를 잡는 작업)을 수행하기 위해서는 머니퓰레이터가 작업을 수행하기 전의 초기 위치(시작점)에서부터 작업을 수행할 수 있는 즉, 물체를 잡을 수 있는 최종 위치(목표점)까지 머니퓰레이터의 이동 경로를 생성하는 것이 중요하다. 이는 머니퓰레이터가 시작점에서 목표점까지 작업 영역 내의 장애물과 충돌하지 않고 이동할 수 있는 경로를 알고리즘에 의해 자동 생성하는 것으로, 장애물과의 충돌을 일으키지 않는 자유 공간을 찾는 과정과, 자유 공간에서 머니퓰레이터의 이동 경로를 계획하는 과정으로 나누어 볼 수 있다. 본 발명의 실시예는 장애물 회피 등의 제약 조건을 만족하면서 주어진 시작점과 목표점을 연결하는 최적 경로를 계획하는 경로 계획 방법 중 샘플에 근거한 경로계획(Sampling Based Path Planning) 알고리즘에 있어서 자유도가 높거나 복잡한 제약 조건이 있는 상황에서 RRT(Rapidly-exploring Random Tree) 알고리즘을 사용하는 방법에 대하여 기술하기로 한다.
RRT 알고리즘은 머니퓰레이터가 작업을 수행하는 형상 공간(Configuration Space;C-Space)에서 무작위로 샘플링한 형상을 이용하여 초기 시작점에서부터 가장 가까운 노드를 선택하는 과정을 반복하여 트리(tree)를 확장해 나가면서 최종 목표점까지 이동 경로를 찾는 방법이다. 이 경우 가장 가까운 노드(Node)를 선택하는 방법은 크게 2가지로 나눌 수 있는데 한가지는 최종 목표점의 Goal Configuration의 정보를 모두 아는 상태에서 목표점의 노드와 현재의 노드의 차이를 이용하는 방법과, 최종 목표점의 Goal Configuration의 정보를 알거나 혹은 모르는 상태에서, 현재의 엔드 이펙터에서 목표점의 엔드 이펙터까지의 거리와 방향 벡터의 함수로 Goal Function을 만들어 Goal Function이 가장 작은 노드를 선택하여 트리를 확장해 나가는 방법이 있다.
종래의 RRT 알고리즘 중 골 형상을 모두 알지 못하는 경우, Goal Function을 이용하는 RRT 알고리즘이 제안되었으나, Goal Function에 크게 의존하는 경우, Goal Function이 정확히 정해지지 않았으면 Local Minima에 빠져 해(Solution)를 찾지 못하게 되고, Local Minima에 빠졌을 경우 Goal Function을 변화시켜 Local Minima에서 빠져 나오도록 하고 있으나 Local Minima을 인지하기 전까지는 잘못된 방향으로 트리가 확장되기 때문에 해(Solution)를 찾는 속도가 그만큼 느려져 경로를 찾는데 많은 시간이 소요된다.
본 발명은 Goal Score에 크게 의존하지 않아도 트리가 잘못된 방향으로 확장되는 것을 최소화함으로써 경로 계획의 성능을 개선한 로봇의 경로 계획 장치 및 그 방법을 제시하고자 한다.
이를 위해 본 발명의 실시예에 의한 로봇의 경로 계획 장치는, 머니퓰레이터의 이동 경로를 생성하기 위한 형상 공간을 형성하고; 상기 형상 공간의 시작점과 목표점 사이에 장애물이 있는 경우, 상기 장애물을 중간점으로 인식하여 새로운 경유점을 선정하고; 상기 시작점에서 생성된 노드가 상기 경유점을 경유하여 상기 목표점에 도달하도록 트리를 확장하여 탐색 그래프를 생성하고; 상기 탐색 그래프를 통해 상기 시작점과 목표점을 연결하여 상기 장애물을 회피하는 최적 경로를 생성하는 것을 특징으로 한다.
상기 시작점은 상기 머니퓰레이터가 작업을 수행하기 전 초기 위치에서의 형상을 상기 형상 공간상에 형성한 노드인 것을 특징으로 한다.
상기 목표점은 상기 머니퓰레이터가 작업을 수행하기 위한 목표 위치에서의 형상을 상기 형상 공간상에 형성한 노드이거나, 역기구학의 해가 존재하지 않는 경우, 목표점의 Position과 Orientation의 정보를 가지고 있는 점인 것을 특징으로 한다.
상기 중간점은 상기 시작점과 상기 목표점을 잇는 직선에서 일정한 각도 내에 있는 장애물인 것을 특징으로 한다.
상기 경유점을 선정하는 것은, 상기 중간점에서 일정 거리 떨어진 임의의 점들을 선택하여 상기 임의의 점들을 상기 시작점과 목표점에 각각 연결하고, 그 사이에 다른 장애물이 존재하지 않는 임의의 점들을 상기 경유점으로 선정하는 것을 특징으로 한다.
상기 경유점을 선정하는 것은, 상기 시작점에서 무작위로 샘플링한 형상에서 가장 가까운 경유점을 거쳐야 하는 목표 경유점으로 선정하는 것을 특징으로 한다.
상기 트리를 확장하는 것은, 상기 시작점에서 무작위로 샘플링한 형상에서 확률에 따라 변화된 Goal Function에 의거한 가장 가까운 노드를 찾아서 상기 샘플링한 형상과 최근접 노드를 연결하여 트리를 확장하는 것을 특징으로 한다.
그리고, 본 발명의 실시예에 의한 로봇의 경로 계획 방법은, 머니퓰레이터의 초기 형상과 목표 형상에 각각 해당하는 시작점과 목표점을 인식하고; 상기 시작점과 목표점 사이에 장애물이 있는 경우, 상기 장애물을 중간점으로 인식하여 새로운 경유점을 맵핑하고; 형상 공간에서 임의의 한 점을 무작위로 샘플링하여 가장 가까운 노드를 찾아 상기 샘플링한 임의의 점과 상기 노드를 연결하고; 상기 노드가 상기 경유점을 경유하여 상기 목표점에 도달하도록 트리를 확장하여 탐색 그래프를 생성하고; 상기 탐색 그래프를 통해 상기 시작점과 목표점을 연결하여 상기 장애물을 회피하는 최적 경로를 생성하는 것을 특징으로 한다.
또한, 본 발명의 실시예에 의한 로봇의 경로 계획 방법은, 상기 맵핑 시 Goal Function을 고려하여 중간점을 선정하는 것을 특징으로 한다.
상기 경유점을 선정하는 것은, 상기 시작점에서 무작위로 샘플링한 형상에서 가장 가까운 경유점을 거쳐야 하는 목표 경유점으로 선정하여 상기 트리를 확장해 나가는 것을 특징으로 한다.
그리고, 본 발명의 실시예에 의한 로봇의 경로 계획 장치는, 머니퓰레이터의 초기 형상과 목표 형상에 각각 해당하는 시작점과 목표점, 상기 시작점과 목표점 사이의 장애물을 인식하는 인식부; 상기 머니퓰레이터의 이동 경로를 생성하기 위한 형상 공간을 형성하고, 상기 형상 공간을 바탕으로 상기 장애물을 중간점으로 하는 새로운 경유점을 선정하고, 상기 경유점을 이용하여 상기 시작점과 목표점을 연결하는 최적 경로를 생성하는 경로 계획 생성부를 포함한다.
상기 경로 계획 생성부는 상기 중간점에서 일정 거리 떨어진 임의의 점들을 선택하여 상기 임의의 점들을 상기 시작점과 목표점에 각각 연결하고, 그 사이에 다른 장애물이 존재하지 않는 임의의 점들을 상기 경유점으로 선정하는 것을 특징으로 한다.
상기 경로 계획 생성부는 상기 형상 공간에서 임의의 한 점을 무작위로 샘플링하여 가장 가까운 노드를 찾아 상기 샘플링한 임의의 점과 상기 노드를 연결하고, 상기 노드가 상기 경유점을 경유하여 상기 목표점에 도달하도록 트리를 확장하여 탐색 그래프를 생성하는 것을 특징으로 한다.
상기 경로 계획 생성부는 상기 트리에서 새로 샘플링하여 얻은 점과 최근접 노드를 연결하여 상기 트리를 확장해 나가는 과정에서 상기 얻은 점에서 가장 가까운 경유점을 거쳐야 하는 목표 경유점으로 선정하는 것을 특징으로 한다.
이러한 본 발명의 실시예에 의하면 초기 시작점과 최종 목표점을 잇는 직선 에서 일정한 각도 내에 있는 장애물들을 중간점으로 인식하여 중간점에서 일정 거리 떨어진 임의의 점들을 선택하고, 선택된 임의의 점들 중에서 장애물을 거치지 않고 시작점과 목표점을 바로 연결할 수 있는 임의의 점을 경유점으로 선택하여 새로운 중간 노드로 맵핑하고, Goal Function을 고려하여 트리를 확장해 나감으로써 트리가 잘못된 방향으로 확장되는 것을 최소화하여 Local Minima에 빠지지 않도록 하며, 이를 통해 경로 계획의 성능을 개선하여 빠른 시간 내에 경로를 찾을 수 있게 된다.
이하, 본 발명의 실시예를 첨부된 도면을 참조하여 상세히 설명한다.
도 1은 본 발명의 실시예에 의한 로봇의 일례를 나타낸 외관도이다.
도 1에서, 본 발명의 실시예에 의한 로봇(100)은 인간과 마찬가지로 두 개의 다리(110R, 110L)에 의해 직립 이동하는 이족 보행 로봇으로, 몸통(120)과, 몸통(120)의 상부에 두 개의 팔(130R, 130L)과 머리(140)를 구비하며, 두 개의 다리(110R, 110L)와 팔(130R, 130L) 선단에는 각각 발(111R, 111L)과 핸드(131R, 131L)를 구비한다.
참조부호에서 R과 L은 로봇(100)의 오른쪽(Right)과 왼쪽(Left)을 나타낸다.
도 2는 도 1에 나타낸 로봇의 주요 관절 구조를 나타낸 도면이다.
도 2에서, 두 개의 팔(130R, 130L)은 로봇(100)의 어깨, 팔꿈치, 손목에 해당하는 부분이 회전할 수 있도록 어깨 관절(132R, 132L), 팔꿈치 관절(133R, 133L), 손목 관절(134R, 134L)을 각각 구비하고, 어깨 관절(132R, 132L)은 몸 통(120) 상부의 양 쪽 끝에 위치한다.
각 팔(130R, 130L)의 어깨 관절(132R, 132L)은 x축(roll axis)과 y축(pitch axis), z축(yaw axis)로 움직임이 가능하고, 팔꿈치 관절(133R, 133L)은 y축(pitch axis)로 움직임이 가능하며, 손목 관절(134R, 134L)은 x축(roll axis)과 y축(pitch axis), z축(yaw axis)로 움직임이 가능하다.
또한, 두 개의 팔(130R, 130L)에는 어깨 관절(132R, 132L)과 팔꿈치 관절(133R, 133L)을 연결하는 상부 링크(135R, 135L)와, 팔꿈치 관절(133R, 133L)과 손목 관절(134R, 134L)을 연결하는 하부 링크(136R, 136L)를 각각 포함하여 각 관절((132R, 132L), (133R, 133L), (134R, 134L))의 가동각 범위에 따라 일정 수준의 자유도를 가지고 이동이 가능하도록 한다.
그리고, 두 개의 다리(110R, 110L)와 연결되는 몸통(120)에는 로봇(100)의 허리에 해당하는 부분이 회전할 수 있도록 허리 관절(121)을 구비하며, 몸통(120)에 연결되는 머리(140)에는 로봇(100)의 목에 해당하는 부분이 회전할 수 있도록 목 관절(141)을 구비한다.
본 발명의 실시예에서 두 개의 팔(130R, 130L)은 모션이 가능한 작업을 수행하는 머니퓰레이터(130; manipulator)로, 머니퓰레이터(130)의 선단에 마련되는 두 개의 핸드(131R, 131L)가 작업 대상 물체를 잡는 엔드 이펙터(131; end effector)에 해당한다. 이를 도 3에 간략하게 도식화하였다.
도 3은 본 발명의 실시예에 의한 로봇의 기구학적 여유구동 머니퓰레이터의 형상을 간략하게 도식화한 구성도이다.
도 3에서, 머니퓰레이터(130)는 전기적ㆍ기계적 메카니즘에 의해서 인간의 팔이나 손의 동작에 가깝게 운동할 수 있도록 만들어진 것으로, 현재 사용되고 있는 대부분의 머니퓰레이터(130)는 여러 개의 링크(135, 136; 구체적으로, 상부 링크 또는 하부 링크)가 여러 개의 관절(132, 133, 134; 구체적으로, 어깨 관절, 팔꿈치 관절 또는 손목 관절)을 통해 서로 연결되어 구성된다. 머니퓰레이터(130)는 이러한 링크들(135, 136)과 관절들(132, 133, 134) 사이의 기하학적인 관계에 따라 운동 특성이 결정된다. 이 기하학적인 관계를 수학적으로 표현한 것이 기구학(Kinematics)이며 대부분의 머니퓰레이터(130)는 이러한 기구학적 특성(kinematics characteristic)을 가지고 작업을 수행하기 위한 방향으로 엔드 이펙터(131)를 이동시킨다. 본 발명의 실시예에 의한 머니퓰레이터(130)는 위치와 방향 조절이 가능한 링크들(135, 136)을 이용하여 작업 대상 물체를 잡기 위한 목표점으로 엔드 이펙터(131)를 이동시킨다.
도 3에서 알 수 있듯이, 동일한 물체를 잡기 위하여 목표점으로 이동하는 머니퓰레이터(130)의 형상은 (a) 또는 (b)와 같이 여러 가지 형상으로 바뀔 수 있다.
도 4는 본 발명의 실시예에 의한 로봇에서 머니퓰레이터의 이동 경로를 계획하기 위한 제어 블록도로서, 사용자 인터페이스부(200), 경로 계획 생성부(210), 인식부(220), 로봇 제어부(230) 및 구동부(240)를 포함하여 구성된다.
사용자 인터페이스부(200)는 로봇(100) 특히, 머니퓰레이터(130)에서 수행하기 위한 작업 명령(예를 들어, 테이블 위에 놓여진 물체를 잡기 위한 파지 명령)을 사용자가 스위치 조작이나 음성 등을 통해 입력한다.
경로 계획 생성부(210)는 사용자 인터페이스부(200)를 통해 입력되는 작업 명령에 따라 머니퓰레이터(130)의 이동을 제어하기 위한 경로 계획을 생성하여 이를 로봇 제어부(230)에 전달한다. 경로 계획 생성부(210)에서 경로 계획을 생성하는 방법은 크게 공간 형성 단계와, 그래프 탐색 단계와, 경로 생성 단계를 포함한다.
공간 형성 단계는 충돌 회피 경로를 생성하기 위한 형상 공간(C-Space)을 찾아내는 과정으로, 여기에서 형상이란 움직이는 머니퓰레이터(130)의 위치 및 방향을 표현할 수 있는 변수의 집합을 말하며, 형상들이 점유할 수 있는 모든 공간을 형상 공간(C-Space)이라 한다.
그래프 탐색 단계는 최적 경로를 생성하기 위한 탐색 가능 경로를 나타내는 연결 망(connected network)을 생성하는 과정으로, 움직이는 머니퓰레이터(130)에 대해서 트리와 같은 셀 분해(cell decompositon) 방식으로 형성된 형상 공간(C-Space)을 바탕으로 랜덤하게 형상을 추출하여 장애물 공간과 충돌을 일으키는 형상은 제외시키는 방법으로 노드를 생성하고, 생성된 노드들 사이를 연결하는 탐색 트리를 생성하여 경로 생성을 위한 탐색 그래프를 찾아내는 것이다.
경로 생성 단계는 주어진 탐색 공간의 연결 망에서 충돌을 일으키지 않도록 장애물 공간을 회피하여 시작점과 목표점을 연결하는 최적 경로를 생성하는 과정이다.
인식부(220)는 머니퓰레이터(130)가 작업 명령을 수행하기 위해 주어진 정보 즉, 작업 명령을 수행하기 전의 머니퓰레이터(130)의 초기 위치에서의 형상(시작 점)과 작업 명령을 수행할 수 있는 머니퓰레이터(130)의 목표 위치에서의 형상(목표점), 그리고 시작점과 목표점 사이에 있는 장애물들을 형상 공간(C-Space)에서 인식하여 경로 계획 생성부(210)에 전달하고, 이 인식 정보는 경로 계획 생성부(210)에서 머니퓰레이터(130)의 이동 경로를 계획하는데 근거가 된다.
로봇 제어부(230)는 경로 계획 생성부(210)에서 전달받은 경로 계획에 따라 구동부(240)를 제어하여 머니퓰레이터(130)를 구동시킴으로써 머니퓰레이터(130)의 이동을 제어한다.
이하, 상기와 같이 구성된 로봇 및 그 경로 계획 방법의 동작과정 및 작용효과를 설명한다.
도 5는 본 발명의 실시예에 의한 형상 공간을 나타낸 도면이다.
도 5에서, 형상 공간(C-Space)은 머니퓰레이터(130)가 작업을 수행하는 동적 공간으로, S는 머니퓰레이터(130)가 작업을 수행하기 전 초기 위치에서의 형상을 형상 공간(C-Space)에서 하나의 노드로 형성한 시작점을 나타내고, G은 머니퓰레이터(130)가 작업을 수행할 수 있는 즉, 물체를 잡을 수 있는 목표 위치에서의 형상을 형상 공간(C-Space)에서 하나의 노드로 형성한 목표점을 나타내며, K는 시작점(S)과 목표점(G) 사이에 있는 장애물의 형상 공간을 나타낸다.
도 6은 도 5에서 중간점을 인식하는 과정을 시각화한 도면이다.
도 6에서, 시작점(S)과 목표점(G)을 잇는 직선에서 일정한 각도(α) 내에 있는 장애물을 중간점(K)으로 인식한다.
도 7 및 도 8은 도 6에서 인식된 중간점을 기준으로 하여 경유점을 선택하는 과정을 시각화한 도면이다.
도 7에서, 인식된 중간점(K)에서 일정 거리 떨어진 임의의 점들(K-1, K-2)을 선택하여 선택된 임의의 점들(K-1, K-2)과 시작점(S)을 연결하고, 선택된 임의의 점들(K-1, K-2)과 목표점(G)을 연결한다.
도 7에서 선택된 임의의 점들(K-1, K-2)은 중간점(K)을 거치지 않고 시작점(S)과 목표점(G)을 바로 연결할 수 있기 때문에 거쳐야 하는 경유점으로 선택한다. 경유점으로 선택되는 점들은 시작점(S)과 목표점(G)을 모두 볼 수 있는 지점에 위치한 중간 노드이다.
도 8에서, 인식된 중간점(K)에서 일정 거리 떨어진 임의의 점들(K-3, K-4)을 선택하여 선택된 임의의 점들(K-3, K-4)과 시작점(S)을 연결하고, 선택된 임의의 점들(K-3, K-4)과 목표점(G)을 연결한다.
도 8에서 선택된 임의의 점들(K-3, K-4)은 시작점(S)과 목표점(G)을 연결하는 직선상에 중간점(K)이 존재하여 시작점(S)과 목표점(G)을 바로 연결할 수 없기 때문에 경유점으로 선택하지 않는다. 즉, 임의의 점(K-3)은 목표점(G)은 볼 수 있으나 시작점(S)을 볼 수 없고, 임의의 점(K-4)은 시작점(S)은 볼 수 있으나 목표점(G)을 볼 수 없기 때문에 경유점으로 선택할 수 없다.
이와 같이, 경유점들이 선택되면, 시작점(S)에서 무작위로 샘플링한 형상에서 가장 가까운 경유점을 거쳐야 하는 목표 경유점으로 최종 선정하며, 이 과정에서 샘플링한 형상이 여러 개 존재할 경우 Goal Score에 근거하여 우선 순위를 둘 수 있다. Goal Score에 근거하여 우선 순위를 두는 방식은 종래의 RRT 알고리즘과 동일하다.
본 발명의 실시예에 의한 경로 계획 생성부(210)는 시작점(S)과 목표점(G)을 잇는 직선에서 일정한 각도(α) 내에 있는 장애물을 중간점(K)으로 인식하고, 인식된 중간점(K)에서 일정 거리 떨어진 임의의 점들(K-1, K-2)을 선택하여 시작점(S)과 목표점(G)을 볼 수 있는 임의의 점들(K-1, K-2)을 경유점1, 2로 선택한다.
경유점1, 2(K-1, K-2)가 선택되면, RRT 알고리즘을 이용한 트리 확장 방법으로 머니퓰레이터(130)의 이동 경로를 계획한다.
RRT 알고리즘은 형상 공간(C-Space)에서 머니퓰레이터(130)가 하나의 노드로 형성된 트리(T)로 시각화되며, 초기 시작점(S)에서 시작하여 최종 목표점(G)에 이르기까지 장애물 회피 등의 제약 조건을 만족하게 하는 경로를 찾는 알고리즘이다. 여기서 트리(T)의 확장(extension)은 형상 공간(C-Space)에서 무작위로 샘플링한 형상(g)에서 트리(T)에 속하는 노드들 중 가장 가까운 노드를 정하고 그 최근접 노드에서 일정 거리만큼 떨어진 새로운 노드를 선정하는 과정의 반복이다. 이러한 RRT 알고리즘을 이용한 본 발명의 경로 계획 생성을 도 9 내지 도 12를 참조하여 상세히 설명한다.
도 9는 본 발명의 실시예에 의한 형상 공간에서 시작점과 목표점 사이에 중간점이 존재하는 경우, 경유점을 선택하여 트리를 생성하는 과정을 시각화한 도면이다.
도 9에서, 경유점1, 2(K-1, K-2)가 선택된 형상 공간(C-Space)에서 제약 조건을 만족하는 이동 경로를 계획하기 위해 트리를 생성하는 경우에 있어서 무작위 로 샘플링된 임의의 형상(g)에서 가장 가까운 노드(gnear)를 찾아서 샘플링한 형상(g)과 최근접 노드(gnear)를 연결하여 트리1(T1)를 확장한다.
도 10은 본 발명의 실시예에 의한 경유점이 선택된 형상 공간에서 트리가 경유점까지 도달하는 과정을 시각화한 도면이다.
도 10에서, 도 9에서 확장된 트리1(T1)는 새로 샘플링한 형상(gnew)과 최근접 노드(gnear)를 연결하여 트리2(T2)를 확장하는데 이때 새로 샘플링한 형상(gnew)에서 얻은 점이 경유점1(K-1)에 가깝기 때문에 선택된 경유점1, 2(K-1, K-2) 중에서 경유점1(K-1)을 거쳐야 하는 목표 경유점으로 최종 선정하여 경유점1(K-1)까지 트리2(T2)를 확장한다.
도 11 및 도 12는 본 발명의 실시예에 의한 경유점이 선택된 형상 공간에서 트리가 경유점을 경유하여 확장해 나가는 과정을 시각화한 도면이다.
도 11 및 도 12에서, 도 10에서 확장된 트리2(T2)는 경유점1(K-1)을 경유하여 목표점(G)으로 가는 방향으로 진행하게 되는데, 이때 도 10과 마찬가지로 새로 샘플링한 형상(gnew')과 최근접 노드(gnear')를 연결하여 트리3(T3)을 확장한 후 이러한 과정을 반복하여 다시 목표점(G)까지 트리4(T4)를 확장한다.
목표점(G)까지 트리4(T4)를 확장해 나가면서 목표점(G)과 머니퓰레이터(130)의 엔드 이펙터(131) 사이의 거리가 일정 거리 미만이 되면 경로를 찾았다고 인정하고 그래프 탐색 단계를 수행하여 머니퓰레이터(130)의 이동 경로를 찾아 준다.
도 13은 본 발명의 실시예에 의한 형상 공간에서 시작점과 목표점 사이에 다수의 장애물이 존재하는 경우, 경유점을 선택하는 과정을 시각화한 도면이다.
도 13에서, 시작점(S)과 목표점(G)을 잇는 직선에서 일정한 각도(α) 내에 있는 장애물들을 중간점1, 2, 3(K1, K2, K3)으로 인식하고, 인식된 중간점1, 2, 3(K1, K2, K3)에서 일정 거리 떨어진 임의의 점들((K1-1, K1-2), (K2-1, K2-2), (K3-1, K3-2))을 선택한다.
중간점1(K1)에서 선택된 점들(K1-1, K1-2)은 시작점(S)과 중간점2(K2)에서 선택된 점들(K2-1, K2-2)을 볼 수 있고, 중간점2(K2)에서 선택된 점들(K2-1, K2-2)은 중간점1(K1)에서 선택된 점들(K1-1, K1-2)과 중간점3(K3)에서 선택된 점들(K3-1, K3-2)을 볼 수 있고, 중간점3(K3)에서 선택된 점들(K3-1, K3-2)은 중간점2(K2)에서 선택된 점들(K2-1, K2-2)과 목표점(G)을 볼 수 있는 점들을 경유점으로 선택한다.
이와 같이, 경유점들이 선택되면, 시작점(S)에서 무작위로 샘플링한 형상(g)에서 가장 가까운 경유점을 거쳐야 하는 목표 경유점으로 최종 선정하며, 이 과정에서 샘플링한 형상(g)이 여러 개 존재할 경우 Goal Score에 근거하여 우선 순위를 둘 수 있다. Goal Score에 근거하여 우선 순위를 두는 방식은 종래의 RRT 알고리즘과 동일하다.
본 발명의 실시예에 의한 경로 계획 생성부(210)는 시작점(S)과 목표점(G)을 잇는 직선에서 일정한 각도(α) 내에 있는 장애물들을 중간점1, 2, 3(K1, K2, K3)으로 인식하고, 인식된 중간점1, 2, 3(K1, K2, K3)에서 일정 거리 떨어진 임의의 점들((K1-1, K1-2), (K2-1, K2-2), (K3-1, K3-2))을 선택하여 시작점(S)과 목표점(G)을 볼 수 있는 임의의 점들((K1-1, K1-2), (K2-1, K2-2), K3-1)을 경유점1-1, 1-2, 2-1, 2-2, 3-1로 선택한다.
경유점1-1, 1-2, 2-1, 2-2, 3-1((K1-1, K1-2), (K2-1, K2-2), K3-1)가 선택되면, RRT 알고리즘을 이용한 트리 확장 방법으로 머니퓰레이터(130)의 이동 경로를 계획한다.
도 14는 본 발명의 실시예에 의한 형상 공간에서 시작점과 목표점 사이에 다수의 중간점이 존재하는 경우, 경유점을 선택하여 트리를 생성하는 과정을 시각화한 도면이다.
도 14에서, 경유점1-1, 1-2, 2-1, 2-2, 3-1((K1-1, K1-2), (K2-1, K2-2), K3-1)가 선택된 형상 공간(C-Space)에서 제약 조건을 만족하는 이동 경로를 계획하기 위해 트리를 생성하는 경우에 있어서 샘플링된 형상(g)에서 가장 가까운 노드(gnear)를 찾아서 샘플링한 형상(g)과 최근접 노드(gnear)를 연결하여 트리5(T5)를 확장한 후, 새로 샘플링한 형상(gnew)과 최근접 노드(gnear)를 연결하여 트리5(T5)를 확장하는데 이때 새로 샘플링한 형상(gnew)에서 얻은 점이 경유점1-1(K1-1)에 가깝기 때문에 선택된 경유점1-1, 1-2(K1-1, K1-2) 중에서 경유점1-1(K1-1)을 거쳐야 하는 목표 경유점으로 최종 선정하여 경유점1-1(K1-1)까지 트리5(T5)를 확장한다.
확장된 트리5(T5)는 경유점1-1(K1-1)을 경유하여 목표점(G)으로 가는 방향으로 진행하게 되는데, 이때에도 새로 샘플링한 형상(gnew')과 최근접 노드(gnear')를 연결하여 트리5(T5)를 확장한 후 새로 샘플링한 형상(gnew)과 최근접 노드(gnear)를 연결하여 트리5(T5)를 확장하는데 이때 새로 샘플링한 형상(gnew)에서 얻은 점이 경유점2-1(K2-1)에 가깝기 때문에 선택된 경유점2-1, 2-2(K2-1, K2-2) 중에서 경유점2-1(K2-1)을 거쳐야 하는 목표 경유점으로 최종 선정하여 경유점2-1(K2-1)까지 트리5(T5)를 확장한다.
이어서, 확장된 트리5(T5)는 경유점1-1, 2-1(K1-1, K2-1)을 경유하여 목표점(G)으로 가는 방향으로 진행하게 되는데, 이때에도 새로 샘플링한 형상(gnew')과 최근접 노드(gnear')를 연결하여 트리5(T5)를 확장한 후 새로 샘플링한 형상(gnew)과 최근접 노드(gnear)를 연결하여 트리5(T5)를 확장하는데 이때 샘플링한 형상(gnew)에서 얻은 점이 경유점3-1(K3-1)에 가깝기 때문에 경유점3-1(K3-1)을 거쳐야 하는 목표 경유점으로 최종 선정하여 경유점3-1(K3-1)까지 트리5(T5)를 확장한다.
마찬가지로, 확장된 트리5(T5)는 경유점1-1, 2-1, 3-1(K1-1, K2-1, K3-1)을 경유하여 목표점(G)으로 가는 방향으로 다시 진행하게 되는데, 이러한 과정을 반복하여 목표점(G)까지 트리5(T5)를 확장한다.
목표점(G)까지 트리5(T5)를 확장해 나가면서 목표점(G)과 머니퓰레이터(130)의 엔드 이펙터(131) 사이의 거리가 일정 거리 미만이 되면 경로를 찾았다고 인정하고 그래프 탐색 알고리즘을 수행하여 머니퓰레이터(130)의 이동 경로를 찾아 준다.
도 15 내지 도 18은 본 발명의 실시예에서 제시한 경로 계획에 대한 시뮬레이션 동작을 작업 공간에 나타낸 도면이다.
도 15는 머니퓰레이터(130)가 작업을 수행하기 전 초기 위치에서의 형상(시작점; S)을 나타낸 것으로, 테이블 위에는 작업 대상 물체인 공과, 장애물인 실린더가 놓여져 있다.
도 16은 머니퓰레이터(130)가 작업을 수행하기 위한 목표 위치에서의 형상(목표점; G)을 나타낸 것이다.
도 17은 머니퓰레이터(130)가 기존의 Goal Function 변화를 통해 해를 찾는 과정을 나타낸 것으로, 노드의 생성 수가 많고 장애물(실린더)을 회피하기 위한 경로가 작업 대상 물체(공)로부터 멀어지게 생성되었음을 알 수 있다. 이는 해(Solution)를 찾는 속도가 그만큼 느려져 경로를 찾는데 많은 시간이 소요된다.
도 18은 머니퓰레이터(130)가 본 발명에서 제시한 중간점의 경유를 통해 해를 찾는 과정을 나타낸 것으로, 도 17에 비해 노드의 생성 수가 적고 장애물(실린더)을 회피하기 위한 경로가 작업 대상 물체(공)로부터 도 17에 비해 가깝게 생성되었음을 알 수 있다. 이는 해(Solution)를 찾는 속도가 그만큼 빨라져 경로를 찾는데 소요되는 시간이 짧아진다.
도 19는 본 발명의 실시예에 의한 로봇의 경로 계획 방법을 나타낸 동작 순서도이다.
도 19에서, 인식부(220)는 머니퓰레이터(130)가 작업 명령을 수행하기 위해 주어진 정보 즉, 작업 명령을 수행하기 전의 머니퓰레이터(130)의 초기 위치에서의 형상(시작점; S)과 작업 명령을 수행할 수 있는 머니퓰레이터(130)의 목표 위치에서의 형상(목표점; G), 그리고 시작점(S)과 목표점(G) 사이에 있는 장애물들을 형상 공간(C-Space)에서 인식하여 경로 계획 생성부(210)에 전달한다(300; 도 5 참조).
따라서, 경로 계획 생성부(210)는 시작점(S)과 목표점(G)을 잇는 직선에서 일정한 각도(α) 내에 있는 장애물을 중간점(K)으로 인식한 후(302; 도 6 참조), 인식된 중간점(K)에서 일정 거리 떨어진 임의의 점들(K-1, K-2)을 선택하여 선택된 임의의 점들(K-1, K-2)과 시작점(S)을 연결하고, 선택된 임의의 점들(K-1, K-2)과 목표점(G)을 연결하여 거쳐야 하는 경유점으로 선택한다(304; 도 7 참조).
이어서, 경로 계획 생성부(210)는 경유점1, 2(K-1, K-2)가 선택된 형상 공간(C-Space)에서 제약 조건을 만족하는 이동 경로를 계획하기 위해 트리를 생성하는 경우에 있어서 무작위로 샘플링된 임의의 한 점 즉, 형상(g)에서 가장 가까운 노드(gnear)를 찾아서 샘플링한 형상(g)과 최근접 노드(gnear)를 연결하여 트리1(T1)를 확장한다. 이 경우 Goal Function은 목표점(G)에서 엔드 이펙터(131)까지의 거리와 방향 벡터의 함수로 이루어져 트리 중에서 Goal Score가 가장 작은 노드를 선택하여 트리(T1)를 확장해 나가는 것이다(306~310; 도 9 참조).
이후, 확장된 현재 트리(T1)의 Goal Score가 경유점1, 2(K-1, K-2)의 Goal Score보다 작은가를 판단하여(312), 현재 트리(T1)의 Goal Score가 경유점1, 2(K-1, K-2)의 Goal Score보다 작지 않은 경우 단계 306으로 피드백하여 새로운 샘플을 저장한다.
단계 312의 판단 결과, 현재 트리(T1)의 Goal Score가 경유점1, 2(K-1, K-2)의 Goal Score보다 작은 경우 확장된 트리1(T1)는 새로 샘플링한 형상(gnew)과 최근접 노드(gnear)를 연결하여 트리2(T2)를 확장하는데 이때 새로 샘플링한 형상(gnew)에서 얻은 점이 경유점1(K-1)에 가깝기 때문에 선택된 경유점1, 2(K-1, K-2) 중에서 경유점1(K-1)을 거쳐야 하는 목표 경유점으로 최종 선정하여 경유점1(K-1)까지 트리2(T2)를 확장한다(314; 도 10 참조).
이후, 확장된 트리2(T2)는 경유점1(K-1)을 경유하여 목표점(G)으로 가는 방향으로 진행하게 되는데, 이때 도 10과 마찬가지로 새로 샘플링한 형상(gnew')과 최근접 노드(gnear')를 연결하여 트리3(T3)을 확장한 후 이러한 과정을 반복하여 다시 목표점(G)까지 트리4(T4)를 확장한다(316; 도 11 참조).
이와 같이, 목표점(G)까지 트리4(T4)를 확장해 나가면서 목표점(G)과 머니퓰레이터(130)의 엔드 이펙터 사이의 거리가 일정 거리 미만이 되면 경로를 찾았다고 인정하고 그래프 탐색 단계를 통해 머니퓰레이터(130)의 이동 경로를 찾아 경로 계획을 생성한다(318; 도 12 참조). 이후 로봇 제어부(230)가 생성된 경로 계획에 따라 구동부(240)를 제어하여 머니퓰레이터(130)의 이동을 제어한다.
도 1은 본 발명의 실시예에 의한 로봇의 일례를 나타낸 외관도이다.
도 2는 도 1에 나타낸 로봇의 주요 관절 구조를 나타낸 도면이다.
도 3은 본 발명의 실시예에 의한 로봇의 기구학적 여유구동 머니퓰레이터의 형상을 간략하게 도식화한 구성도이다.
도 4는 본 발명의 실시예에 의한 로봇에서 머니퓰레이터의 이동 경로를 계획하기 위한 제어 블록도이다.
도 5는 본 발명의 실시예에 의한 형상 공간을 나타낸 도면이다.
도 6은 도 5에서 중간점을 인식하는 과정을 시각화한 도면이다.
도 7 및 도 8은 도 6에서 인식된 중간점을 기준으로 하여 경유점을 선택하는 과정을 시각화한 도면이다.
도 9는 본 발명의 실시예에 의한 형상 공간에서 시작점과 목표점 사이에 중간점이 존재하는 경우, 경유점을 선택하여 트리를 생성하는 과정을 시각화한 도면이다.
도 10은 본 발명의 실시예에 의한 경유점이 선택된 형상 공간에서 트리가 경유점까지 도달하는 과정을 시각화한 도면이다.
도 11 및 도 12는 본 발명의 실시예에 의한 경유점이 선택된 형상 공간에서 트리가 경유점을 경유하여 확장해 나가는 과정을 시각화한 도면이다.
도 13은 본 발명의 실시예에 의한 형상 공간에서 시작점과 목표점 사이에 다수의 장애물이 존재하는 경우, 경유점을 선택하는 과정을 시각화한 도면이다.
도 14는 본 발명의 실시예에 의한 형상 공간에서 시작점과 목표점 사이에 다수의 중간점이 존재하는 경우, 경유점을 선택하여 트리를 생성하는 과정을 시각화한 도면이다.
도 15 내지 도 18은 본 발명의 실시예에서 제시한 경로 계획에 대한 시뮬레이션 동작을 작업 공간에 나타낸 도면이다.
도 19는 본 발명의 실시예에 의한 로봇의 경로 계획 방법을 나타낸 동작 순서도이다.
*도면의 주요 부분에 대한 부호의 설명*
10 : 로봇 130 : 머니퓰레이터
131 : 엔드 이펙터 132, 133, 134 : 관절
135, 136 : 링크 210 : 경로 계획 생성부
220 : 인식부 230 : 로봇 제어부
240 : 구동부

Claims (19)

  1. 머니퓰레이터의 이동 경로를 생성하기 위한 형상 공간을 형성하고;
    상기 형상 공간의 시작점과 목표점 사이에 장애물이 있는 경우, 상기 장애물을 중간점으로 인식하여 경유점을 선정하고;
    상기 시작점에서 생성된 노드가 상기 경유점을 경유하여 상기 목표점에 도달하도록 트리를 확장하여 탐색 그래프를 생성하고;
    상기 탐색 그래프를 통해 상기 시작점과 목표점을 연결하여 상기 장애물을 회피하는 최적 경로를 생성하되,
    상기 경유점을 선정하는 것은,
    상기 중간점에서 일정 거리 떨어진 임의의 점들을 선택하여 상기 임의의 점들을 상기 시작점과 상기 목표점에 각각 연결하고, 상기 선택된 임의의 점들 중에서 상기 시작점과의 사이 및 상기 목표점과의 사이에 상기 장애물이 존재하지 않는 임의의 점들을 상기 경유점으로 선정하는 로봇의 경로 계획 방법.
  2. 제1항에 있어서,
    상기 시작점은 상기 머니퓰레이터가 작업을 수행하기 전 초기 위치에서의 형상을 상기 형상 공간 상에 형성한 노드인 로봇의 경로 계획 방법.
  3. 제1항에 있어서,
    상기 목표점은 상기 머니퓰레이터가 작업을 수행하기 위한 목표 위치에서의 형상을 상기 형상 공간 상에 형성한 노드이거나, 상기 목표점의 position과 orientation 정보를 보유하고 있는 점인 로봇의 경로계획 방법.
  4. 제1항에 있어서,
    상기 중간점은 상기 시작점과 상기 목표점을 잇는 직선에서 일정한 각도 내에 있는 장애물인 로봇의 경로 계획 방법.
  5. 삭제
  6. 제1항에 있어서,
    상기 경유점을 선정하는 것은,
    상기 시작점에서 무작위로 샘플링한 형상에서 가장 가까운 경유점을 거쳐야 하는 목표 경유점으로 선정하는 로봇의 경로 계획 방법.
  7. 제1항에 있어서,
    상기 트리를 확장하는 것은,
    상기 시작점에서 무작위로 샘플링한 형상에서 확률에 따라 변화된 Goal Function에 의거한 가장 가까운 노드를 찾아서 상기 샘플링한 형상과 최근접 노드를 연결하여 트리를 확장하는 로봇의 경로 계획 방법.
  8. 제7항에 있어서,
    상기 확장된 트리의 Goal Score가 상기 경유점의 Goal Score보다 작은 경우 상기 경유점으로 상기 트리를 확장해 나가는 로봇의 경로 계획 방법.
  9. 제7항에 있어서,
    상기 확장된 트리의 Goal Score가 상기 경유점의 Goal Score보다 계속하여 작지 않은 경우 Goal Function의 변화를 통해 새로운 노드를 찾아 상기 트리를 확장해 나가는 로봇의 경로 계획 방법.
  10. 머니퓰레이터의 초기 형상과 목표 형상에 각각 해당하는 시작점과 목표점을 인식하고;
    상기 시작점과 상기 목표점 사이에 장애물이 있는 경우, 상기 장애물을 중간점으로 인식하여 경유점을 선정하고;
    형상 공간에서 임의의 한 점을 무작위로 샘플링하여 가장 가까운 노드를 찾아 상기 샘플링한 임의의 점과 상기 노드를 연결하고;
    상기 노드가 상기 경유점을 경유하여 상기 목표점에 도달하도록 트리를 확장하여 탐색 그래프를 생성하고;
    상기 탐색 그래프를 통해 상기 시작점과 상기 목표점을 연결하여 상기 장애물을 회피하는 최적 경로를 생성하되,
    상기 경유점을 선정하는 것은,
    상기 중간점에서 일정 거리 떨어진 임의의 점들을 선택하여 상기 임의의 점들을 상기 시작점과 상기 목표점에 각각 연결하고, 상기 선택된 임의의 점들 중에서 상기 시작점과의 사이 및 상기 목표점과의 사이에 상기 장애물이 존재하지 않는 임의의 점들을 상기 경유점으로 선정하는 로봇의 경로 계획 방법.
  11. 삭제
  12. 제10항에 있어서,
    상기 중간점은 상기 시작점과 상기 목표점을 잇는 직선에서 일정한 각도 내에 있는 장애물인 로봇의 경로 계획 방법.
  13. 삭제
  14. 제10항에 있어서,
    상기 경유점을 선정하는 것은,
    상기 시작점에서 무작위로 샘플링한 형상에서 가장 가까운 경유점을 거쳐야 하는 목표 경유점으로 선정하여 상기 트리를 확장해 나가는 로봇의 경로 계획 방법.
  15. 머니퓰레이터의 초기 형상과 목표 형상에 각각 해당하는 시작점과 목표점, 상기 시작점과 상기 목표점 사이의 장애물을 인식하는 인식부; 및
    상기 머니퓰레이터의 이동 경로를 생성하기 위한 형상 공간을 형성하고, 상기 형상 공간을 바탕으로 상기 장애물을 중간점으로 하는 새로운 경유점을 선정하고, 상기 경유점을 이용하여 상기 시작점과 상기 목표점을 연결하는 최적 경로를 생성하는 경로 계획 생성부를 포함하되,
    상기 경로 계획 생성부는 상기 중간점에서 일정 거리 떨어진 임의의 점들을 선택하여 상기 임의의 점들을 상기 시작점과 상기 목표점에 각각 연결하고, 상기 선택된 임의의 점들 중에서 상기 시작점과의 사이 및 상기 목표점과의 사이에 상기 장애물이 존재하지 않는 임의의 점들을 상기 경유점으로 선정하는 로봇의 경로 계획 장치.
  16. 제15항에 있어서,
    상기 중간점은 상기 시작점과 상기 목표점을 잇는 직선에서 일정한 각도 내에 있는 장애물인 로봇의 경로 계획 장치.
  17. 삭제
  18. 제15항에 있어서,
    상기 경로 계획 생성부는 상기 형상 공간에서 임의의 한 점을 무작위로 샘플링하여 가장 가까운 노드를 찾아 상기 샘플링한 임의의 점과 상기 노드를 연결하고, 상기 노드가 상기 경유점을 경유하여 상기 목표점에 도달하도록 트리를 확장하여 탐색 그래프를 생성하는 로봇의 경로 계획 장치.
  19. 제18항에 있어서,
    상기 경로 계획 생성부는 상기 트리에서 새로 샘플링하여 얻은 점과 최근접 노드를 연결하여 상기 트리를 확장해 나가는 과정에서 상기 얻은 점에서 가장 가까운 경유점을 거쳐야 하는 목표 경유점으로 선정하는 로봇의 경로 계획 장치.
KR1020090073153A 2009-08-10 2009-08-10 로봇의 경로 계획 장치 및 그 방법 KR101667030B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020090073153A KR101667030B1 (ko) 2009-08-10 2009-08-10 로봇의 경로 계획 장치 및 그 방법
US12/805,514 US9044862B2 (en) 2009-08-10 2010-08-03 Path planning apparatus and method for robot

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020090073153A KR101667030B1 (ko) 2009-08-10 2009-08-10 로봇의 경로 계획 장치 및 그 방법

Publications (2)

Publication Number Publication Date
KR20110015764A KR20110015764A (ko) 2011-02-17
KR101667030B1 true KR101667030B1 (ko) 2016-10-17

Family

ID=43535429

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020090073153A KR101667030B1 (ko) 2009-08-10 2009-08-10 로봇의 경로 계획 장치 및 그 방법

Country Status (2)

Country Link
US (1) US9044862B2 (ko)
KR (1) KR101667030B1 (ko)

Families Citing this family (55)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR2947236B1 (fr) 2009-06-30 2011-07-15 Aldebaran Robotics Procede pour controler la marche d'un robot mobile et robot mettant en oeuvre le procede
US8781629B2 (en) * 2010-09-22 2014-07-15 Toyota Motor Engineering & Manufacturing North America, Inc. Human-robot interface apparatuses and methods of controlling robots
JP5480799B2 (ja) * 2010-12-14 2014-04-23 本田技研工業株式会社 移動装置およびロボットならびにこれらの制御システム
US8589013B2 (en) 2011-10-25 2013-11-19 Jaybridge Robotics, Inc. Method and system for dynamically positioning a vehicle relative to another vehicle in motion
JP5724919B2 (ja) * 2012-03-22 2015-05-27 トヨタ自動車株式会社 軌道生成装置、移動体、軌道生成方法及びプログラム
US9044863B2 (en) 2013-02-06 2015-06-02 Steelcase Inc. Polarized enhanced confidentiality in mobile camera applications
US9188986B2 (en) 2013-10-01 2015-11-17 Jaybridge Robotics, Inc. Computer-implemented method and system for dynamically positioning a vehicle relative to another vehicle in motion for on-the-fly offloading operations
KR102165437B1 (ko) * 2014-05-02 2020-10-14 한화디펜스 주식회사 이동 로봇의 경로 계획 장치
US9618937B1 (en) 2014-08-25 2017-04-11 Google Inc. Slip detection using robotic limbs
US10081098B1 (en) 2014-08-25 2018-09-25 Boston Dynamics, Inc. Generalized coordinate surrogates for integrated estimation and control
US9387588B1 (en) 2014-08-25 2016-07-12 Google Inc. Handling gait disturbances with asynchronous timing
US9446518B1 (en) * 2014-11-11 2016-09-20 Google Inc. Leg collision avoidance in a robotic device
US9499218B1 (en) 2014-12-30 2016-11-22 Google Inc. Mechanically-timed footsteps for a robotic device
DE102015004087B3 (de) * 2015-03-31 2016-12-29 gomtec GmbH Fahrbarer Roboter mit Kollisionserkennung
US9594377B1 (en) * 2015-05-12 2017-03-14 Google Inc. Auto-height swing adjustment
US9895803B1 (en) * 2015-06-19 2018-02-20 X Development Llc Calculating trajectory corridor for robot end effector
US9586316B1 (en) 2015-09-15 2017-03-07 Google Inc. Determination of robotic step path
US9925667B1 (en) 2016-01-25 2018-03-27 Boston Dynamics, Inc. Continuous slip recovery
US9789919B1 (en) 2016-03-22 2017-10-17 Google Inc. Mitigating sensor noise in legged robots
US10427304B2 (en) * 2016-09-01 2019-10-01 Powerhydrant Llc Robotic charger alignment
KR101858108B1 (ko) * 2016-12-26 2018-05-16 한국생산기술연구원 로봇을 위한 동작 시뮬레이션 장치 및 방법
KR101898190B1 (ko) * 2016-12-30 2018-09-12 한국생산기술연구원 이동 로봇 및 주행 환경을 고려한 이동 로봇의 경로 생성 방법
CN107122513B (zh) * 2017-03-15 2020-06-12 博迈科海洋工程股份有限公司 多专业管线的优化布局方法
CN107677285B (zh) * 2017-04-11 2019-05-28 平安科技（深圳）有限公司 机器人的路径规划系统及方法
US11221497B2 (en) 2017-06-05 2022-01-11 Steelcase Inc. Multiple-polarization cloaking
US11106124B2 (en) 2018-02-27 2021-08-31 Steelcase Inc. Multiple-polarization cloaking for projected and writing surface view screens
EP3639983A1 (en) * 2018-10-18 2020-04-22 Technische Universität München Anti-collision safety measures for a reconfigurable modular robot
DE102018133472B3 (de) * 2018-12-21 2020-03-12 Franka Emika Gmbh Bewegungsüberwachung eines Robotermanipulators
CN110045731B (zh) * 2019-03-26 2022-04-12 深圳市中科晟达互联智能科技有限公司 一种路径规划方法、电子装置及计算机可读存储介质
CN110209202A (zh) * 2019-06-26 2019-09-06 深圳市道通智能航空技术有限公司 一种可行空间生成方法、装置、飞行器及飞行器系统
CN112445218A (zh) * 2019-08-30 2021-03-05 顺丰科技有限公司 机器人路径规划方法、装置、服务器、存储介质及机器人
JP7263217B2 (ja) * 2019-11-27 2023-04-24 株式会社日立製作所 制御装置、制御方法、及びロボットシステム
US11407109B2 (en) 2020-04-16 2022-08-09 Boston Dynamics, Inc. Global arm path planning with roadmaps and precomputed domains
US11927961B2 (en) 2020-04-20 2024-03-12 Boston Dynamics, Inc. Constrained robot autonomy language
US11712802B2 (en) 2020-04-20 2023-08-01 Boston Dynamics, Inc. Construction constrained motion primitives from robot maps
CN111650941B (zh) * 2020-06-10 2023-05-02 湖南爱米家智能科技有限公司 基于RRT-Connect改进的医用移动机器人路径规划方法
JP7400644B2 (ja) * 2020-07-02 2023-12-19 株式会社デンソー 動作経路生成装置、動作経路生成方法および動作経路生成プログラム
CN112338916B (zh) * 2020-10-29 2024-07-23 深圳市大象机器人科技有限公司 基于快速扩展随机树的机械臂避障路径规划方法及系统
CN112526988B (zh) * 2020-10-30 2022-04-22 西安交通大学 一种自主移动机器人及其路径导航和路径规划方法、系统
CN112306067B (zh) * 2020-11-13 2022-11-18 湖北工业大学 一种全局路径规划方法及系统
CN112833904B (zh) * 2021-01-05 2024-06-04 北京航空航天大学 一种基于自由空间与快速搜索随机树算法的无人车动态路径规划方法
CN113172631B (zh) * 2021-05-11 2023-01-24 西南交通大学 一种基于改进式rrt算法的机械臂自主避障方法
CN113325845B (zh) * 2021-05-31 2022-09-23 的卢技术有限公司 一种基于混合apf和rrt的无人驾驶路径规划方法
CN113641832B (zh) * 2021-08-16 2022-05-10 中国科学院空天信息创新研究院 基于知识图谱面向多源离散数据的林火救援路径规划方法
CN113671969B (zh) * 2021-08-25 2024-04-05 齐鲁工业大学 二维静态环境下的路径规划方法、系统、介质及存储设备
CN113848911B (zh) * 2021-09-28 2023-06-27 华东理工大学 基于Q-learning和RRT*的移动机器人全局路径规划方法
CN113885509B (zh) * 2021-10-21 2024-02-06 广东电网有限责任公司广州供电局 一种应急电源车路径规划方法、装置、设备及存储介质
US20230132280A1 (en) * 2021-10-22 2023-04-27 Nec Laboratories America, Inc. Robotic navigation and transport of objects
CN114489052B (zh) * 2021-12-31 2024-05-28 杭州电子科技大学 一种改进rrt算法重连策略的路径规划方法
CN114764249B (zh) * 2022-04-27 2024-09-10 西安建筑科技大学 实时避障路径规划方法、系统、设备及介质
CN114812566B (zh) * 2022-06-27 2022-10-04 青岛慧拓智能机器有限公司 矿区车辆的行驶路径规划方法、装置及计算机设备
CN115570566B (zh) * 2022-09-28 2024-08-30 长春工业大学 一种改进apf-rrt算法的机器人避障路径规划方法
CN115903856A (zh) * 2023-02-15 2023-04-04 大连理工大学 针对智能体路径规划的具有通道空间注意力机制的反馈生成对抗网络
CN116243716B (zh) * 2023-05-08 2023-07-18 中铁第四勘察设计院集团有限公司 一种融合机器视觉的集装箱智能举升控制方法及系统
CN117260735A (zh) * 2023-11-01 2023-12-22 广东工业大学 一种机器人深框抓取的路径规划方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008105132A (ja) * 2006-10-25 2008-05-08 Toyota Motor Corp アームの関節空間における経路を生成する方法と装置

Family Cites Families (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2676397B2 (ja) * 1989-01-05 1997-11-12 株式会社エイ・ティ・アール視聴覚機構研究所 動的システムの運動軌道生成方法
US5502638A (en) * 1992-02-10 1996-03-26 Honda Giken Kogyo Kabushiki Kaisha System for obstacle avoidance path planning for multiple-degree-of-freedom mechanism
EP0666150B1 (en) * 1993-08-18 1998-10-21 Kabushiki Kaisha Yaskawa Denki Articulated robot
US5835684A (en) * 1994-11-09 1998-11-10 Amada Company, Ltd. Method for planning/controlling robot motion
US5999881A (en) * 1997-05-05 1999-12-07 General Electric Company Automated path planning
US7663333B2 (en) * 2001-06-12 2010-02-16 Irobot Corporation Method and system for multi-mode coverage for an autonomous robot
US6678876B2 (en) * 2001-08-24 2004-01-13 Formfactor, Inc. Process and apparatus for finding paths through a routing space
JP3629261B2 (ja) * 2002-11-26 2005-03-16 松下電器産業株式会社 無線受信装置
WO2005069223A2 (en) * 2004-01-15 2005-07-28 Algotec Systems Ltd. Vessel centerline determination
US7272492B2 (en) * 2004-03-16 2007-09-18 The Johns Hopkins University Path planning for mine countermeasures
US20060235610A1 (en) * 2005-04-14 2006-10-19 Honeywell International Inc. Map-based trajectory generation
KR100705224B1 (ko) * 2005-05-16 2007-04-06 엘지전자 주식회사 네비게이션 시스템에서의 이동체의 주행경로 탐색방법
JP5112666B2 (ja) * 2006-09-11 2013-01-09 株式会社日立製作所 移動装置
US8306659B2 (en) * 2006-12-06 2012-11-06 F Robotics Acquisitions Ltd. Autonomous robot
US7865277B1 (en) * 2007-05-07 2011-01-04 The United States Of America As Represented By The Secretary Of The Navy Obstacle avoidance system and method
KR101691939B1 (ko) * 2009-08-10 2017-01-02 삼성전자주식회사 로봇의 경로 계획방법 및 장치
KR101667029B1 (ko) * 2009-08-10 2016-10-17 삼성전자 주식회사 로봇의 경로 계획방법 및 장치

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008105132A (ja) * 2006-10-25 2008-05-08 Toyota Motor Corp アームの関節空間における経路を生成する方法と装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Proc. 2000 IEEE Int’l Conf. on Robotics and Automation (ICRA 2000), RRT-Connect: An Efficient Approach to Single-Query Path Planning*

Also Published As

Publication number Publication date
KR20110015764A (ko) 2011-02-17
US9044862B2 (en) 2015-06-02
US20110035051A1 (en) 2011-02-10

Similar Documents

Publication Publication Date Title
KR101667030B1 (ko) 로봇의 경로 계획 장치 및 그 방법
KR101667029B1 (ko) 로봇의 경로 계획방법 및 장치
KR101691939B1 (ko) 로봇의 경로 계획방법 및 장치
KR101667031B1 (ko) 로봇의 경로 계획 장치 및 그 방법
CN110228069B (zh) 一种机械臂在线避障运动规划方法
KR101667032B1 (ko) 로봇의 경로 계획 장치 및 그 방법
KR101732902B1 (ko) 로봇의 경로 계획 장치 및 그 방법
US8666548B2 (en) Path planning apparatus of robot and method thereof
Shkolnik et al. Path planning in 1000+ dimensions using a task-space Voronoi bias
Huang et al. Particle swarm optimization for solving the inverse kinematics of 7-DOF robotic manipulators
KR101876380B1 (ko) 매니퓰레이터 및 그 경로 생성 방법
CN109397271B (zh) 一种7自由度拟人机械臂及其控制方法和系统
JP5659890B2 (ja) ロボットの軌道計画システム及び軌道計画方法
WO2008130050A1 (ja) 経路作成方法及び経路作成装置
CN116117822A (zh) 基于非障碍物空间概率势场采样的rrt机械臂轨迹规划方法
CN114939872A (zh) 基于MIRRT*-Connect算法的智能仓储冗余机械臂动态避障运动规划方法
Koo et al. Development of a wire harness assembly motion planner for redundant multiple manipulators
Sanchez et al. Four-arm collaboration: Two dual-arm robots work together to manipulate tethered tools
Chen et al. Combining space exploration and heuristic search in online motion planning for nonholonomic vehicles
Tang et al. Coordinated motion planning of dual-arm space robot with deep reinforcement learning
Yun et al. Self assembly of modular manipulators with active and passive modules
Aldrich et al. Time-energy optimal control of hyper-actuated mechanical systems with geometric path constraints
Zhou et al. Motion planning of dual-chain manipulator based on artificial Bee colony algorithm
Kawabe et al. A flexible collision-free trajectory planning for multiple robot arms by combining Q-learning and RRT
Chen et al. Live working manipulator control model based on dppo-dqn combined algorithm

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20190910

Year of fee payment: 4