KR102362205B1 - 스마트 물류 시스템용 자율 이동 로봇 - Google Patents
스마트 물류 시스템용 자율 이동 로봇 Download PDFInfo
- Publication number
- KR102362205B1 KR102362205B1 KR1020210095566A KR20210095566A KR102362205B1 KR 102362205 B1 KR102362205 B1 KR 102362205B1 KR 1020210095566 A KR1020210095566 A KR 1020210095566A KR 20210095566 A KR20210095566 A KR 20210095566A KR 102362205 B1 KR102362205 B1 KR 102362205B1
- Authority
- KR
- South Korea
- Prior art keywords
- module
- autonomous mobile
- mobile robot
- target
- robot
- Prior art date
Links
- 238000005516 engineering process Methods 0.000 claims abstract description 19
- 239000012636 effector Substances 0.000 claims abstract description 12
- 238000013473 artificial intelligence Methods 0.000 claims abstract description 10
- 238000001514 detection method Methods 0.000 claims abstract description 9
- 230000011664 signaling Effects 0.000 claims abstract description 3
- 238000000034 method Methods 0.000 claims description 84
- 230000033001 locomotion Effects 0.000 claims description 31
- 238000012545 processing Methods 0.000 claims description 26
- 230000006870 function Effects 0.000 claims description 15
- 238000013527 convolutional neural network Methods 0.000 claims description 9
- 238000010168 coupling process Methods 0.000 claims description 7
- 230000005484 gravity Effects 0.000 claims description 7
- 238000004891 communication Methods 0.000 claims description 6
- 230000008878 coupling Effects 0.000 claims description 6
- 238000005859 coupling reaction Methods 0.000 claims description 6
- 239000000284 extract Substances 0.000 claims description 3
- 230000004807 localization Effects 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 239000000645 desinfectant Substances 0.000 claims description 2
- 238000011176 pooling Methods 0.000 claims description 2
- 239000007921 spray Substances 0.000 claims description 2
- 238000012549 training Methods 0.000 abstract description 2
- 230000008569 process Effects 0.000 description 36
- 230000018109 developmental process Effects 0.000 description 15
- 238000010586 diagram Methods 0.000 description 14
- 238000011161 development Methods 0.000 description 12
- 230000010354 integration Effects 0.000 description 11
- 238000013461 design Methods 0.000 description 9
- 238000011160 research Methods 0.000 description 7
- 238000003860 storage Methods 0.000 description 7
- 239000000463 material Substances 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 4
- 238000012856 packing Methods 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 208000027418 Wounds and injury Diseases 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 208000014674 injury Diseases 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000004806 packaging method and process Methods 0.000 description 2
- 208000035473 Communicable disease Diseases 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000005507 spraying Methods 0.000 description 1
- 238000004659 sterilization and disinfection Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000013068 supply chain management Methods 0.000 description 1
- 230000033772 system development Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- 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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J19/00—Accessories fitted to manipulators, e.g. for monitoring, for viewing; Safety devices combined with or specially adapted for use in connection with manipulators
- B25J19/02—Sensing devices
- B25J19/021—Optical sensing devices
- B25J19/023—Optical sensing devices including video camera means
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J5/00—Manipulators mounted on wheels or on carriages
- B25J5/007—Manipulators mounted on wheels or on carriages mounted on wheels
-
- 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
- B25J9/1602—Programme controls characterised by the control system, structure, architecture
- B25J9/161—Hardware, e.g. neural networks, fuzzy logic, interfaces, processor
-
- 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
- B25J9/1628—Programme controls characterised by the control loop
- B25J9/163—Programme controls characterised by the control loop learning, adaptive, model based, rule based expert control
-
- 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
- B25J9/1694—Programme controls characterised by use of sensors other than normal servo-feedback from position, speed or acceleration sensors, perception control, multi-sensor controlled systems, sensor fusion
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/0088—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
- G05D1/028—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using a RF signal
- G05D1/0282—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using a RF signal generated in a local control room
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Mechanical Engineering (AREA)
- Automation & Control Theory (AREA)
- Robotics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Aviation & Aerospace Engineering (AREA)
- Multimedia (AREA)
- Economics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Human Resources & Organizations (AREA)
- Medical Informatics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Electromagnetism (AREA)
- Manipulator (AREA)
Abstract
본 발명의 스마트 물류 시스템용 자율 이동 로봇(autonomous mobile robot; AMR)은, 주위의 상황을 감지하는 카메라를 포함하는 센서에 의해 생성되는 센서 신호를 출력하는 감지 모듈; 출발 위치로부터 타겟 위치까지의 경로를 생성하고, 생성된 경로에 따라서 상기 자율 이동 로봇이 자율적으로 이동하게 하는 자율 주행 모듈; 상기 센서 신호에 기반하여 인공 지능 기술을 통하여 상기 자율 주행 모듈을 학습시키고, 상기 자율 이동 로봇의 구성 요소들을 제어하는 중앙 제어 모듈; 네트워크에 연결되며, 조작자가 상기 로봇에 명령을 내릴 수 있도록 하고, 상기 자율 이동 로봇의 동작 결과를 외부로 전송하는 인터페이스 모듈; 상기 자율 이동 로봇의 구성 요소들이 설치되는 마스터 모듈; 및 상기 마스터 모듈과 결합되고, 상기 자율 이동 로봇이 설치되는 현장에서 요구되는 기능에 특화되는 엔드 이펙터(end effector)를 포함하며, 조작자의 명령에 따라 교체될 수 있는 슬레이브 모듈을 포함한다. 본 발명에 의하여, 스마트 물류 시스템에서 사용되기 위한 자율 이동 로봇이 제공된다.
Description
본 발명은 본 발명은 로봇 공학 기술에 관한 것이고, 특히 구성 요소들이 모듈화되어 구현하기가 용이하고, 다양한 모듈들을 추가하여 여러 분야에 탄력적으로 사용될 수 있는 모듈화된 로봇 플랫폼을 활용하여 구축된 스마트 물류 시스템에서 사용되는 자율 이동 로봇에 관한 것이다.
로봇 공학이 발전함에 따라서 다양한 분야에 로봇 기술이 적용되고 있다. 하지만, 지금까지 로봇의 적용에 많은 노력을 해왔으나, 현장 환경의 열악함, 개별적인 기술 요소들을 통합 적용하기가 어려운 점 등의 이유로 로봇이 적용되지 않은 많은 분야가 존재하고 있다. 특히, 이미 개발되었거나 개발 예정인 자동화 지원 로봇의 경우 각각의 개발 목적에 맞추어 특수한 형태로 고정되어 있는 경우가 대부분이다.
최근 국내의 로봇 연구는 특정 목적에 부합하는 효율적인 로봇 기구부의 디자인 및 조립 등에 초점을 맞추어 진행되어 왔다. 앞으로는 그러한 기구부의 디자인에 덧붙여 로봇을 제어하기 위한 제어 알고리즘의 개발 및 인공 지능에 관한 연구, 또 여러 알고리즘을 조합한 응용 컨텐츠 제작 등 로봇을 실제로 쓸모 있게 하기 위한 실용적인 연구로 그 분야를 넓혀갈 것이다.
대한민국 특허 출원 번호 제 1020150072650 (출원일: 2015.05.26., 발명의 명칭 "로봇, 스마트 블록 완구 및 이를 이용한 로봇 제어 시스템")은 마트 블록 완구를 이용한 로봇 제어 시스템을 기술한다. 이러한 로봇 제어 시스템은 자기 정보를 가지는 칩과 이웃하는 블록과 전기적으로 접속될 수 있게 하는 연결단자를 가지는 다수의 일반 블록 및 상기 일반 블록들의 조합과 전기적으로 연결되어 상기 일반 블록들의 조합 상태를 분석함으로써 각각의 분석 결과에 대응되는 음향을 출력하는 컨트롤 블록을 포함하는 스마트 블록 완구; 및 제어장치로부터 수신되는 제어명령에 따라 해당 동작을 수행하는 로봇을 포함하고, 상기 컨트롤 블록은 상기 로봇에 장착되어 상기 제어장치로부터 수신되는 제어명령을 기반으로 상기 로봇의 동작을 제어한다.
이와 같이 특정 분야에 특화된 로봇 연구는 연구 내용의 중복이나 연구 외적인 다른 많은 일들, 예를 들어 초기 로봇 도입을 위한 시간, 로봇 조립을 위한 시간, 시뮬레이션 환경을 구성하기 위한 시간 등에 의한 시간 낭비가 무시하지 못할 수준으로 연구자를 압박하고 있는 것이 현실이다.
이를 위한 해결책으로서 다양한 로봇 실험 및 연구에 공통으로 사용할 수 있는 공통 플랫폼이 필요하다. 이러한 플랫폼은 로봇 개발 기간을 단축할 뿐만 아니라 개발된 결과의 공유를 쉽게 하기 때문에 기술 교류 및 협력에 꼭 필요하다. 또한 시뮬레이션에 이용된 로봇 제어 알고리즘의 재사용을 위해서도 필요하다.
또한, 공통 플랫폼을 가지는 로봇이 사용될 수 있는 분야 중 하나에는 자재 등과 같은 물품의 주문을 처리하고 이행하는 이행 시스템이 있다.
일반적으로 자재 등 물품의 구매방식에는 BOM(Bill of Material: 부품명세서)에 의거 소요량을 계산하고 계산된 소요량에 대해 구매 발주하는 자재소요량 계산 방식에 의한 구매 발주 방식(MRP Based Purchasing)과 소비 속도에 따라 발주 및 조달이 이루어지는 방식(Consumption Based Purchasing)이 있다. 후자의 경우, 시간당 소비량의 평균을 계산하고 안전재고, 입고 리드타임을 감안하되, 정해진 양에 도달하면 발주하는 정량발주 방식 또는 일정 기간마다 발주를 하는 정기발주 형식을 취하게 된다.
한편, 필요한 물품이나 원부자재를 적기적시에 공급하는 것이 중요한 이유는 그 조달에 따른 비용이 유발되기 때문이다. 이 비용에는 과다한 공급으로 인해 재고가 쌓이는데 따른 창고비용 등 재고비용, 그리고 공급 부족으로 인한 결품에 따른 손실 및 기회비용이 있다. 이러한 비용을 최소화하기 위한 구매 발주 정책 및 관련 시스템 구축 등에 투자를 하게 된다.
그러나 다품종 소량으로 대상 물품이 매우 다양하거나 소비가 아주 간헐적 또는 불규칙하게 일어나는 경우는 예상치 못한 결품을 유발하게 되어 물품 조달에 차질을 빚게 되거나 보수적 물량 확보 경향으로 인하여 불가피하게 많은 재고 보유량을 유발하여 재고비용을 유발하게 된다. 따라서 이러한 현상이 많은 구매 현장일수록 구매발주자의 잦은 개입과 상황에 따른 발주 정책의 잦은 변경을 도모하게 되어 공급망 관리비용의 증가와 함께 공급 차질의 공급망 안정을 저해하는 요소가 된다.
예를 들어, 대한민국 특허 출원 번호 제 1020190075635 (출원일: 2019.06.25., 발명의 명칭 "주문 처리 장치")는 지정된 인터페이스 화면을 출력하며 터치 입력을 처리 가능한 디스플레이부 및 상기 매장에서 판매하는 N(N≥1)개의 상품에 대한 N개의 상품정보를 지정된 저장영역에 저장하는 정보 저장부와, 상기 N개의 상품 중 적어도 하나의 상품에 대한 주문을 처리하기 위한 주문 인터페이스 화면을 포함하는 하나 이상의 지정된 인터페이스 화면을 상기 디스플레이부를 통해 출력하도록 처리하는 인터페이스 출력부와, 상기 디스플레이부에 대한 터치 입력을 근거로 상기 주문 인터페이스 화면을 통해 상기 N개의 상품 중 n(1≤n≤N)개의 상품을 주문하는 장치 측 주문정보를 구성하기 위한 장치 측 주문 절차를 수행하는 주문 절차부와, 상기 구성된 장치 측 주문정보를 포함하는 주문요청 정보를 상기 매장의 포스단말로 전달되도록 처리하는 주문 요청부와, 상기 포스단말로부터 일정 기간 동안 상기 포스단말을 통해 수행된 지정된 포스 측 주문 절차를 통해 주문 처리된 t(t≥1)개의 포스 측 주문정보에 대응하는 포스 측 주문내역을 수신하는 내역 수신부와, 상기 포스단말로 전달 처리된 장치 측 주문정보에 대응하는 장치 측 주문내역을 지정된 저장영역에 저장하고, 상기 포스단말로부터 수신된 포스 측 주문내역을 지정된 저장영역에 저장하는 내역 저장부와, 지정된 저장영역에 저장된 장치 측 주문내역과 포스 측 주문내역을 포함하는 하나 이상의 주문내역 중 지정된 기간 동안의 주문내역을 지정된 i(i≥1)개의 기준에 따라 분석하여 p(p≥1)개의 인기 상품을 결정하는 상품 결정부와, 상기 주문 인터페이스 화면을 포함하는 하나 이상의 지정된 인터페이스 화면을 통해 상기 결정된 인기 상품에 대응하는 상품정보를 출력하도록 처리하는 정보 출력부를 포함하는 주문 처리 장치를 개시한다.
이러한 주문 처리 시스템은 일정 부분 자동화를 하고 있으나, 그 효과가 극대화될 수 있으려면 자율적으로 이동하면서 주문을 처리할 수 있는 자율 이동 로봇이 필요하다.
따라서, 여러 분야에 적용될 수 있는 모듈화된 로봇 플랫폼을 구축하고, 구축된 모듈화된 로봇 플랫폼을 사용하여 스마트 물류 시스템을 구현하기 위한 기술이 절실히 요구된다.
본 발명의 목적은 다양한 분야에 요구되는 특징들을 모듈화된 형태로 자유롭게 추가할 수 있는 모듈화된 로봇 플랫폼을 제공하는 것이다.
본 발명의 다른 목적은 다양한 분야에 요구되는 특징들을 모듈화된 형태로 자유롭게 추가할 수 있는 모듈화된 로봇 플랫폼을 구축하는 방법을 제공하는 것이다.
본 발명의 또다른 목적은, 모듈화된 로봇 플랫폼을 사용하여 복잡한 물류 시스템에서 사용자가 주문한 물품을 효과적으로 피킹하고, 재고를 관리할 수 있는 스마트 물류 시스템을 제공하는 것이다.
본 발명의 또다른 목적은, 자율 주행이 가능한 자율 이동 로봇을 사용하여 구축된 스마트 물류 시스템을 사용하여 스마트 물류를 이행하는 방법을 제공하는 것이다.
본 발명의 또다른 목적은, 스마트 물류 시스템에서 사용되기 위한 자율 이동 로봇을 제공하는 것이다.
상기와 같은 목적들을 달성하기 위한 본 발명의 스마트 물류 시스템용 자율 이동 로봇(autonomous mobile robot; AMR)은, 주위의 상황을 감지하는 카메라를 포함하는 센서에 의해 생성되는 센서 신호를 출력하는 감지 모듈; 출발 위치로부터 타겟 위치까지의 경로를 생성하고, 생성된 경로에 따라서 상기 자율 이동 로봇이 자율적으로 이동하게 하는 자율 주행 모듈; 상기 센서 신호에 기반하여 인공 지능 기술을 통하여 상기 자율 주행 모듈을 학습시키고, 상기 자율 이동 로봇의 구성 요소들을 제어하는 중앙 제어 모듈; 네트워크에 연결되며, 조작자가 상기 로봇에 명령을 내릴 수 있도록 하고, 상기 자율 이동 로봇의 동작 결과를 외부로 전송하는 인터페이스 모듈; 상기 자율 이동 로봇의 구성 요소들이 설치되는 마스터 모듈; 및 상기 마스터 모듈과 결합되고, 상기 자율 이동 로봇이 설치되는 현장에서 요구되는 기능에 특화되는 엔드 이펙터(end effector)를 포함하며, 조작자의 명령에 따라 교체될 수 있는 슬레이브 모듈을 포함하고, 상기 스마트 물류 시스템은, 네트워크를 통해 사용자의 주문을 수신하고, 수신된 주문에 포함된 물품을 목표물로서 추출하여 상기 목표물의 재고 현황을 파악하며, 재고가 있는 경우 상기 자율 이동 로봇이 창고에서 상기 목표물을 피킹할 수 있도록 상기 목표물을 상기 자율 이동 로봇에게 제공하는 주문 처리 서버를 포함한다. 특히, 상기 마스터 모듈은, 상기 마스터 모듈과 상기 슬레이브 모듈의 하드웨어 사이의 결합 및 분리를 담당하는 하드웨어 매칭부; 및 상기 마스터 모듈에서 실행되는 마스터 소프트웨어의 입출력 및 상기 슬레이브 모듈에서 실행되는 슬레이브 소프트웨어의 입출력을 레퍼런스 포맷으로 변환하고, 상기 마스터 모듈 및 상기 슬레이브 모듈 사이의 통신은 상기 레퍼런스 포맷을 통하여 수행하도록 구성되는 소프트웨어 매칭부를 포함하고, 상기 슬레이브 모듈은, 슬레이브 모듈의 교체가 요청되면, 이전 슬레이브 모듈을 상기 하드웨어 매칭부로부터 분리하고, 새로운 슬레이브 모듈을 상기 하드웨어 매칭부에 연결하는 슬레이브 모듈 자동 교체부를 포함한다. 또한, 상기 슬레이브 모듈은, 상기 자율 이동 로봇이 운반할 목표물을 식별하기 위한 목표물 식별부; 식별된 목표물의 형상, 중량, 및 무게 중심을 포함하는 속성을 결정하는 목표물 속성 결정부; 및 결정된 목표물 속성에 따라서 상기 목표물을 피킹하는데 적합한 엔드 이펙터를 결정하고, 결정된 엔드 이펙터를 사용하여 상기 모듈을 피킹하는 최적의 피킹 방식을 결정하는 피킹 방식 결정부를 포함한다. 바람직하게는, 상기 중앙 제어 모듈은 상기 카메라로부터 상기 목표물의 이미지 데이터를 수신하고, 콘볼루션 신경망(convolutional neural network; CNN) 및 광역 평균 풀링(global average pooling; GAP)을 이용하여, 수신된 이미지 데이터로부터 피쳐 맵을 획득하고 재학습하여 상기 목표물의 식별 결과와 목표물 속성의 결정 결과를 개선시키도록 구성된다. 또한, 상기 자율 주행 모듈은, SLAM(simultaneous localization and mapping) 알고리즘에 기반하여 상기 자율 이동 로봇의 현재 위치를 추적하기 위한 SLAM 처리부; 상기 중앙 제어 모듈에 의해 학습되며, 출발 위치로부터 타겟 위치까지의 후보 이동 경로를 생성하는 이동 경로 생성부; 및 상기 자율 이동 로봇의 이동 중에 상기 감지 모듈의 센서 신호를 바탕으로 장애물을 판단하고, 판단된 장애물을 회피하기 위한 장애물 회피부를 포함한다. 특히, 상기 중앙 제어 모듈은, 상기 이동 경로 생성부가 상기 자율 이동 로봇이 수행할 연속적인 태스크를 고려하여 상기 후보 이동 경로를 생성하게끔 하고, 상기 태스크의 속성에 기반하여 생성된 후보 이동 경로 중 최적 이동 경로를 결정하거나, 조작자가 상기 인터페이스 모듈을 통해 최적 이동 경로를 선택하게끔 허용하도록 구성된다. 더 나아가, 상기 자율 이동 로봇은 상기 인터페이스 모듈을 통하여 상호 통신하도록 구성되고, 상기 중앙 제어 모듈은, 두 대 이상의 자율 이동 로봇이 상호 협력하여 공동의 태스크를 수행하게끔 허용하도록 구성된다.
본 발명에 의하여, 다양한 분야에 요구되는 특징들을 모듈화된 형태로 자유롭게 추가할 수 있는 모듈화된 로봇 플랫폼이 제공된다.
또한, 본 발명에 의하여, 다양한 분야에 요구되는 특징들을 모듈화된 형태로 자유롭게 추가할 수 있는 모듈화된 로봇 플랫폼을 구축하는 방법이 제공된다.
더 나아가, 본 발명에 의하여, 모듈화된 로봇 플랫폼을 사용하여 복잡한 물류 시스템에서 사용자가 주문한 물품을 효과적으로 피킹하고, 재고를 관리할 수 있는 스마트 물류 시스템이 제공된다.
또한, 본 발명에 의하여, 자율 주행이 가능한 자율 이동 로봇을 사용하여 구축된 스마트 물류 시스템을 사용하여 스마트 물류를 이행하는 방법이 제공된다.
더 나아가, 본 발명에 의하여, 스마트 물류 시스템에서 사용되기 위한 자율 이동 로봇이 제공된다.
도 1은 구성 요소들이 모듈화된 모듈화된 로봇 플랫폼을 예시하는 블록도이다.
도 2는 모듈화된 로봇 플랫폼에 포함된 마스터 모듈을 예시하는 도면이다.
도 3은 모듈화된 로봇 플랫폼에 포함된 슬레이브 모듈을 예시하는 도면이다.
도 4는 모듈화된 로봇 플랫폼에 포함된 자율 주행 모듈을 예시하는 도면이다.
도 5는 모듈화된 로봇 플랫폼이 물품 이송을 위해 사용될 경우 다양하게 적재된 물품들을 예시하는 도면이다
도 6은 구성 요소들이 모듈화된 모듈화된 로봇 플랫폼을 구축하는 방법을 예시하는 흐름도이다.
도 7은 모듈화된 로봇 플랫폼을 사용하여 구현된 스마트 물류 시스템을 예시하는 블록도이다.
도 8은 모듈화된 로봇 플랫폼을 사용하여 구현된 스마트 물류 시스템의 구축 개념도이다.
도 9는 모듈화된 로봇 플랫폼을 사용하여 구현된 스마트 물류 시스템에서 물류 이행을 수행하는 과정을 예시하는 흐름도이다.
도 2는 모듈화된 로봇 플랫폼에 포함된 마스터 모듈을 예시하는 도면이다.
도 3은 모듈화된 로봇 플랫폼에 포함된 슬레이브 모듈을 예시하는 도면이다.
도 4는 모듈화된 로봇 플랫폼에 포함된 자율 주행 모듈을 예시하는 도면이다.
도 5는 모듈화된 로봇 플랫폼이 물품 이송을 위해 사용될 경우 다양하게 적재된 물품들을 예시하는 도면이다
도 6은 구성 요소들이 모듈화된 모듈화된 로봇 플랫폼을 구축하는 방법을 예시하는 흐름도이다.
도 7은 모듈화된 로봇 플랫폼을 사용하여 구현된 스마트 물류 시스템을 예시하는 블록도이다.
도 8은 모듈화된 로봇 플랫폼을 사용하여 구현된 스마트 물류 시스템의 구축 개념도이다.
도 9는 모듈화된 로봇 플랫폼을 사용하여 구현된 스마트 물류 시스템에서 물류 이행을 수행하는 과정을 예시하는 흐름도이다.
본 발명과 본 발명의 동작상의 이점 및 본 발명의 실시에 의하여 달성되는 목적을 충분히 이해하기 위해서는 본 발명의 바람직한 실시예를 예시하는 첨부 도면 및 첨부 도면에 기재된 내용을 참조하여야만 한다.
이하, 첨부한 도면을 참조하여 본 발명의 바람직한 실시예를 설명함으로써 본 발명을 상세히 설명한다. 그러나, 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며, 설명하는 실시예에 한정되는 것이 아니다. 그리고, 본 발명을 명확하게 설명하기 위하여 설명과 관계없는 부분은 생략되며, 도면의 동일한 참조부호는 동일한 부재임을 나타낸다.
도 1은 구성 요소들이 모듈화된 모듈화된 로봇 플랫폼을 예시하는 블록도이다.
도 1에서 모듈화된 로봇 플랫폼(110)은 감지 모듈(110), 자율 주행 모듈(130), 중앙 제어 모듈(150), 인터페이스 모듈(160), 마스터 모듈(170), 및 슬레이브 모듈(190)을 포함한다.
감지 모듈(110)은 자율 이동 로봇(autonomous mobile robot; AMR) 주위의 상황을 감지하는 카메라를 포함하여 다양한 센서를 포함할 수 있다. 감지 모듈(110)에 포함될 수 있는 센서에는 레이더 센서, 가속도 센서, 위치 센서, 자이로 센서, 레이더 센서, 및 라이더 센서 등이 더 포함될 수 있다. 감지 모듈(110)에 포함되는 센서가 많을수록 자율 이동 로봇 주위의 환경이 더 정밀하게 측정될 수 있다. 감지 모듈(110)에 포함되는 센서는 로봇 공학 분야에 포함된 종래의 모든 센서가 포함될 수 있으므로, 명세서의 간략화를 위하여 더 상세한 설명이 생략된다.
자율 주행 모듈(130)은 할당된 태스크를 수행하기 위하여 자율 이동 로봇의 이동 경로를 설정하고, 설정된 경로에서 장애물을 회피하면서 자율적으로 자율 이동 로봇을 이동시킨다. 이 때, 장애물을 회피하기 위해 자율 이동 로봇의 소정 위치에는 장애물 감지부가 구비되어 자율 이동 로봇의 진행 경로 사방에 위치하는 장애물을 감지하고 이를 회피하여 주행한다. 자율 주행 모듈(130)은 회전반경의 제한이 없는 자유도 휠을 포함하여 전후주행 및 좌우 수평주행이 가능할 수 있다. 자율 주행 모듈(130)에 포함되는 자유도 휠은 전후 직진 구동 및 좌우 수평 구동이 가능한 바퀴로써, 그 특성상 별도의 조향장치를 요하지 않고, 휠의 회전 구동 반경에 대해 거의 제한을 받지 않는 휠일 수 있다. 장애물 감지부는 적외선 센서, 레이저 센서, 및 라이더 센서 등의 다양한 센서를 포함하여 소정 거리에 떨어져 있는 장애물을 인식할 수 있다.
중앙 제어 모듈(150)은 감지 모듈(110)로부터 수신되는 센서 신호에 기반하여 인공 지능 기술을 통하여 자율 주행 모듈(130)을 학습시키고, 자율 이동 로봇의 구성 요소들을 제어한다. 이를 위하여, 중앙 제어 모듈(150)은 합성곱 신경망(CNN) 및 LSTM 등의 인공 지능 기술을 활용하여 구성요소들의 객체 인식 능력 및 자율 주행 능력을 향상시킬 수 있다.
CNN 기술은 인공 지능에서 대상의 인식을 위해 사용하는 기법으로 기존의 신경망 네트워크에서 이미지를 계층(Layer)으로 분리하여 보다 세밀한 이미지 인식이 가능한 알고리즘이다. CNN 기술은 이미지나 음성 인식 등의 다양한 분야에서 상용되고 있다. 또한, LSTM은 인공 지능의 신경망 네트워크에서 현재 입력 값과 과거의 입력 값을 동시에 고려하여 판단하도록 하는 RNN(Recurrent Neural Networks)의 향상된 알고리즘이다. 여기서 LSTM은 출력 단에서 구한 오차를 신경망을 거슬러 가면서 각 계수를 업데이트하여 오차를 보정하는 역전파(back propagation) 과정이 포함되며 1000단계가 넘게 거슬러 올라갈 수 있다. 따라서 RNN의 인식 과정에서 더 오래 전의 작업을 보정함으로써 인식률을 향상을 가능하게 한다.
인터페이스 모듈(160)은 네트워크에 연결되며, 조작자가 모듈화된 로봇 플랫폼(100)에 명령을 내릴 수 있도록 하고, 모듈화된 로봇 플랫폼(100)의 동작 결과를 외부로 전송한다. 인터페이스 모듈(160)을 통하여 다양한 사용자가 네트워크를 통해 모듈화된 로봇 플랫폼(100)에 접속하여 모듈화된 로봇 플랫폼(100)의 동작을 모니터링하고 제어할 수 있게 된다.
또한, 모듈화된 로봇 플랫폼(100)은 마스터 모듈(170) 및 슬레이브 모듈(190)을 포함한다.
본 명세서에서 마스터 모듈(170)이란 모듈화된 로봇 플랫폼(100)의 본체를 가리키도록 사용되고, 특히 슬레이브 모듈(190)과 쌍을 이뤄 모듈화된 로봇 플랫폼(100)의 특정 기능을 구현하는 구성 요소를 가리킨다. 또한, 본 명세서에서 슬레이브 모듈(190)이란 조작자가 요구하는 다양한 애플리케이션에 특화된 기능을 수행하기 위한 모듈로서, 특히 마스터 모듈(170)과 결합되어 모듈화된 로봇 플랫폼(100)에 자유롭게 착탈될 수 있는 구성 요소를 가리킨다. 예를 들어, 모듈화된 로봇 플랫폼(100)이 물류 시스템에서 사용될 경우, 슬레이브 모듈(190)은 물품을 감지하고 자유롭게 피킹하여 모듈화된 로봇 플랫폼(100)의 적재부에 적재하기 위한 로봇 팔로서의 동작을 수행할 수 있다. 또한, 모듈화된 로봇 플랫폼(100)이 방역이 실시되는 현장에 적용되는 경우, 슬레이브 모듈(190)은 소독액을 다양한 방향으로 분사하는 동작을 수행할 수 있다.
도 1의 모듈화된 로봇 플랫폼(100)은, 다양한 구성 요소들이 모듈화되어 있고, 특히 특정 기능을 수행하는 슬레이브 모듈(190)이 모듈화된 로봇 플랫폼(100)에 포함된 마스터 모듈(170)과 쌍을 이루도록 자유롭게 탈착될 수 있는 특징을 가진다. 그러므로, 다양한 애플리케이션에 적용될 수 있는 자율 이동 로봇을 모듈화된 로봇 플랫폼(100)을 사용하여 쉽게 구현할 수 있고, 구성 요소들의 오동작시 교체가 필요한 모듈만을 보수할 수 있으므로 유지보수 비용이 현저히 감소된다.
도 2는 모듈화된 로봇 플랫폼에 포함된 마스터 모듈을 예시하는 도면이다.
도 2 에 도시된 마스터 모듈(170)은 하드웨어 매칭부(210), 소프트웨어 매칭부(230), 및 슬레이브 모듈 자동 교체부(250)를 포함한다.
하드웨어 매칭부(210)는 마스터 모듈과 슬레이브 모듈의 하드웨어 사이의 결합 및 분리를 담당한다. 하드웨어 매칭부(210)는 리벳 결합, 볼트 결합, 슬라이딩 결합, 연결용 어댑터 등의 다양한 결합 방식을 지원하며, 다양한 하드웨어 사양을 가지는 슬레이브 모듈을 마스터 모듈과 결합시키는 역할을 수행한다. 소프트웨어 매칭부(230)는 마스터 모듈에서 실행되는 마스터 소프트웨어의 입출력 및 슬레이브 모듈에서 실행되는 슬레이브 소프트웨어의 입출력을 레퍼런스 포맷으로 변환하고, 마스터 모듈 및 슬레이브 모듈 사이의 통신을 레퍼런스 포맷을 통하여 수행함으로써, 마스터 소프트웨어 및 슬레이브 소프트웨어 간의 통신이 원활하게 이루어지도록 한다.
슬레이브 모듈 자동 교체부(250)는 슬레이브 모듈의 교체가 요청되면, 이전 슬레이브 모듈을 하드웨어 매칭부(210)로부터 분리하고, 새로운 슬레이브 모듈을 하드웨어 매칭부(210)에 연결하여 동작 환경에 따른 슬레이브 모듈의 교체를 신속하게 수행한다.
소프트웨어 매칭부(230)의 동작을 좀 더 상세히 설명하면 다음과 같다. 소프트웨어 매칭부(230)는 통일된 프로그래밍 환경, 통일된 서비스 실행 환경, 디버깅/시뮬레이션 환경, 보편화된 로봇 디바이스 하드웨어(센서, 구동장치 등)들에 대한 드라이버 패키지들, 컴퓨터 비전, 주행, 또는 로봇 매니퓰레이터 제어들과 같은 공통 기능들의 패키지들을 제공해줄 수 있어야 한다. 로봇 소프트웨어 애플리케이션에 있어서, 소프트웨어 엔지니어링 관점의 시스템 통합 문제 외에도, 로봇 관련 알고리즘 연구가 필요하다. 로봇 소프트웨어 플랫폼이 통합 가능한, 고신뢰성의 알고리즘 컴포넌트를 제공하는 경우, 복잡한 알고리즘 개발 프로젝트를 보다 더 수월하게 진행시킬 수 있다.
따라서, 소프트웨어 매칭부(230)는 로봇의 운동 및 거동을 제어할 수 있는 다수의 상용 플랫폼들의 기능을 규격화하거나 통일화하는 역할을 수행한다. 예를 들어, 제어 소프트웨어는 일반적인 로봇 프로젝트의 수행에 있어서 전체 비용의 상당한 부분을 차지한다. 산업용 자동화 프로젝트의 경우, 약 80% 정도의 비용이 소프트웨어 개발과 커스터마이징을 포함한 시스템 통합에 지출된다. 따라서, 소프트웨어 매칭부(230)는 이러한 자동화 프로젝트를 통일화하여 프로젝트가 더 빨리 구현될 수 있도록 한다.
또한, 소프트웨어 매칭부(230)는 특정한 서비스를 제공하기 위한 로봇 시스템은 기구부와 구동부, 센서로 이루어지는 기계적인 파트, 관절의 위치 정보로부터, 관절을 제어하는 알고리즘을 구현하는 제어기 파트, 제어기의 출력을 구동부에 가해주고, 센서 출력을 제어기로 전송하는 인터페이스로서의 역할을 수행할 수 있다.
도 3은 모듈화된 로봇 플랫폼에 포함된 슬레이브 모듈을 예시하는 도면이다.
슬레이브 모듈(190)은 목표물 식별부(310), 목표물 속성 결정부(330), 피킹 방식 결정부(350), 및 엔드 이펙터(370)를 포함한다.
목표물 식별부(310)는 자율 이동 로봇이 운반할 목표물을 식별하고, 해당 목표물이 현재 적재된 위치를 파악하는 역할을 수행한다. 이하, 설명의 편의를 위하여 모듈화된 로봇 플랫폼을 사용한 자율 이동 로봇이 스마트 물류 시스템에서 동작하는 상황을 예시한다. 이는 이해의 편의를 위한 것일 뿐 본 발명은 이에 한정되지 않는 것이 명백하다.
목표물 속성 결정부(330)는 식별된 목표물의 형상, 중량, 및 무게 중심을 포함하는 속성을 결정한다. 본 발명에서, 모듈화된 로봇 플랫폼을 사용하여 개발된 자율 이동 로봇에 포함된 목표물 속성 결정부(330)는 목표물의 신뢰성있고 안전한 피킹을 보장하는 역할을 한다. 예를 들어, 피킹할 목표물은 다양한 형상과 중량, 무게 중심 등의 속성을 가질 수 있다. 판상의 넓은 형상을 가지는 목표물의 경우, 해당 목표물은 수평의 형태 또는 수직으로 세워진 형태로 적재하고 이동하는 것이 바람직할 수 있다. 또한, 원형이나 타원형의 목표물의 경우, 피킹 과정이나 이동 중에 목표물이 굴러가서 파손되는 것을 방지하는 것이 필요하다. 따라서, 이러한 목표물의 경우에는 피킹과 이송 과정에서 목표물의 움직임을 방지할 수 있는 결박 장치가 필요할 수 있다. 또한, 목표물이 돌출되거나 함몰된 손잡이 등을 가지는 경우, 목표물 속성 결정부(330)는 해당 손잡이 부분을 사용하여 목표물을 피킹하거나 파지할 수 있다고 결정할 수 있다. 특히, 목표물이 불규칙한 형상을 가지고 있는 경우, 피킹 방식 결정부(350)는 이러한 속성을 파악하고, 목표물의 무게 중심을 고려하여 바람직한 파지 방식을 선택할 수 있다. 예를 들어, 무게 중심이 좌측에 편중된 것으로 판단되면, 피킹 방식 결정부(350)는 좌측에 더 많은 힘을 가하여 목표물을 파지하도록 결정할 수 있다. 이러한 무게 중심의 편중을 고려하지 않고 목표물을 파지할 경우에는 파지 과정 또는 이동 중에 목표물이 낙하하여 파손되는 사고가 발생될 수 있다.
피킹 방식 결정부(350)는 이러한 목표물 속성을 고려하여 목표물을 적재할 수 있는 다양한 방식도 고려할 수 있다. 예를 들어, 목표물이 박스 형태인 경우, 큰 부피와 단면적을 가지는 목표물을 아래쪽에 적재함으로써 적재된 타워의 안정성을 도모할 수 있다. 그리고, 피킹 방식 결정부(350)는 현재 적재된 목표물들 사이의 공간에 추가적으로 적재되기에 적합한 형상을 판단하고, 판단된 형상에 상응하는 목표물의 속성을 결정할 수도 있다. 이와 같이, 목표물 속성 결정부(330)는 목표물의 속성을 파악하고, 피킹 방식 결정부(350)는 파악된 결과를 바탕으로 목표물을 파지, 피킹, 이송하며, 효율적으로 적재할 수 있다.
본 명세서에서 엔드 이펙터(370)는 현장에 특화된 동작을 수행하기 위한 하드웨어적인 구성 요소를 가리키도록 사용된다. 예를 들어, 로봇의 자유도의 크기 또는 폐회로 루프의 존재 여부에 따라, 시스템의 기구학적 특성은 크게 다르게 된다. 또한, 관절에 구동기가 있느냐 없느냐에 따른 시스템의 구동성의 분포에 따라, 시스템의 제어 입력 배분을 달리 해야 하며, 특정 네트워크 구조의 통신 오버헤드에 기인하는 제어 주기의 제한이 존재하는 경우, 시스템은 다른 구조를 취해야 할 수도 있다. 뿐만 아니라, 특정 운동을 구현하기 위한 제어 입력의 크기에 의해서 관절의 모터의 출력은 달라져야 한다. 일반적으로, 엔드 이펙터(370)는 시행 착오를 동반한 휴리스틱한 접근 방법에 의해 결정될 수 있다.
도 4는 모듈화된 로봇 플랫폼에 포함된 자율 주행 모듈을 예시하는 도면이다.
자율 주행 모듈(130)은 SLAM 처리부(410), 이동 경로 생성부(430), 및 장애물 회피부(450)를 포함한다.
SLAM 처리부(410)는 SLAM(simultaneous localization and mapping) 알고리즘에 기반하여 상기 자율 이동 로봇의 현재 위치를 추적한다. SLAM 알고리즘을 구현하는 과정에서, 적외선 센서, 레이더 센서, 및 라이더 센서들의 추가적인 센서 정보가 활용될 수 있음은 주지된 바와 같다. SLAM 처리부(410)에 의해서, 자율 이동 로봇은 자신의 현재 위치를 전체 맵에 매핑할 수 있다.
이동 경로 생성부(430)는 중앙 제어 모듈에 의해 학습되며, 출발 위치로부터 타겟 위치까지의 후보 이동 경로, 및 타겟 위치로부터 피킹 스테이션까지의 후보 이동 경로를 생성할 수 있다. 이동 경로 생성부(430)가 이동 경로를 생성하는 방법은 주지된 최적화 알고리즘을 활용할 수 있다. 그러므로, 명세서의 간략화를 위하여 추가적인 설명이 생략된다.
장애물 회피부(450)는 자율 이동 로봇의 이동 중의 충돌을 방지한다. 장애물에 의해서 자율 이동 로봇의 경로가 변경된 경우, 변경된 현재 위치를 SLAM 처리부(410)로부터 수신하고, 수신된 위치로부터 타겟 위치까지의 새로운 경로를 실시간으로 생성하는 것이 필요하다.
장애물 감지 센서가 자율 이동 로봇의 모서리에 설치되는 경우, 모서리 부분에 구비된 장애물 센서 중 하나는 대각 방향에서 좌우로 넓은 시야를 제공할 있고, 대각 방향으로 구비된 장애물 센서 중 일부는 자율 이동 로봇의 진행 방향에 대해 사방 360도 전 범위에 위치하는 장애물을 감지하게 된다.
장애물 회피부(450)는 이동 경로 상에 위치되거나, 이동 경로에 등장하는 장애물과 자율 이동 로봇가 충돌할 가능성이 있는 경우, 충돌 가능성을 감지하여 장애물을 회피하도록 새로운 이동 경로를 설정한다. 이 과정에서, 장애물 회피부(450)는 중앙 제어 모듈로 이러한 충돌 위험 신호를 송신하고, 중앙 제어 모듈은 이러한 충돌 위험 신호를 수신하여 새로운 경로를 설정할 수 있다.
도 5는 모듈화된 로봇 플랫폼이 물품 이송을 위해 사용될 경우 다양하게 적재된 물품들을 예시하는 도면이다. 목표물들은 창고에 적재된 상태일 수도 있고, 자율 이동 로봇에 의해서 피킹 스테이션을 이동되는 상태일 수도 있다.
도 5를 참조하면, 왼쪽에는 가장 큰 부피를 가지는 목표물들이 적재되지만, 우측으로 갈수록 적재되는 목표물의 부피가 작아지고 불규칙해진다는 것을 알 수 있다. 도 3에서 설명한 바와 같이, 이러한 적재 상태 등 목표물의 다양한 속성을 목표물 속성 결정부가 결정하고, 피킹 방식 결정부는 이러한 속성에 바탕하여 가장 바람직한 피킹 방식을 결정할 수 있다. 물론, 피킹한 목표물을 피킹 스테이션에 언로딩하는 경우, 피킹 방식 결정부는 피킹 방식이 아니라 언로딩 방식을 결정할 수도 있다.
도 5에 도시된 바와 같이, 목표물의 다양한 형상에 따라서, 목표물의 피킹 방식과 언로딩 방식이 자동으로 결정될 수 있기 때문에, 피킹 또는 언로딩 과정에서 생길 수 있는 사고를 미연에 방지하고, 자율 이동 로봇의 동작 효율을 극대화할 수 있다.
도 6은 구성 요소들이 모듈화된 모듈화된 로봇 플랫폼을 구축하는 방법을 예시하는 흐름도이다.
우선, 자율 이동 로봇에 포함되는 다양한 구성 요소들을 준비한다(S610). 자율 이동 로봇에 포함되는 구성 요소들은 전술된 바와 같이, 주변 상황을 감지하는 카메라를 포함하는 센서에 의해 생성되는 센서 신호를 출력하는 감지 모듈, 출발 위치로부터 타겟 위치까지의 경로를 생성하고, 생성된 경로에 따라서 상기 자율 이동 로봇이 자율적으로 이동하게 하는 자율 주행 모듈, 상기 센서 신호에 기반하여 인공 지능 기술을 통하여 상기 자율 주행 모듈을 학습시키고, 상기 자율 이동 로봇의 구성 요소들을 제어하는 중앙 제어 모듈, 네트워크에 연결되며, 및 조작자가 상기 로봇에 명령을 내릴 수 있도록 하고, 상기 자율 이동 로봇의 동작 결과를 외부로 전송하는 인터페이스 모듈을 포함할 수 있다.
구성 요소들이 준비되면, 자율 이동 로봇의 마스터 모듈에 자율 이동 로봇의 구성 요소들을 설치한다(S620). 그러면, 특정한 태스크에 특화된 슬레이브 모듈을 제공한다(S630). 전술된 바와 같이, 슬레이브 모듈은 자율 이동 로봇의 마스터 모듈과 결합되고, 자율 이동 로봇이 설치되는 현장에서 요구되는 기능에 특화되는 엔드 이펙터(end effector)를 포함할 수 있다. 또한, 슬레이브 모듈은 조작자의 명령에 따라 자유롭게 교체될 수도 있다.
이제, 제공된 슬레이브 모듈과 마스터 모듈의 하드웨어들을 매칭시킴으로써 슬레이브 모듈과 마스터 모듈을 결합시킨다(S640). 이와 같이, 특정 애플리케이션이나 태스크에 특화된 슬레이브 모듈을 자유롭게 교체하여 마스터 모듈에 결합시킬 수 있으므로, 모듈화된 로봇 플랫폼을 사용하여 쉽고 용이하게 특화된 자율 이동 로봇을 구현할 수 있고, 모듈별로 유지보수할 수 있으므로 유지보수 비용이 현저하게 절감될 수 있다.
마스터 모듈과 슬레이브 모듈의 하드웨어가 매칭되면, 마스터 및 슬레이브 소프트웨어의 입출력을 레퍼런스 포맷으로 변환하고, 모듈 사이의 통신을 레퍼런스 포맷을 통하여 수행한다(S650). 이러한 과정을 소프트웨어 매칭 단계라고 여겨질 수 있다. 즉, 소프트웨어 매칭 단계에서는 마스터 모듈에서 실행되는 마스터 소프트웨어의 입출력 및 슬레이브 모듈에서 실행되는 슬레이브 소프트웨어의 입출력을 레퍼런스 포맷으로 변환하고, 마스터 모듈 및 슬레이브 모듈 사이의 통신을 레퍼런스 포맷을 통하여 수행할 수 있다.
이렇게 모듈화된 로봇 플랫폼을 구현하면, 슬레이브 모듈의 교체가 요청되면, 이전 슬레이브 모듈을 하드웨어 매칭부로부터 분리하고, 새로운 슬레이브 모듈을 하드웨어 매칭부에 연결함으로써 슬레이브 모듈을 자동으로 교체할 수 있다(S660).
하드웨어 및 소프트웨어 매칭 기술에 관해서 좀더 상세히 설명하면 다음과 같다. 우선, 각각의 자율 이동 로봇을 독자적으로 개발할 경우, 각 구성 요소 설계자들 사이의 정보 및 지식 공유의 어려움, 전체 시스템 통합에 대한 통찰력의 부재 등으로 인해 각 구성 요소 설계자의 경험에 기반한 경험적 접근 방법으로 대치되기 때문에, 전체 시스템 의 통합성의 질은 저하될 수 밖에 없다.
통상적인 로봇 시스템의 개발 과정은 기구 설계 및 조립, 전자부 통합, 제어 알고리즘의 개발, 제어 알고리즘 임베디드화 및 시스템 통합의 과정으로 요약될 수 있다. 기구 설계 및 조립과정에서는 기구 메커니즘 설계, 작업공간 해석, 구동력 해석, 구동기 및 센서 선정 등의 세부 과정이 포함될 수 있다. 전자부 통합 과정에서는 제어 보드의 설계 및 구현, 디바이스 드라이버 등을 구현하여 기구와 통합한다. 제어 알고리즘 개발 과정에서는 제어 구조 설계 및 실시간 제어 커널의 구현, 제어 프로토콜 구현 등이 이루어 진다. 마지막으로 제어 알고리즘 임베디드화 및 시스템 통합 과정에서는 전 단계에서 개발 완료된 각 구성 요소들을 통합하여 테스트하는 과정을 거쳐 로봇 시스템을 완성한다.
여기서 주목해야 할 점은 각 과정이 공통된 소프트웨어 개발 요소를 포함하고 있으면서도 각 과정에서 요구되는 엔지니어링 요소가 상이하여 각 과정이 독립적인 프로세스처럼 작업된다는 것이다. 이러한 독립성은 개발되는 로봇 시스템의 복잡도가 증가할수록 뚜렷하다. 예를 들어 기구 설계 및 조립 과정에서는 기구의 작업공간 해석 등을 위해 기본적인 구동 알고리즘 및 시뮬레이션 소프트웨어가 개발되어야 하며 전자부 통합 과정에서는 제어 보드 상호간의 통신과 제어 구조의 유효성을 검증하기 위해 역시 비슷한 소프트웨어의 개발이 필요하다. 또 개발된 제어 알고리즘은 시스템 통합 및 임베디드화를 위해서 수정되어야 한다. 로봇 소프트웨어 엔지니어링의 관점에서 볼 때 이러한 독립성은 통합을 어렵게 하는 주요 원인이 된다.
시스템 개발 환경에서 이러한 일들을 쉽게 할 수 있도록 지원할 필요가 있는데, 이상적인 경우, 시스템 설계에 서 적용한 알고리즘 코드를 전혀 변경하지 않고, 실시간 제어 환경에서 쓸 수 있을 뿐만 아니라, 임베디드 환경에서도 이용할 수 있으면, 시스템의 래피드 프로토타이핑(rapid prototyping)에 큰 도움이 될 뿐만 아니라, 시스템 구현에 있어서의 오류도 줄여 줄 것이다.
종래의 로봇 시스템의 문제점을 요약하면 다음과 같다.
첫째, 로봇 시스템 구현의 복잡한 과정을 반영하지 못하고 있다. 즉 기구 설계 및 조립, 전자부 통합, 제어 알고리즘의 개발, 제어 알고리즘 임베디드화 및 시스템 통합 등의 전체 과정을 고려하여 개발된 것이 아니라 그 중 일부분에서만 사용될 수 있기 때문에 각 과정에서 공통적으로 일어나는 소프트웨어 개발의 중복을 피할 수 없다.
둘째, 로봇 소프트웨어 플랫폼으로서 제공해야 하는 재사용 가능한 소프트웨어 컴포넌트를 충분히 제공하지 못한다. 특히 로봇 제어를 위한 운동학 및 동역학 라이브러리 제공과 실시간 제어를 위한 고려가 부족하다.
마지막으로, 로봇 엔지니어의 관점에서 필요한 여러 부가 기능들, 예를 들어 CAD 툴에서 모델링된 데이터를 시뮬레이션이나 제어기 구현에서 그대로 활용할 수 없다거나 실험결과를 저장하고 분석하기 위한 툴을 제공하지 않는다.
이와 같이, 개별적 개발 방식은 로봇 및 기술의 재활용 측면에서 비효율적인 면이 존재한다. 즉, 기존에 개발되어 있는 로봇과 유사한 기술로 개발 가능하나 일부 기능의 차이나 기술의 적용 때문에 새로이 개발 과정을 거쳐야 하는 경우가 많다. 이에 따라 현재까지 개발된 각종 로봇 기술들을 유지하고 통합하는 플랫폼이 요구되는 것이다.
본 명세서에 소개되는 것과 같은 모듈화된 로봇 플랫폼을 구현하면, 전술된 문제점들이 효과적으로 해소될 수 있다.
또한, 인터페이스 모듈을 통해 자율 이동 로봇 간의 상호 통신이 가능하기 때문에, 두 대 이상의 자율 이동 로봇이 상호 협력하여 공동의 태스크를 수행할 수도 있다(S670).
도 7은 모듈화된 로봇 플랫폼을 사용하여 구현된 스마트 물류 시스템을 예시하는 블록도이다.
모듈화된 로봇 플랫폼을 사용한 스마트 물류 시스템(700)은, 네트워크(740)에 연결되는 복수 개의 사용자 단말(710, 712, 714), 주문 처리 서버(750), 복수 개의 자율 이동 로봇(770, 772, 774), 및 물품들이 보관되는 웨어하우스(790)를 포함한다.
주문 처리 서버(750)는 네트워크를 통해 복수 개의 사용자 단말(710, 712, 714)로부터 사용자의 주문을 수신하고, 수신된 주문에 포함된 물품을 목표물로서 추출하여 목표물의 재고 현황을 파악하며, 재고가 있는 경우 자율 이동 로봇(770, 772, 774)이 웨어하우스(790)에서 목표물을 피킹할 수 있도록 목표물을 자율 이동 로봇(770, 772, 774)에게 제공한다.
목표물에 대한 정보가 제공되면, 자율 이동 로봇(770, 772, 774)는 목표물까지의 경로를 설정하여 자율적으로 이동한 후, 목표물의 속성에 따라서 바람직한 피킹 방식을 선택한다. 그러면, 자율 이동 로봇(770, 772, 774)은 피킹된 목표물을 안정하게 적재한 후, 패킹 스테이션까지 자율주행한다. 패킹 스테이션에 도착하면, 자율 이동 로봇(770, 772, 774)는 적재된 목표물을 언로딩한다. 그러면, 주문 처리 서버(750)는 웨어하우스(790)로부터 해당 목표물이 소모되었음을 기록하여 재고 현황을 관리한다.
자율 이동 로봇(770, 772, 774)은 원하는 목표물을 식별하기 위하여 목표물에 인쇄된 바코드 등의 태그를 독출하여 판독할 수도 있고, 목표물에 부착된 태그에 인쇄된 텍스트를 인식하여 처리할 수도 있다. 예를 들어, 자율 이동 로봇(770, 772, 774)은 각 목표물에 기록된 정보를 OCR로 인식함으로써 해당 목표물을 식별할 수 있다. 텍스트 인식을 위하여, 인공 지능의 DPM, CNN, LSTM, 딥러닝(Deep learning) 기법들이 사용되어 OCR 인식률을 향상시킬 수 있다.
전술된 바와 같이, 자율 이동 로봇(770, 772, 774)는 다양한 구성 요소들이 모듈화된 플랫폼을 사용하여 구현될 수 있다. 특히, 마스터 모듈에 포함된 하드웨어 매칭부 및 소프트웨어 매칭부가, 자율 이동 로봇(770, 772, 774)에 포함되는 다양한 슬레이브 모듈과의 하드웨어 및 소프트웨어 매칭을 담당하는 것은 전술된 바와 같다.
특히, 자율 이동 로봇(770, 772, 774)에 포함된 슬레이브 모듈은 교체가 요청되면, 슬레이브 모듈 자동 교체부를 사용하여 자동으로 교체될 수 있기 때문에, 자율 이동 로봇(770, 772, 774)이 다양한 분야에 신속하여 적용될 수 있게 된다. 이를 위하여, 자율 이동 로봇(770, 772, 774)에 포함된 슬레이브 모듈이, 목표물 식별부, 목표물 속성 결정부, 및 피킹 방식 결정부를 포함할 수 있는 것은 전술된 바와 같다.
도 8은 모듈화된 로봇 플랫폼을 사용하여 구현된 스마트 물류 시스템의 구축 개념도이다.
도 8에 도시된 바와 같이 스마트 물류 플랫폼은 빅데이터에 기반하여 기업의 물류 정보를 분석할 수 있고, 물류 자원을 공유할 수 있다. 최첨단화된 자율 이동 로봇이 자율주행하여 물품들을 자동으로 픽업할 수 있고, 재고 현황 등이 자동으로 관리될 수 있다.
특히, 1인 가구가 늘어남에 따라 소량 다품종 주문 증가와 전자상거래 발달로 인한 화물량 증가에 더해져 2020년 초 코로나19 확산으로 인한 전자상거래 비중이 지속적으로 증가하고 있기 때문에, 대형 마트가 온라인 스토어와 같이 상품 입고부터 소비자 주문처리까지 모든 과정을 일괄 처리하는 '풀필먼트(fulfillment)'가 주목받고 있는 상황이고, 본 명세서에 기재된 모듈화된 로봇 플랫폼과 스마트 물류 시스템에 따르면 필요한 물건이 있는 선반 위치까지 자율주행 로봇이 작업자를 선도하여 필요한 물건을 피킹할 수 있다.
이러한 자율 이동 로봇 및 스마트 물류 시스템을 도입하면, 중소 규모의 업체도 합리적인 가격으로 스마트 물류 이송 시스템 도입할 수 있고, 물류 처리 비용이 감소되기 때문에 소비자에게 비교적 저렴한 가격에 제품을 공급할 수 있다. 또한, 작업 환경이 개선되기 때문에 생산성이 향상되고, ICT 기술 기반의 물류 시스템이 구현되기 때문에 데이터 기반의 비즈니스 환경을 조성하여 물류 산업의 디지털화 촉진에 기여할 수 있다. 작업자의 노동력이 저감되어 피로도를 낮추고, 부상 위험을 방지하여 안전한 작업장을 구현할 수 있는 것은 물론이다.
도 9는 모듈화된 로봇 플랫폼을 사용하여 구현된 스마트 물류 시스템에서 물류 이행을 수행하는 과정을 예시하는 흐름도이다.
우선, 네트워크를 통해 사용자로부터 주문을 수신한다(S910). 그러면, 수신된 주문에 포함된 물품을 목표물로서 추출하여 목표물의 재고 현황을 파악하고, 재고가 있는 경우 자율 이동 로봇(autonomous mobile robot; AMR)이 웨어하우스에서 상기 목표물을 피킹할 수 있도록 목표물을 하나 이상의 자율 이동 로봇에게 제공한다(S930). 자율 이동 로봇이 목표물을 추출하기 위하여 주문서에 기재된 목표물을 OCR을 통하여 판독할 수 있고, 이 과정에서 머신 러닝 기법이 활용될 수 있음은 전술된 바와 같다.
목표물을 수신하면, 자율 이동 로봇은 출발 위치로부터 목표물에 보관된 타겟 위치까지의 경로를 생성하고 생성된 경로를 따라 자율적으로 이동하여 목표물을 피킹한다(S950). 목표물을 피킹하기 위하여 목표물의 속성을 결정하고, 결정된 목표물의 속성에 따라서 가장 적합한 피킹 방식을 선택할 수 있음도 전술된 바와 같다. 물론, 목표물의 속성에 따른 바람직한 피킹 방법은 룩업 테이블의 형태로 사전에 저장될 수도 있다. 이를 통하여 물품 피킹과 이송 과정에서의 손실을 최소화한다.
물품이 피킹되면, 자율 이동 로봇이 타겟 위치로부터 목표물을 패킹하기 위한 패킹 스테이션까지의 경로를 생성하고, 생성된 경로를 따라 자율적으로 이동하여 목표물을 패킹한다(S970). 패킹된 목표물은 사용자가 주문한 지점까지 배송될 수 있다.
이와 같이 목표물이 패킹되면, 웨어하우스에서 패킹된 목표물의 수량을 재고 현황에서 공제함으로써 웨어하우스에 보관된 목표물을 스마트하게 관리할 수 있다(S990).
이와 같은 풀필먼트 시스템(fulfillment system)은 고객의 주문 처리 과정을 대행해주는 서비스로서, 상품 입고, 보관, 포장, 운송, 반품 처리 등의 작업을 통합적으로 관리해주는 시스템이다. 특히, 본 명세서에 기재된 스마트 물류 시스템은 별도의 장비 또는 설비의 설치 없이 주문이 발생하면 자율 주행 기반 로봇이 제품 위치를 확인하고 필요한 물건이 있는 선반까지 최적 경로로 작업자를 선도, 직관적인 피킹 시스템을 통해 필요한 물건을 피킹 후 이송하기 때문에 작업자 혼자 피킹부터 포장까지 처리할 수 있다. 또한, 사용자 친화적 인터페이스를 이용하여 손쉬운 운영이 가능하며, 정확한 위치로 작업자를 선도하여 피킹 오류를 줄일 수 있고, 다양한 크기와 재질의 상자를 적재할 수 있다. 더 나아가, 실시간 지능형 대시보드를 이용해 제품의 주문 및 반품 등 추세를 실시간으로 확인하고 문제 상황에 대해 사전 알림을 제공할 수 있다.
특히, 동선이 최적화되고 자율 이동 로봇이 작업자를 선도하기 때문에 이동 경로가 짧아져서 작업자의 노동력이 저감되고, 자율 주행 기반 장애물 회피 기능을 통해 로봇과 작업자가 작업 공간을 공유할 수 있기 때문에 공간 활용도가 증대됨은 물론, 작업자의 부상 위험을 줄이고, 물류 이송의 부담을 덜어 작업 환경 개선 가능을 통한 생산성 향상이 가능해진다. 특히, 자율 이동 로봇의 선도를 통해 작업할 수 있고 목표물의 속성에 따라 최적의 피킹 방식을 선택하기 때문에, 미숙련 작업자도 짧은 교육으로 현장 실무에 바로 투입될 수 있어서, 생산성이 극대화된다. 더 나아가, 모듈화된 로봇 플랫폼을 사용하여 자율 이동 로봇을 구현하기 때문에 시스템 구축의 시간 및 비용이 감소된다.
본 발명은 도면에 도시된 실시예를 참고로 설명되었으나 이는 예시적인 것에 불과하며, 본 기술 분야의 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시예가 가능하다는 점을 이해할 것이다. 예를 들면, 본 발명의 자율 이동 로봇은 스마트 물류 시스템에서 사용되는 것으로 기술되었으나, 의료기관 내 감염병 확산 방지를 위한 소독 분사 기능을 갖춘 UV 방역 로봇으로서도 활용될 수 있고, 특정 지역을 청소를 담당하는 청소 로봇으로서도 활용될 수 있다.
또한, 본 발명에 따르는 방법은 컴퓨터로 읽을 수 있는 기록 매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록 매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록 장치를 포함할 수 있다. 컴퓨터가 읽을 수 있는 기록 매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광 데이터 저장 장치 등이 있으며, 또한 캐리어 웨이브(예를 들어 인터넷을 통한 전송)의 형태로 구현되는 것도 포함한다. 또한 컴퓨터가 읽을 수 있는 기록 매체는 네트워크로 연결된 분산 컴퓨터 시스템에 의하여 분산 방식으로 실행될 수 있는 컴퓨터가 읽을 수 있는 코드를 저장할 수 있다.
본 명세서에서 사용되는 용어에서 단수의 표현은 문맥상 명백하게 다르게 해석되지 않는 한 복수의 표현을 포함하는 것으로 이해되어야 하고, "포함한다" 등의 용어는 설시된 특징, 수, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함을 의미하는 것이지, 하나 또는 그 이상의 다른 특징들이나 개수, 단계 동작 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 배제하지 않는 것으로 이해되어야 한다. 그리고, 명세서에 기재된 "...부", "...기", "모듈", "블록" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어나 소프트웨어 또는 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다.
따라서, 본 실시예 및 본 명세서에 첨부된 도면은 본 발명에 포함되는 기술적 사상의 일부를 명확하게 나타내고 있는 것에 불과하며, 본 발명의 명세서 및 도면에 포함된 기술적 사상의 범위 내에서 당업자가 용이하게 유추할 수 있는 변형 예와 구체적인 실시예는 모두 본 발명의 권리범위에 포함되는 것이 자명하다고 할 것이다.
본 기술은 로봇 분야에 적용될 수 있고, 특히 모듈화된 로봇 플랫폼을 활용한 스마트 물류 시스템에 적용될 수 있다.
110 : 감지 모듈 130 : 자율 주행 모듈
150 : 중앙 제어 모듈 160 : 인터페이스 모듈
170 : 마스터 모듈 190 : 슬레이브 모듈
210 : 하드웨어 매칭부 230 : 소프트웨어 매칭부
250 : 슬레이브 모듈 자동 교체부 310 : 목표물 식별부
330 : 목표물 속성 결정부 350 : 피킹 방식 결정부
370 : 엔드 이펙터 410 : SLAM 처리부
430 : 이동 경로 생성부 450 : 장애물 회피부
710, 712, 714 : 사용자 단말 740 : 네트워크
750 : 주문 처리 서버 770, 772, 774 : 자율 이동 로봇
790 : 웨어하우스
150 : 중앙 제어 모듈 160 : 인터페이스 모듈
170 : 마스터 모듈 190 : 슬레이브 모듈
210 : 하드웨어 매칭부 230 : 소프트웨어 매칭부
250 : 슬레이브 모듈 자동 교체부 310 : 목표물 식별부
330 : 목표물 속성 결정부 350 : 피킹 방식 결정부
370 : 엔드 이펙터 410 : SLAM 처리부
430 : 이동 경로 생성부 450 : 장애물 회피부
710, 712, 714 : 사용자 단말 740 : 네트워크
750 : 주문 처리 서버 770, 772, 774 : 자율 이동 로봇
790 : 웨어하우스
Claims (8)
- 스마트 물류 시스템용 자율 이동 로봇(autonomous mobile robot; AMR)으로서,
상기 스마트 물류 시스템은, 네트워크를 통해 사용자의 주문을 수신하고, 수신된 주문에 포함된 물품을 목표물로서 추출하여 상기 목표물의 재고 현황을 파악하며, 재고가 있는 경우 상기 자율 이동 로봇이 창고에서 상기 목표물을 피킹할 수 있도록 상기 목표물을 상기 자율 이동 로봇에게 제공하는 주문 처리 서버를 포함하고,
상기 자율 이동 로봇은,
주위의 상황을 감지하는 카메라를 포함하는 센서에 의해 생성되는 센서 신호를 출력하는 감지 모듈;
출발 위치로부터 타겟 위치까지의 경로를 생성하고, 생성된 경로에 따라서 상기 자율 이동 로봇이 자율적으로 이동하게 하는 자율 주행 모듈;
상기 센서 신호에 기반하여 인공 지능 기술을 통하여 상기 자율 주행 모듈을 학습시키고, 상기 자율 이동 로봇의 구성 요소들을 제어하는 중앙 제어 모듈;
네트워크에 연결되며, 조작자가 상기 로봇에 명령을 내릴 수 있도록 하고, 상기 자율 이동 로봇의 동작 결과를 외부로 전송하는 인터페이스 모듈;
상기 자율 이동 로봇의 구성 요소들이 설치되는 마스터 모듈; 및
상기 마스터 모듈과 결합되고, 상기 자율 이동 로봇이 설치되는 현장에서 요구되는 기능에 특화되는 엔드 이펙터(end effector)를 포함하며, 조작자의 명령에 따라 교체될 수 있는 슬레이브 모듈을 포함하며,
상기 마스터 모듈은,
상기 마스터 모듈과 상기 슬레이브 모듈의 하드웨어 사이의 결합 및 분리를 담당하는 하드웨어 매칭부; 및
상기 마스터 모듈에서 실행되는 마스터 소프트웨어의 입출력 및 상기 슬레이브 모듈에서 실행되는 슬레이브 소프트웨어의 입출력을 레퍼런스 포맷으로 변환하고, 상기 마스터 모듈 및 상기 슬레이브 모듈 사이의 통신은 상기 레퍼런스 포맷을 통하여 수행하도록 구성되는 소프트웨어 매칭부;를 포함하고,
상기 슬레이브 모듈은:
소정의 애플리케이션에 특화된 서로 다른 기능을 수행하는 복수개의 슬레이브 모듈을 포함하되,
로봇 팔로서의 동작을 수행하는 슬레이브 모듈 및
소독액을 분사하는 슬레이브 모듈을 포함하고,
상기 자율 이동 로봇은:
상기 서로 다른 기능을 수행하는 복수개의 슬레이브 모듈 중 어느 하나와 결합된 상태로 동작하는 것을 특징으로 하는 스마트 물류 시스템용 자율 이동 로봇. - 제1항에 있어서,
상기 슬레이브 모듈은,
슬레이브 모듈의 교체가 요청되면, 이전 슬레이브 모듈을 상기 하드웨어 매칭부로부터 분리하고, 새로운 슬레이브 모듈을 상기 하드웨어 매칭부에 연결하는 슬레이브 모듈 자동 교체부를 포함하는 것을 특징으로 하는 스마트 물류 시스템용 자율 이동 로봇. - 제2항에 있어서,
상기 슬레이브 모듈은,
상기 자율 이동 로봇이 운반할 목표물을 식별하기 위한 목표물 식별부;
식별된 목표물의 형상, 중량, 및 무게 중심을 포함하는 속성을 결정하는 목표물 속성 결정부; 및
결정된 목표물 속성에 따라서 상기 목표물을 피킹하는데 적합한 엔드 이펙터를 결정하고, 결정된 엔드 이펙터를 사용하여 상기 모듈을 피킹하는 최적의 피킹 방식을 결정하는 피킹 방식 결정부를 포함하는 것을 특징으로 하는 스마트 물류 시스템용 자율 이동 로봇. - 제3항에 있어서,
상기 중앙 제어 모듈은,
상기 카메라로부터 상기 목표물의 이미지 데이터를 수신하고, 콘볼루션 신경망(convolutional neural network; CNN) 및 광역 평균 풀링(global average pooling; GAP)을 이용하여, 수신된 이미지 데이터로부터 피쳐 맵을 획득하고 재학습하여 상기 목표물의 식별 결과와 목표물 속성의 결정 결과를 개선시키도록 구성되는 것을 특징으로 하는 스마트 물류 시스템용 자율 이동 로봇. - 제1항에 있어서,
상기 자율 주행 모듈은,
SLAM(simultaneous localization and mapping) 알고리즘에 기반하여 상기 자율 이동 로봇의 현재 위치를 추적하기 위한 SLAM 처리부;
상기 중앙 제어 모듈에 의해 학습되며, 출발 위치로부터 타겟 위치까지의 후보 이동 경로를 생성하는 이동 경로 생성부; 및
상기 자율 이동 로봇의 이동 중에 상기 감지 모듈의 센서 신호를 바탕으로 장애물을 판단하고, 판단된 장애물을 회피하기 위한 장애물 회피부를 포함하는 것을 특징으로 하는 스마트 물류 시스템용 자율 이동 로봇. - 제5항에 있어서,
상기 중앙 제어 모듈은,
상기 이동 경로 생성부가 상기 자율 이동 로봇이 수행할 연속적인 태스크를 고려하여 상기 후보 이동 경로를 생성하게끔 하고,
상기 태스크의 속성에 기반하여 생성된 후보 이동 경로 중 최적 이동 경로를 결정하거나, 조작자가 상기 인터페이스 모듈을 통해 최적 이동 경로를 선택하게끔 허용하도록 구성되는 것을 특징으로 하는 스마트 물류 시스템용 자율 이동 로봇. - 제1항에 있어서,
상기 자율 이동 로봇은 상기 인터페이스 모듈을 통하여 상호 통신하도록 구성되고,
상기 중앙 제어 모듈은, 두 대 이상의 자율 이동 로봇이 상호 협력하여 공동의 태스크를 수행하게끔 허용하도록 구성되는 것을 특징으로 하는 스마트 물류 시스템용 자율 이동 로봇. - 제1항에 있어서,
상기 중앙 제어 모듈은,
네트워크를 통해 연결되는 웹 환경 또는 모바일 환경을 통해 조작자에 의해 제어되도록 구성되는 것을 특징으로 하는 스마트 물류 시스템용 자율 이동 로봇.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210095566A KR102362205B1 (ko) | 2021-07-21 | 2021-07-21 | 스마트 물류 시스템용 자율 이동 로봇 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210095566A KR102362205B1 (ko) | 2021-07-21 | 2021-07-21 | 스마트 물류 시스템용 자율 이동 로봇 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102362205B1 true KR102362205B1 (ko) | 2022-02-15 |
Family
ID=80325213
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210095566A KR102362205B1 (ko) | 2021-07-21 | 2021-07-21 | 스마트 물류 시스템용 자율 이동 로봇 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102362205B1 (ko) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102590004B1 (ko) * | 2022-07-29 | 2023-10-16 | 주식회사 케이피씨전자 | Ai를 이용한 지게차 포크 구동 제어 시스템 |
| KR102636634B1 (ko) * | 2022-09-16 | 2024-02-14 | 이현 | 복수의 로봇암부를 이용한 상품 계산 로봇 장치 |
| KR20240041103A (ko) | 2022-09-22 | 2024-03-29 | (주)에이텍모빌리티 | 스마트창고시스템을 위한 픽업로봇 고정밀 위치보정방법 |
| WO2024101522A1 (ko) * | 2022-11-10 | 2024-05-16 | 엘지전자 주식회사 | 로봇 이동 제어 방법 및 이를 구현하는 관제 서버 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20080113685A (ko) * | 2007-06-25 | 2008-12-31 | 성균관대학교산학협력단 | 모듈화된 모바일 로봇 시스템 |
| KR20150072650A (ko) | 2013-12-20 | 2015-06-30 | 송진영 | 프리패브리케이션 주거공간 확장 유닛을 이용한 아파트의 주거공간 확장 공법 |
| KR20180109107A (ko) * | 2017-03-27 | 2018-10-08 | (주)로직아이텍 | 매장 및 창고에서 활용할 수 있는 지능형 카트로봇장치 |
| KR20190075635A (ko) | 2017-12-21 | 2019-07-01 | 주식회사 한화 | 위경 고도 좌표계를 기반으로 하는 비행 모델의 입체영상 생성 장치 및 그 방법 |
| JP2020107142A (ja) * | 2018-12-27 | 2020-07-09 | パナソニックＩｐマネジメント株式会社 | 認識方法、認識システム、ロボット制御方法、ロボット制御システム、ロボットシステム、認識プログラム、及びロボット制御プログラム |
| JP2020177647A (ja) * | 2019-04-16 | 2020-10-29 | 富士通株式会社 | 画像処理装置及びその訓練装置と訓練方法 |
| KR20200126774A (ko) * | 2019-04-30 | 2020-11-09 | 한국기계연구원 | 적층형 모듈로봇 |
-
2021
- 2021-07-21 KR KR1020210095566A patent/KR102362205B1/ko active IP Right Grant
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20080113685A (ko) * | 2007-06-25 | 2008-12-31 | 성균관대학교산학협력단 | 모듈화된 모바일 로봇 시스템 |
| KR20150072650A (ko) | 2013-12-20 | 2015-06-30 | 송진영 | 프리패브리케이션 주거공간 확장 유닛을 이용한 아파트의 주거공간 확장 공법 |
| KR20180109107A (ko) * | 2017-03-27 | 2018-10-08 | (주)로직아이텍 | 매장 및 창고에서 활용할 수 있는 지능형 카트로봇장치 |
| KR20190075635A (ko) | 2017-12-21 | 2019-07-01 | 주식회사 한화 | 위경 고도 좌표계를 기반으로 하는 비행 모델의 입체영상 생성 장치 및 그 방법 |
| JP2020107142A (ja) * | 2018-12-27 | 2020-07-09 | パナソニックＩｐマネジメント株式会社 | 認識方法、認識システム、ロボット制御方法、ロボット制御システム、ロボットシステム、認識プログラム、及びロボット制御プログラム |
| JP2020177647A (ja) * | 2019-04-16 | 2020-10-29 | 富士通株式会社 | 画像処理装置及びその訓練装置と訓練方法 |
| KR20200126774A (ko) * | 2019-04-30 | 2020-11-09 | 한국기계연구원 | 적층형 모듈로봇 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102590004B1 (ko) * | 2022-07-29 | 2023-10-16 | 주식회사 케이피씨전자 | Ai를 이용한 지게차 포크 구동 제어 시스템 |
| KR102636634B1 (ko) * | 2022-09-16 | 2024-02-14 | 이현 | 복수의 로봇암부를 이용한 상품 계산 로봇 장치 |
| KR20240041103A (ko) | 2022-09-22 | 2024-03-29 | (주)에이텍모빌리티 | 스마트창고시스템을 위한 픽업로봇 고정밀 위치보정방법 |
| WO2024101522A1 (ko) * | 2022-11-10 | 2024-05-16 | 엘지전자 주식회사 | 로봇 이동 제어 방법 및 이를 구현하는 관제 서버 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102362205B1 (ko) | 스마트 물류 시스템용 자율 이동 로봇 | |
| KR102383648B1 (ko) | Ai기반의 자율주행이 가능한 모듈화된 로봇 플랫폼을 사용한 스마트 물류 이행 방법 | |
| Custodio et al. | Flexible automated warehouse: a literature review and an innovative framework | |
| JP7269291B2 (ja) | 協調的在庫監視 | |
| Lee et al. | Smart robotic mobile fulfillment system with dynamic conflict-free strategies considering cyber-physical integration | |
| JP6759512B2 (ja) | カスタマイズ可能な目標に基づく倉庫レイアウトの最適化 | |
| EP2724202B1 (en) | Robot-enabled case picking | |
| US20190138674A1 (en) | Automatic analysis of real time conditions in an activity space | |
| CN110422529B (zh) | 一种货物自动运输的实现方法和系统 | |
| US11693403B2 (en) | Dynamic allocation and coordination of auto-navigating vehicles and selectors | |
| Fottner et al. | Autonomous systems in intralogistics–state of the art and future research challenges | |
| KR20180109120A (ko) | 매장 및 창고에서 로봇을 활용한 주문상품 자동 수집 방법과 시스템 | |
| KR102382268B1 (ko) | 복수의 물류 디바이스에 대한 통합 관리 방법 및 통합 관리 디바이스 | |
| Cronin et al. | State-of-the-art review of autonomous intelligent vehicles (AIV) technologies for the automotive and manufacturing industry | |
| KR102362256B1 (ko) | Ai기반의 자율주행이 가능한 모듈화된 로봇 플랫폼을 사용한 스마트 물류 시스템 | |
| KR102321318B1 (ko) | 모듈화된 로봇 플랫폼 | |
| JP2023168562A (ja) | ハンドリングシステム | |
| Binos et al. | Intelligent agent based framework to augment warehouse management systems for dynamic demand environments | |
| Kuhl et al. | Warehouse Digital Twin: Simulation Modeling and Analysis Techniques | |
| Furmans et al. | Future technologies in intralogistics and material handling | |
| Wurll et al. | Production logistics with mobile robots | |
| KR102321329B1 (ko) | 모듈화된 로봇 플랫폼의 구축 방법 | |
| Lourenço et al. | On the design of the ROBO-PARTNER intra-factory logistics autonomous robot | |
| WO2022193762A1 (zh) | 用于控制搬运机器人的方法和设备 | |
| Rhiat et al. | Combining mobile robotics and packing for optimal deliveries |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |