WO2021215813A1 - 무인 자율주행차량의 경로제어장치 및 경로제어방법 - Google Patents

무인 자율주행차량의 경로제어장치 및 경로제어방법 Download PDF

Info

Publication number
WO2021215813A1
WO2021215813A1 PCT/KR2021/004986 KR2021004986W WO2021215813A1 WO 2021215813 A1 WO2021215813 A1 WO 2021215813A1 KR 2021004986 W KR2021004986 W KR 2021004986W WO 2021215813 A1 WO2021215813 A1 WO 2021215813A1
Authority
WO
WIPO (PCT)
Prior art keywords
path
search algorithm
environment
algorithm
autonomous vehicle
Prior art date
Application number
PCT/KR2021/004986
Other languages
English (en)
French (fr)
Inventor
정희운
Original Assignee
호서대학교 산학협력단
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 호서대학교 산학협력단 filed Critical 호서대학교 산학협력단
Publication of WO2021215813A1 publication Critical patent/WO2021215813A1/ko

Links

Images

Classifications

    • 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
    • G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
    • 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

Definitions

  • the present invention relates to a path control device and a path control method for an unmanned autonomous vehicle, and more particularly, an unmanned autonomous vehicle capable of searching a route of an unmanned autonomous vehicle by flexibly applying a route search algorithm according to a factory internal environment. It relates to a path control device and a path control method of
  • an unmanned autonomous vehicle can drive according to various guidelines implemented by wires installed at the bottom of the ground or in the air, optical or magnetic tapes installed on the ground or wall, and the like.
  • laser may have a large error depending on the reflectance of a target object, and magnetic tape requires full reinstallation when changing a factory layout or equipment layout.
  • the autonomous driving method that combines R_CNN, YOLO, SSD-based object recognition with lidar coordinate information can reduce the initial infrastructure introduction cost as described above.
  • general R-CNN-based object recognition has high accuracy, there is a problem in that it takes a long time to search for a path because calculations are made for each of up to 2000 regions.
  • An object of the present invention is to provide a path control device and a path control method for an unmanned autonomous vehicle that can effectively search a route that can effectively reach an unmanned autonomous vehicle's destination while reducing the amount of computation required for route search .
  • the problem to be solved by the present invention is a path control device and path control method for an unmanned autonomous vehicle that can increase the efficiency of calculation by applying different types of path search algorithms depending on the degree of static and dynamic environment of a manufacturing plant. is to provide
  • an object to be solved by the present invention is to provide a path control apparatus and a path control method for an unmanned autonomous vehicle capable of performing flexible route search of an unmanned autonomous vehicle according to factory complexity in a 5G or higher communication environment.
  • a path control apparatus for an unmanned autonomous vehicle detects environmental information inside a factory in which the unmanned autonomous vehicle runs, and calculates the degree of internal change and space complexity based on the environment information measuring unit; and a path calculator configured to calculate a driving path of the unmanned autonomous vehicle by a hybrid path search algorithm set based on the internal gradient and the spatial complexity; and comparing the internal gradient with a first reference value to determine whether the inside of the factory corresponds to a dynamic environment or a static environment, and if it corresponds to the dynamic environment, configures the hybrid path search algorithm as a first path search algorithm, and the static environment If , the hybrid path search algorithm is configured as a second path search algorithm, and by comparing the spatial complexity with a second reference value, it is determined whether the inside of the factory corresponds to a simple environment or a complex environment, and if the simple environment corresponds to the simple environment, the and a controller configured to configure the hybrid route search algorithm as a third route search algorithm and configure the hybrid route search algorithm as the first route search algorithm
  • the first path search algorithm is a dista algorithm, which is an algorithm for finding all the shortest paths to one destination.
  • the second path search algorithm is an A-Star algorithm, which is an algorithm for finding the shortest path from one vertex to another vertex.
  • the third path search algorithm is a Dijkstra algorithm, which is an algorithm for finding the shortest path from one vertex to all other vertices.
  • the environmental information includes at least one of an internal facility arrangement, a type of work, and a work flow
  • the degree of internal change includes whether or not a worker moves, a frequency of movement, and a degree of change in the work flow.
  • the spatial complexity is the number of facilities arranged in the space, whether a simple or complex path is present, whether a wall exists in the driving space, and the number of facilities disposed in the space. It is characterized in that it includes at least one of the number of workers, the arrangement of the walls, and the size of the space.
  • a path control method of an unmanned autonomous vehicle includes detecting environmental information inside a factory in which the unmanned autonomous vehicle runs, and calculating an internal change degree and space complexity based on the environmental information step; and calculating the driving path of the unmanned autonomous vehicle by a hybrid path search algorithm set based on the internal gradient and the spatial complexity, wherein the internal gradient of the factory is compared with a first reference value.
  • the hybrid route search algorithm is configured as a first route search algorithm, and if it corresponds to the static environment, the hybrid route search algorithm is used as a second route search algorithm and compares the spatial complexity with a second reference value to determine whether the inside of the factory corresponds to a simple environment or a complex environment, and if it corresponds to the simple environment, configures the hybrid path search algorithm as a third path search algorithm, and If it corresponds to the environment, the hybrid path search algorithm is configured as the first path search algorithm, and a weight is set to each of the internal gradient and the spatial complexity based on a predetermined criterion.
  • the route control method of the unmanned autonomous vehicle includes: inside a factory in which the unmanned autonomous vehicle drives detecting environmental information of , and calculating an internal gradient and spatial complexity based on the environmental information; and calculating the driving route of the unmanned autonomous vehicle by a hybrid route search algorithm set based on the internal gradient and the spatial complexity, wherein the internal gradient of the factory is compared with a first reference value.
  • the hybrid route search algorithm is configured as a first route search algorithm, and if it corresponds to the static environment, the hybrid route search algorithm is used as a second route search algorithm and compares the spatial complexity with a second reference value to determine whether the inside of the factory corresponds to a simple environment or a complex environment, and if it corresponds to the simple environment, configures the hybrid path search algorithm as a third path search algorithm, and If it corresponds to the environment, the hybrid path search algorithm is configured as the first path search algorithm, and a weight is set to each of the internal gradient and the spatial complexity based on a predetermined criterion.
  • FIG. 1 is a block diagram showing the configuration of a path control apparatus for an unmanned autonomous vehicle according to the present invention.
  • FIGS. 2A and 2B are diagrams for explaining an embodiment in which a path control apparatus for an unmanned autonomous vehicle according to the present invention configures a path search algorithm.
  • 3A and 3B are diagrams for explaining another embodiment in which the path control apparatus of an unmanned autonomous vehicle according to the present invention configures a path search algorithm.
  • FIGS. 4A and 4B are diagrams for explaining another embodiment in which a path control apparatus for an unmanned autonomous vehicle according to the present invention configures a path search algorithm.
  • FIG. 5 is a diagram illustrating a path control process of an unmanned autonomous vehicle according to the present invention.
  • FIG. 6 is a diagram illustrating a computing device for performing path control of an unmanned autonomous vehicle according to an embodiment of the present invention.
  • 'and/or' includes a combination of a plurality of listed items or any of a plurality of listed items.
  • 'A or B' may include 'A', 'B', or 'both A and B'.
  • FIG. 1 is a block diagram showing the configuration of a path control apparatus for an unmanned autonomous vehicle according to the present invention.
  • the route control apparatus 100 for an unmanned autonomous vehicle can flexibly apply a route search algorithm according to whether the inside of a factory is a static environment or a dynamic environment and space complexity.
  • an automatic guided vehicle refers to an industrial vehicle that moves automatically without a driver.
  • AGV is a representative solution that automatically moves materials in a manufacturing facility or distribution center, and can effectively replace simple and repetitive material movement.
  • the path control apparatus 100 for an unmanned autonomous vehicle may include a measurement unit 110 , a path calculation unit 120 , and a control unit 130 .
  • the measurement unit 110 may detect environmental information inside a factory in which the unmanned autonomous vehicle drives, and calculate the degree of internal change and space complexity based on the environmental information.
  • the environmental information may include internal facility arrangement, work type, work flow, and the like.
  • the degree of internal change may include whether or not the worker moves and the frequency of movement, the degree of change in the work flow, whether or not obstacles occur and the frequency of occurrence.
  • the space complexity may include the number of facilities arranged in the space, whether it has a simple path or a complex path, the size of the space, the number of workers present in the space, and the like.
  • the measurement unit 110 may include various types of sensors for collecting environmental information. Specifically, the measurement unit 110 may include a camera, an image sensor, a lidar sensor, a radar sensor, a distance sensor, a depth sensor, a human body sensor, a temperature sensor, a humidity sensor, and the like.
  • the route calculator 120 may calculate the driving route of the unmanned autonomous vehicle by a hybrid route search algorithm.
  • the hybrid route search algorithm may be configured as an appropriate route search algorithm corresponding to the factory internal environment.
  • the control unit 130 may determine whether the inside of the factory corresponds to a dynamic environment or a static environment by comparing the internal gradient with the first reference value. Specifically, when the internal gradient is equal to or greater than the first reference value, it may be determined that the dynamic environment corresponds to the dynamic environment, and if the internal gradient is less than the first reference value, it may be determined that the internal gradient corresponds to the static environment.
  • the first reference value may be set corresponding to at least one of a type of an unmanned autonomous vehicle, a type of work performed, and a driving method.
  • the first reference value is set large, and the factory In the case of carrying out a transport operation from an internal starting point to a destination, it is determined that it is greatly affected by the internal change of the factory, and the first reference value may be set small.
  • the controller 130 may compare the space complexity with the second reference value to determine whether the inside of the factory corresponds to a simple environment or a complex environment. For example, in the case of building a logistics system in a warehouse or the like and loading or transporting goods using an unmanned autonomous vehicle, if shelves are complexly arranged in the warehouse, the internal environment may correspond to a complex environment. If the interior of the space corresponds to a complex environment, the path that the unmanned autonomous vehicle must travel becomes complicated accordingly. In addition, as the moving line becomes more complicated, the amount of calculation for calculating the driving route increases.
  • the second reference value may be set corresponding to at least one of an area inside the factory, a type of equipment disposed inside the factory, and an arrangement type.
  • the controller 130 may configure a hybrid path search algorithm based on at least one of an internal gradient and a spatial complexity. In this case, the controller 130 may configure the hybrid path search algorithm as at least one of a first path search algorithm, a second path search algorithm, and a third path search algorithm.
  • the control unit 130 configures the hybrid path search algorithm as the first path search algorithm when the inside of the factory corresponds to a dynamic environment, and configures the hybrid route search algorithm as the second route search algorithm when the inside of the factory corresponds to the static environment. It can be configured as a path search algorithm.
  • the first path search algorithm may be an algorithm for finding all the shortest paths to one destination.
  • the first path search algorithm may be a D* algorithm.
  • the second path search algorithm may be an algorithm for finding the shortest path from one vertex to another vertex.
  • the second path search algorithm may be an A-Star algorithm (A* algorithm).
  • the control unit 130 may configure the hybrid route search algorithm as the third route search algorithm.
  • the third path search algorithm may be an algorithm for finding the shortest path from one vertex to all other vertices.
  • the third path search algorithm may be a Dijkstra algorithm.
  • Algorithms that are often used to control the path are Dijkstra's Algorithm, A-Star Algorithm, and Dis-Star Algorithm, and each has the following characteristics.
  • Dijkstra's algorithm is the most used as a basic algorithm, but it has the disadvantage of taking a long time in a complex environment with many nodes.
  • the A-Star algorithm does not take as long to operate as Dijkstra's algorithm, but it does not always guarantee the shortest path, and in a dynamic environment, it stops and re-calculates, so it is less efficient.
  • the Dista algorithm does not stop even in a dynamic environment and uses back pointer information to perform real-time calculations, but it consumes a lot of memory.
  • the characteristics of each path search algorithm are comprehensively considered, and the path search algorithm is flexibly applied depending on whether the inside of the factory is a static environment or a dynamic environment and space complexity.
  • the Dis-Star algorithm is applied in a dynamic environment, and Dijkstra's algorithm is applied in an environment with low space complexity with a small or simple path, It is possible to achieve the optimization of the route search and the amount of computation required for the route search. Through this, the control efficiency of the autonomous driving AGV can be increased.
  • the controller 130 may set a weight to each of the internal gradient and the spatial complexity based on a predetermined criterion. Specifically, the controller 130 may configure a path search algorithm that is preferentially optimized for the internal gradient by setting a higher weight to the internal gradient.
  • FIGS. 2A and 2B are diagrams for explaining an embodiment in which a path control apparatus for an unmanned autonomous vehicle according to the present invention configures a path search algorithm.
  • the path control apparatus 100 of the unmanned autonomous vehicle may determine whether the inside of the factory corresponds to a dynamic environment or a static environment, and configure a hybrid path search algorithm based on this.
  • the hybrid route search algorithm may be configured as the first route search algorithm.
  • the first path search algorithm is an algorithm for finding all the shortest paths to one destination, and may be, for example, a Disstar algorithm.
  • Disstar algorithm (D*, Dynamic A*) considers driving in an environment that is only partially known, it is advantageous in a dynamic environment compared to the A-Star algorithm.
  • the A-Star algorithm recalculates the route from the current position after stopping, but the Dis-Star algorithm uses back pointer information to the maximum to reduce the amount of calculation.
  • the driving target AGV 210 travels from a current location (source) inside a factory to a destination (destination).
  • a plurality of work tables 201, 202, 203, and 204 are arranged inside the factory.
  • a plurality of other AGVs (220, 230, 240, 250) are each autonomously driving in the interior space.
  • the path control device 100 of the unmanned autonomous vehicle may be disposed at a predetermined location inside the factory or outside the factory according to an embodiment.
  • the path control device 100 of the unmanned autonomous vehicle calculates the degree of internal change. For example, it is possible to estimate the occurrence and frequency of occurrence of obstacles while driving and calculate them numerically. The calculated numerical value is compared with the first reference value, and based on this, it is determined whether the internal environment is a dynamic environment or a static environment.
  • the frequency of occurrence of obstacles during driving increases accordingly. Accordingly, the interior space corresponds to a dynamic environment that changes in real time. In this case, the path is searched by applying the dista algorithm.
  • the hybrid route search algorithm may be configured as a second route search algorithm.
  • the second path search algorithm is an algorithm for finding the shortest path from one vertex to another vertex, and may be, for example, the A-Star algorithm.
  • the A-Star algorithm uses a method of estimating the shortest path using the heuristic (h) value.
  • the heuristic is to estimate the cost of the shortest path from the current node to the target node based on experience. In this case, since it is an estimate, it may not be like that value when you actually move it.
  • the driving target AGV 210 travels from a current location (source) inside a factory to a destination (destination).
  • a plurality of work tables 201, 202, 203, and 204 are arranged inside the factory.
  • the plurality of workbenches 201 , 202 , 203 , and 204 are fixed, and there is no other AGV that is running, so the possibility of an obstacle occurring while driving is low.
  • the interior space corresponds to a static environment. In this case, the path is searched using the A-Star algorithm.
  • 3A and 3B are diagrams for explaining another embodiment in which the path control apparatus of an unmanned autonomous vehicle according to the present invention configures a path search algorithm.
  • the path control apparatus 100 of the unmanned autonomous vehicle may determine the spatial complexity inside the factory, and configure a hybrid path search algorithm based thereon.
  • the hybrid path search algorithm may be configured as the first path search algorithm.
  • the first path search algorithm is an algorithm for finding all the shortest paths to one destination, and may be, for example, a Disstar algorithm.
  • the driving target AGV 210 travels from a current location (source) inside a factory to a destination (destination). Inside the factory, a complex-shaped wall is installed.
  • the path control device 100 of the unmanned autonomous vehicle calculates the space complexity. For example, the presence or absence of a wall in the driving space, the number of walls, the number of branches of the wall, the arrangement shape of the wall, etc. may be measured and calculated numerically. The calculated numerical value is compared with the second reference value, and based on this, it is determined whether the internal environment is a complex space or a simple space.
  • the inner space can be considered to correspond to a complex environment. Accordingly, similar to the dynamic environment of FIG. 2A , a path is searched by applying the dista algorithm.
  • the hybrid route search algorithm may be configured as a third route search algorithm.
  • the third path search algorithm is an algorithm for finding the shortest path from one vertex to all other vertices, and may be, for example, Dijkstra's algorithm.
  • Dijkstra's algorithm is the most basic path finding algorithm.
  • the A-Star algorithm uses the heuristic (h) value to estimate the shortest path, so it has a disadvantage that it may not be like that value when actually moving.
  • h heuristic
  • the memory load increases because all the shortest paths to one destination are found. Therefore, by using Dijkstra's algorithm in a low space complexity environment with a simple path, it is possible to reduce the memory load and search for a more reliable shortest path.
  • the driving target AGV 210 drives from a current location (source) inside a factory to a destination (destination).
  • a single wall with a simple shape is installed inside the factory.
  • the simple shape of the wall 320 makes the travel path a simple shape. Therefore, it can be seen that the internal space corresponds to a simple environment. In this case, the path is searched by applying Dijkstra's algorithm.
  • FIGS. 4A and 4B are diagrams for explaining another embodiment in which a path control apparatus for an unmanned autonomous vehicle according to the present invention configures a path search algorithm.
  • the path control apparatus 100 of the unmanned autonomous vehicle may determine the spatial complexity based on the scale inside the factory, and configure a hybrid path search algorithm based on this. Specifically, if the internal area of the factory is equal to or greater than the third reference value, it may be determined that the spatial complexity is high, and if the internal area of the factory is less than the third reference value, it may be determined that the spatial complexity is low.
  • the size of the inner space illustrated in FIG. 4B is smaller than the size of the inner space illustrated in FIG. 4A .
  • the space to be driven becomes wider, and as the mileage increases, the predictive variables in the driving process also increase. Accordingly, the smaller the scale or size of the internal space, the lower the space complexity may be considered.
  • the spatial complexity of the inner space is high, the path is searched using the Dista algorithm, and in the case of FIG. 4B, since the spatial complexity of the inner space is low, the path is searched using the Dijkstra's algorithm.
  • FIG. 5 is a diagram illustrating a path control process of an unmanned autonomous vehicle according to the present invention.
  • An internal change degree is calculated based on the sensed environmental information (S502).
  • the path control apparatus 100 of the unmanned autonomous vehicle may detect environmental information inside a factory in which the unmanned autonomous vehicle drives, and calculate the degree of internal change based on the environmental information.
  • the environmental information may include internal facility arrangement, work type, work flow, and the like.
  • the degree of internal change may include whether or not the worker moves and the frequency of movement, the degree of change in the work flow, whether or not obstacles occur and the frequency of occurrence.
  • the path control apparatus 100 of the unmanned autonomous vehicle may perform learning by artificial intelligence and determine whether it corresponds to a dynamic environment or a static environment based on the learning result.
  • learning by artificial intelligence may include learning methods such as deep learning and machine learning.
  • the route must be changed in real time for avoidance driving. Accordingly, it can be determined that the dynamic environment corresponds to the dynamic environment.
  • a route search algorithm optimized for a dynamic environment may be used.
  • the hybrid route search algorithm is configured as a first route search algorithm for finding all the shortest routes to one destination (S505).
  • the first path search algorithm may be a D* algorithm.
  • the Disstar algorithm can be used for real-time fast calculation and path control.
  • the hybrid path search algorithm is configured as a second path search algorithm for finding the shortest path from one vertex to another (S515).
  • the second path search algorithm may be an A-Star algorithm (A* algorithm).
  • A* algorithm A-Star algorithm
  • the driving path of the unmanned autonomous vehicle is calculated by the hybrid path search algorithm (S506).
  • the driving route of the unmanned autonomous vehicle may be calculated by software mounted on the route control device 100 of the unmanned autonomous vehicle. Such software can intelligently select based on traffic, distance traveled and other variables to route each AGV to the most efficient route. In addition, if a route is blocked by a person or another AGV, it may indicate a change to another route.
  • the movement of the unmanned autonomous vehicle is controlled (S507).
  • FIG. 6 is a diagram illustrating a computing device for performing path control of an unmanned autonomous vehicle according to an embodiment of the present invention.
  • the computing device TN100 of FIG. 6 may be the path control device 100 of the unmanned autonomous vehicle described herein.
  • the computing device TN100 may include at least one processor TN110 , a transceiver device TN120 , and a memory TN130 .
  • the computing device TN100 may further include a storage device TN140 , an input interface device TN150 , an output interface device TN160 , and the like.
  • Components included in the computing device TN100 may be connected by a bus TN170 to communicate with each other.
  • the processor TN110 may execute a program command stored in at least one of the memory TN130 and the storage device TN140.
  • the processor TN110 may mean a central processing unit (CPU), a graphics processing unit (GPU), or a dedicated processor on which methods according to an embodiment of the present invention are performed.
  • the processor TN110 may be configured to implement procedures, functions, methods, and the like described in connection with an embodiment of the present invention.
  • the processor TN110 may control each component of the computing device TN100 .
  • Each of the memory TN130 and the storage device TN140 may store various information related to the operation of the processor TN110 .
  • Each of the memory TN130 and the storage device TN140 may be configured as at least one of a volatile storage medium and a nonvolatile storage medium.
  • the memory TN130 may include at least one of a read only memory (ROM) and a random access memory (RAM).
  • the transceiver TN120 may transmit or receive a wired signal or a wireless signal.
  • the transceiver TN120 may be connected to a network to perform communication.
  • the embodiment of the present invention is not implemented only through the apparatus and/or method described so far, and a program for realizing a function corresponding to the configuration of the embodiment of the present invention or a recording medium in which the program is recorded may be implemented. And, such an implementation can be easily implemented by those skilled in the art from the description of the above-described embodiments.

Landscapes

  • Engineering & Computer Science (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Automation & Control Theory (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Artificial Intelligence (AREA)
  • Medical Informatics (AREA)
  • Game Theory and Decision Science (AREA)
  • Evolutionary Computation (AREA)
  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

무인 자율주행차량의 경로제어장치 및 경로제어방법이 개시된다. 이에 의하면, 무인 자율주행차량의 경로제어장치는, 무인 자율주행차량이 주행하는 공장 내부의 환경정보를 감지하고, 환경정보에 기초하여 내부변화도 및 공간복잡도를 산정하는 측정부; 와, 내부변화도 및 공간복잡도에 기초하여 설정되는 하이브리드 경로 탐색 알고리즘에 의해 무인 자율주행차량의 주행 경로를 계산하는 경로 산출부; 및 내부변화도와 제1기준값을 비교하여 공장 내부가 동적 환경 또는 정적 환경에 해당하는지 판단하고, 동적 환경에 해당하면 하이브리드 경로 탐색 알고리즘을 제1 경로 탐색 알고리즘으로 구성하고, 정적 환경에 해당하면 하이브리드 경로 탐색 알고리즘을 제2 경로 탐색 알고리즘으로 구성하며, 공간복잡도와 제2기준값을 비교하여 공장 내부가 단순한 환경 또는 복잡한 환경에 해당하는지 판단하고, 단순한 환경에 해당하면 하이브리드 경로 탐색 알고리즘을 제3 경로 탐색 알고리즘으로 구성하고 복잡한 환경에 해당하면 하이브리드 경로 탐색 알고리즘을 제1 경로 탐색 알고리즘으로 구성하는 제어부를 포함한다.

Description

무인 자율주행차량의 경로제어장치 및 경로제어방법
본 발명은 무인 자율주행차량의 경로제어장치 및 경로제어방법에 관한 것으로서, 보다 구체적으로 공장 내부 환경에 따라 경로 탐색 알고리즘을 유연하게 적용하여 무인 자율주행차량의 경로를 탐색할 수 있는 무인 자율주행차량의 경로제어장치 및 경로제어방법에 관한 것이다.
최근 대형 공장에서는 제조 설비 또는 창고 주변의 자재 이동을 위해 무인 자율주행차량(automated guided vehicle: AGV)이 사용되고 있다. 일반적으로 무인 자율주행차량은 지면 하단이나 공중에 설치된 와이어, 지면이나 벽면에 설치된 광학 또는 마그네틱 테이프 등으로 구현되는 다양한 방식의 가이드라인을 따라 주행할 수 있다.
레이저나 마그네틱 테이프 기반 방식의 경우, 공장 내에서의 완전 자율주행 실행에 제약이 존재한다. 예를 들어, 레이저는 대상이 되는 물체의 반사율에 따른 오차가 클 수 있고, 마그네틱 테이프는 공장 레이아웃 변경 또는 설비 배치 변경 시 전면 재설치가 필요하다.
반면, R_CNN, YOLO, SSD 기반 객체 인식과 Lidar 좌표 정보를 결합한 자율주행 방식은 상기와 같은 초기 인프라 도입 비용을 줄일 수 있다. 그러나, 일반적인 R-CNN 기반의 객체 인식은 정확도는 높으나 2000개에 달하는 영역(region)에 대해 각각 연산이 이루어져 하므로 경로 탐색에 시간이 오래 걸리는 문제점이 존재한다.
따라서, 경로 탐색을 위해 필요한 연산량을 줄이면서도, 무인 자율주행차량이 도착점까지 효과적으로 도달할 수 있는 경로를 탐색할 수 있는 경로 탐색 알고리즘이 요구된다.
본 발명이 해결하고자 하는 과제는, 경로 탐색에 요구되는 연산량을 줄이면서도, 무인 자율주행차량 도착점까지 효과적으로 도달 가능한 경로를 탐색할 수 있는 무인 자율주행차량의 경로제어장치 및 경로제어방법을 제공하는 것이다.
또한, 본 발명이 해결하고자 하는 과제는, 제조 공장의 정적 환경과 동적 환경 정도에 따라 다른 형태의 경로 탐색 알고리즘을 적용해 연산의 효율성을 높일 수 있는 무인 자율주행차량의 경로제어장치 및 경로제어방법을 제공하는 것이다.
나아가, 본 발명이 해결하고자 하는 과제는, 5G 이상 통신 환경에서 공장복잡도에 따른 무인 자율주행차량의 유연한 경로 탐색을 수행할 수 있는 무인 자율주행차량의 경로제어장치 및 경로제어방법을 제공하는 것이다.
본 발명의 일 실시 예에 의한 무인 자율주행차량의 경로제어장치는, 상기 무인 자율주행차량이 주행하는 공장 내부의 환경정보를 감지하고, 상기 환경정보에 기초하여 내부변화도 및 공간복잡도를 산정하는 측정부; 와, 상기 내부변화도 및 상기 공간복잡도에 기초하여 설정되는 하이브리드 경로 탐색 알고리즘에 의해 상기 무인 자율주행차량의 주행 경로를 계산하는 경로 산출부; 및 상기 내부변화도와 제1기준값을 비교하여 상기 공장 내부가 동적 환경 또는 정적 환경에 해당하는지 판단하고, 상기 동적 환경에 해당하면 상기 하이브리드 경로 탐색 알고리즘을 제1 경로 탐색 알고리즘으로 구성하고, 상기 정적 환경에 해당하면 상기 하이브리드 경로 탐색 알고리즘을 제2 경로 탐색 알고리즘으로 구성하며, 상기 공간복잡도와 제2기준값을 비교하여 상기 공장 내부가 단순한 환경 또는 복잡한 환경에 해당하는지 판단하고, 상기 단순한 환경에 해당하면 상기 하이브리드 경로 탐색 알고리즘을 제3 경로 탐색 알고리즘으로 구성하고 상기 복잡한 환경에 해당하면 상기 하이브리드 경로 탐색 알고리즘을 상기 제1 경로 탐색 알고리즘으로 구성하는 제어부를 포함하되, 상기 제어부는, 소정 기준에 기초하여 상기 내부변화도 및 상기 공간복잡도 각각에 가중치를 설정하는 것을 특징으로 한다.
상기 무인 자율주행차량의 경로제어장치에 있어서, 상기 제1 경로 탐색 알고리즘은, 하나의 목적지로 가는 모든 최단 경로를 구하는 알고리즘인 디스타 알고리즘인 것을 특징으로 한다.
상기 무인 자율주행차량의 경로제어장치에 있어서, 상기 제2 경로 탐색 알고리즘은, 하나의 정점에서 다른 하나의 정점까지의 최단 경로를 구하는 알고리즘인 에이스타 알고리즘인 것을 특징으로 한다.
상기 무인 자율주행차량의 경로제어장치에 있어서, 상기 제3 경로 탐색 알고리즘은, 하나의 정점에서 다른 모든 정점까지의 최단 경로를 구하는 알고리즘인 다익스트라 알고리즘인 것을 특징으로 한다.
상기 무인 자율주행차량의 경로제어장치에 있어서, 상기 환경정보는 내부 설비 배치, 작업 종류 및 작업 동선 중 적어도 하나를 포함하고, 상기 내부변화도는 작업자의 이동여부와 이동빈도, 작업 동선의 변화 정도, 장애물의 발생여부 및 발생빈도 중 적어도 하나를 포함하며, 상기 공간복잡도는 공간내에 배치된 설비의 개수, 단순한 경로 또는 복잡한 경로를 가지는지 여부, 주행 공간 상의 벽의 존재여부, 주행 공간 내에 존재하는 작업자의 수, 벽의 배치 형태 및 공간 규모 중 적어도 하나를 포함하는 것을 특징으로 한다.
본 발명의 다른 실시 예에 의한 무인 자율주행차량의 경로제어방법은, 상기 무인 자율주행차량이 주행하는 공장 내부의 환경정보를 감지하고, 상기 환경정보에 기초하여 내부변화도 및 공간복잡도를 산정하는 단계; 및 상기 내부변화도 및 상기 공간복잡도에 기초하여 설정되는 하이브리드 경로 탐색 알고리즘에 의해 상기 무인 자율주행차량의 주행 경로를 계산하는 단계를 포함하되, 상기 내부변화도와 제1기준값을 비교하여 상기 공장 내부가 동적 환경 또는 정적 환경에 해당하는지 판단하고, 상기 동적 환경에 해당하면 상기 하이브리드 경로 탐색 알고리즘을 제1 경로 탐색 알고리즘으로 구성하고, 상기 정적 환경에 해당하면 상기 하이브리드 경로 탐색 알고리즘을 제2 경로 탐색 알고리즘으로 구성하고, 상기 공간복잡도와 제2기준값을 비교하여 상기 공장 내부가 단순한 환경 또는 복잡한 환경에 해당하는지 판단하며, 상기 단순한 환경에 해당하면 상기 하이브리드 경로 탐색 알고리즘을 제3 경로 탐색 알고리즘으로 구성하고 상기 복잡한 환경에 해당하면 상기 하이브리드 경로 탐색 알고리즘을 상기 제1 경로 탐색 알고리즘으로 구성하되, 소정 기준에 기초하여 상기 내부변화도 및 상기 공간복잡도 각각에 가중치를 설정하는 것을 특징으로 한다.
본 발명의 또 다른 실시 예에 의한 무인 자율주행차량의 경로제어방법을 수행하는 컴퓨터로 판독가능한 기록매체에 있어서, 상기 무인 자율주행차량의 경로제어방법은, 상기 무인 자율주행차량이 주행하는 공장 내부의 환경정보를 감지하고, 상기 환경정보에 기초하여 내부변화도 및 공간복잡도를 산정하는 단계; 및 상기 내부변화도 및 상기 공간복잡도에 기초하여 설정되는 하이브리드 경로 탐색 알고리즘에 의해 상기 무인 자율주행차량의 주행 경로를 계산하는 단계를 포함하되, 상기 내부변화도와 제1기준값을 비교하여 상기 공장 내부가 동적 환경 또는 정적 환경에 해당하는지 판단하고, 상기 동적 환경에 해당하면 상기 하이브리드 경로 탐색 알고리즘을 제1 경로 탐색 알고리즘으로 구성하고, 상기 정적 환경에 해당하면 상기 하이브리드 경로 탐색 알고리즘을 제2 경로 탐색 알고리즘으로 구성하고, 상기 공간복잡도와 제2기준값을 비교하여 상기 공장 내부가 단순한 환경 또는 복잡한 환경에 해당하는지 판단하며, 상기 단순한 환경에 해당하면 상기 하이브리드 경로 탐색 알고리즘을 제3 경로 탐색 알고리즘으로 구성하고 상기 복잡한 환경에 해당하면 상기 하이브리드 경로 탐색 알고리즘을 상기 제1 경로 탐색 알고리즘으로 구성하되, 소정 기준에 기초하여 상기 내부변화도 및 상기 공간복잡도 각각에 가중치를 설정하는 것을 특징으로 한다.
본 발명의 실시예에 따르면, 경로 탐색에 요구되는 연산량을 줄이면서도 도착점까지 효과적으로 도달할 수 있는 경로 탐색 알고리즘을 제공할 수 있다.
또한, 본 발명의 실시예에 따르면, 5G 이상 통신 환경에서 공장복잡도에 따른 무인 자율주행차량의 유연한 경로 탐색을 수행할 수 있다.
나아가, 본 발명의 실시예에 따르면, 공장 내부 환경에 따라 유연한 경로 탐색 알고리즘을 적용함으로써 메모리 로드는 크지 않으면서도 실시간으로 최적화된 경로 탐색이 가능할 수 있다.
도 1은 본 발명에 따른 무인 자율주행차량의 경로제어장치의 구성을 도시한 블록도이다.
도 2a와 도 2b는 본 발명에 따른 무인 자율주행차량의 경로제어장치가 경로 탐색 알고리즘을 구성하는 일 실시예를 설명하기 위한 도면이다.
도 3a와 도 3b는 본 발명에 따른 무인 자율주행차량의 경로제어장치가 경로 탐색 알고리즘을 구성하는 다른 실시예를 설명하기 위한 도면이다.
도 4a와 도 4b는 본 발명에 따른 무인 자율주행차량의 경로제어장치가 경로 탐색 알고리즘을 구성하는 또 다른 실시예를 설명하기 위한 도면이다.
도 5는 본 발명에 따른 무인 자율주행차량의 경로제어과정을 도시한 도면이다.
도 6은 본 발명의 실시예에 따른 무인 자율주행차량의 경로제어를 수행하는 컴퓨팅 장치를 나타내는 도면이다.
아래에서는 첨부한 도면을 참고로 하여 본 발명의 실시예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
본 명세서에서, 동일한 구성요소에 대해서 중복된 설명은 생략한다.
또한 본 명세서에서, 어떤 구성요소가 다른 구성요소에 '연결되어' 있다거나 '접속되어' 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에 본 명세서에서, 어떤 구성요소가 다른 구성요소에 '직접 연결되어' 있다거나 '직접 접속되어' 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.
또한, 본 명세서에서 사용되는 용어는 단지 특정한 실시예를 설명하기 위해 사용되는 것으로써, 본 발명을 한정하려는 의도로 사용되는 것이 아니다.
또한 본 명세서에서, 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함할 수 있다.
또한 본 명세서에서, '포함하다' 또는 '가지다' 등의 용어는 명세서에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품, 또는 이들을 조합한 것이 존재함을 지정하려는 것일 뿐, 하나 또는 그 이상의 다른 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 할 것이다.
또한 본 명세서에서, '및/또는' 이라는 용어는 복수의 기재된 항목들의 조합 또는 복수의 기재된 항목들 중의 어느 항목을 포함한다. 본 명세서에서, 'A 또는 B'는, 'A', 'B', 또는 'A와 B 모두'를 포함할 수 있다.
또한 본 명세서에서, 본 발명의 요지를 흐리게 할 수 있는 공지 기능 및 구성에 대한 상세한 설명은 생략될 것이다.
도 1은 본 발명에 따른 무인 자율주행차량의 경로제어장치의 구성을 도시한 블록도이다.
본 발명에 따른 무인 자율주행차량의 경로제어장치(100)는 공장 내부가 정적 환경 또는 동적 환경인지 여부 및 공간 복잡도에 따라 유연하게 경로 탐색 알고리즘을 적용할 수 있다.
여기서, 무인 자율주행차량(Automatic Guided Vehicle: AGV)은 운전자없이 자동으로 움직이는 산업용 차량을 지칭한다. AGV는 제조 시설이나 유통 센터 등에서 자재를 자동으로 이동시키는 대표적인 솔루션으로서, 단순 반복적인 자재 이동을 효율적으로 대체할 수 있다.
본 발명에 따른 무인 자율주행차량의 경로제어장치(100)는 측정부(110), 경로 산출부(120) 및 제어부(130)를 포함하여 구성될 수 있다.
측정부(110)는 무인 자율주행차량이 주행하는 공장 내부의 환경정보를 감지하고, 상기 환경정보에 기초하여 내부변화도 및 공간복잡도를 산정할 수 있다.
이 경우, 환경정보는 내부 설비 배치, 작업 종류, 작업 동선 등을 포함할 수 있다. 내부변화도는 작업자의 이동여부 및 이동빈도, 작업 동선의 변화 정도, 장애물의 발생여부 및 발생빈도 등을 포함할 수 있다. 공간복잡도는 공간내에 배치된 설비의 개수, 단순한 경로 또는 복잡한 경로를 가지는지 여부, 공간 규모, 공간 내에 존재하는 작업자의 수 등을 포함할 수 있다.
측정부(110)는 환경정보를 수집하기 위한 다양한 종류의 센서를 포함할 수 있다. 구체적으로, 측정부(110)는 카메라, 이미지 센서, 라이다 센서, 레이더 센서, 거리 센서, 깊이 센서, 인체 감지 센서, 온도 센서, 습도 센서 등을 포함하여 구성될 수 있다.
경로 산출부(120)는 하이브리드 경로 탐색 알고리즘에 의해 무인 자율주행차량의 주행 경로를 계산할 수 있다. 여기서, 하이브리드 경로 탐색 알고리즘은 공장 내부 환경에 대응하여 적절한 경로 탐색 알고리즘으로 구성될 수 있다.
제어부(130)는 내부변화도와 제1기준값을 비교하여, 공장 내부가 동적 환경 또는 정적 환경에 해당하는지 판단할 수 있다. 구체적으로, 내부변화도가 제1기준값 이상이면 동적 환경에 해당하고, 내부변화도가 제1기준값 미만이면 정적 환경에 해당하는 것으로 판단할 수 있다. 여기서, 제1기준값은 무인 자율주행차량의 종류나 수행하는 작업종류 및 주행 방식 중 적어도 하나에 대응하여 설정될 수 있다. 예를 들어, 무인 자율주행차량이 수행하는 작업종류를 고려하여, 소정 위치에서 반복적으로 적재 작업을 수행하는 경우 공장 내부변화도에 의한 영향을 적게 받는 것으로 판단하여 제1기준값을 크게 설정하고, 공장 내부의 출발점으로부터 목적지까지 운반 작업을 수행하는 경우 공장 내부변화도에 의한 영향을 크게 받는 것으로 판단하여 제1기준값을 작게 설정할 수 있다.
또한, 제어부(130)는 공간복잡도와 제2기준값을 비교하여, 공장 내부가 단순한 환경 또는 복잡한 환경에 해당하는지 판단할 수 있다. 예를 들어, 창고 등에 물류시스템을 구축하고 무인 자율주행차량을 이용하여 물건을 적재 또는 운반하는 경우에 있어서, 창고 내에 선반들이 복잡하게 배치되어 있다면 내부 환경은 복잡한 환경에 해당할 수 있다. 공간 내부가 복잡한 환경에 해당하면, 무인 자율주행차량이 주행해야 하는 동선은 이에 따라 복잡해진다. 또한, 동선이 복잡해짐에 따라, 주행경로를 계산하기 위한 연산량은 증가하게 된다.
구체적으로, 제어부(130)는 공간복잡도가 제2기준값 이상이면 복잡한 환경에 해당하고, 공간복잡도가 제2기준값 미만이면 정적 환경에 해당하는 것으로 판단할 수 있다. 여기서, 제2기준값은 공장 내부 면적, 공장 내부에 배치된 설비 종류 및 배치 형태 중 적어도 하나에 대응하여 설정될 수 있다.
제어부(130)는 내부변화도 및 공간복잡도 중 적어도 하나에 기초하여 하이브리드 경로 탐색 알고리즘을 구성할 수 있다. 이 경우, 제어부(130)는 하이브리드 경로 탐색 알고리즘을 제1 경로 탐색 알고리즘과 제2 경로 탐색 알고리즘 및 제3 경로 탐색 알고리즘 중 적어도 어느 하나로 구성할 수 있다.
일 실시 예에 의하면, 제어부(130)는 공장 내부가 동적 환경에 해당하는 경우 하이브리드 경로 탐색 알고리즘을 제1 경로 탐색 알고리즘으로 구성하고, 공장 내부가 정적 환경에 해당하는 경우 하이브리드 경로 탐색 알고리즘을 제2 경로 탐색 알고리즘으로 구성할 수 있다. 여기서, 제1 경로 탐색 알고리즘은 하나의 목적지로 가는 모든 최단 경로를 구하는 알고리즘일 수 있다. 예를 들어, 제1 경로 탐색 알고리즘은, 디스타 알고리즘(D* algorithm)일 수 있다. 제2 경로 탐색 알고리즘은 하나의 정점에서 다른 하나의 정점까지의 최단 경로를 구하는 알고리즘일 수 있다. 예를 들어, 제2 경로 탐색 알고리즘은 에이스타 알고리즘(A* algorithm)일 수 있다.
다른 실시 예에 의하면, 제어부(130)는 공장 내부가 단순한 환경으로 구성되는 경우 하이브리드 경로 탐색 알고리즘을 제3 경로 탐색 알고리즘으로 구성할 수 있다. 이 경우, 제3 경로 탐색 알고리즘은 하나의 정점에서 다른 모든 정점까지의 최단 경로를 구하는 알고리즘일 수 있다. 예를 들어, 제3 경로 탐색 알고리즘은 다익스트라 알고리즘(Dijkstra algorithm)일 수 있다.
경로를 제어하는데 많이 쓰이는 알고리즘은 다익스트라 알고리즘, 에이스타 알고리즘, 디스타 알고리즘 등으로 각각 다음과 같은 특징을 가진다.
다익스트라 알고리즘은 기본 형태의 알고리즘으로 가장 많이 사용되나, 노드가 많은 복잡한 환경에서는 연산이 오래 걸리는 단점이 있다.
에이스타 알고리즘은 다익스트라 알고리즘만큼 연산이 오래 걸리지는 않으나, 항상 최단 경로를 보장하지는 못하며, 동적인 환경에서는 멈추고 재연산을 하기 때문에 효율성이 떨어진다.
디스타 알고리즘은 동적인 환경에서도 멈추지 않고 백 포인터(back pointer) 정보를 활용해 실시간 연산이 가능하나, 메모리 소비가 크다.
따라서, 본 발명에서는 각각의 경로 탐색 알고리즘의 특성을 종합적으로 고려하여, 공장 내부가 정적 환경 또는 동적 환경인지 여부 및 공간 복잡도에 따라 유연하게 경로 탐색 알고리즘을 적용한다. 즉, 정적 환경에서는 에이스타 알고리즘을 적용하고, 동적 환경에서는 디스타 알고리즘을 적용하고, 소규모이거나 단순한 경로를 가지는 공간 복잡도가 낮은 환경에서는 다익스트라 알고리즘을 적용하는 하이브리드 형태의 경로 제어를 수행함으로써, 최적화된 경로 탐색 및 경로 탐색에 요구되는 연산량의 최적화를 달성할 수 있다. 이를 통해 자율주행 하는 AGV의 제어 효율성을 높일 수 있다.
나아가, 제어부(130)는 소정 기준에 기초하여 내부변화도 및 공간복잡도 각각에 가중치를 설정할 수 있다. 구체적으로, 제어부(130)는 내부변화도에 가중치를 더 높게 설정하여 내부변화도에 우선적으로 최적화된 경로 탐색 알고리즘을 구성할 수 있다.
도 2a와 도 2b는 본 발명에 따른 무인 자율주행차량의 경로제어장치가 경로 탐색 알고리즘을 구성하는 일 실시예를 설명하기 위한 도면이다.
무인 자율주행차량의 경로제어장치(100)는 공장 내부가 동적 환경 또는 정적 환경에 해당하는지 판단하고, 이에 기초하여 하이브리드 경로 탐색 알고리즘을 구성할 수 있다.
도 2a는 동적 환경인 경우이다. 공장 내부가 동적 환경을 가지면, 하이브리드 경로 탐색 알고리즘은 제1 경로 탐색 알고리즘으로 구성될 수 있다. 여기서, 제1 경로 탐색 알고리즘은 하나의 목적지로 가는 모든 최단 경로를 구하는 알고리즘으로서, 예를 들어, 디스타 알고리즘일 수 있다.
디스타 알고리즘(D*, Dynamic A*)은 부분적으로만 알고 있는 환경에서 주행하는 경우를 고려하기 때문에, 에이스타 알고리즘에 비해 동적환경에 유리하다. 주행 도중에 새로운 환경이 등장할 경우, 에이스타 알고리즘은 정지 후 현재 위치를 시작점으로 경로를 다시 계산하지만, 디스타 알고리즘은 백 포인터(back pointer) 정보들을 최대한 이용하여 계산량을 줄인다.
도 2a에 도시된 바와 같이, 주행대상 AGV(210)는 공장 내부의 현재 위치(source)에서 목적지(destination)까지 주행한다. 공장 내부에는 복수개의 작업대(201, 202, 203, 204)가 배치되어 있다. 또한, 복수개의 다른 AGV(220, 230, 240, 250)가 내부 공간 내에서 각자 자율주행 하고 있다.
도 2a에 도시되어 있지는 않지만, 무인 자율주행차량의 경로제어장치(100)는 실시예에 따라 공장 내부의 소정 위치에 배치되거나 공장 외부에 배치될 수 있다. 이 경우, 무인 자율주행차량의 경로제어장치(100)는 내부변화도를 산정한다. 예를 들어, 주행 중 장애물의 발생 여부 및 발생 빈도 등을 예측하여 수치로 계산할 수 있다. 계산된 수치값은 제1기준값과 비교되고, 이에 기초하여 내부 환경이 동적 환경인지 또는 정적 환경인지 판단한다.
도 2a에서는 복수개의 다른 AGV(220, 230, 240, 250)가 실시간으로 이동하고 있으므로, 이에 의해 주행 중 장애물의 발생 빈도는 높아진다. 따라서, 내부 공간은 실시간으로 변화하는 동적 환경에 해당한다. 이 경우, 디스타 알고리즘을 적용하여 경로를 탐색하게 된다.
도 2b는 정적 환경인 경우이다. 공장 내부가 정적 환경을 가지면, 하이브리드 경로 탐색 알고리즘은 제2 경로 탐색 알고리즘으로 구성될 수 있다. 여기서, 제2 경로 탐색 알고리즘은 하나의 정점에서 다른 하나의 정점까지의 최단 경로를 구하는 알고리즘으로, 예를 들어, 에이스타 알고리즘일 수 있다.
에이스타 알고리즘은 휴리스틱(h) 값을 이용해 최단 경로를 추정해나가는 방식을 사용한다. 여기서, 휴리스틱은 경험에 기반해 현재 노드에서 목표 노드까지 가는 최단 경로의 비용을 추정하는 것이다. 이 경우, 추정값이기 때문에, 실제로 이동해보면 그 값처럼 되지 않을 수도 있다.
도 2b에 도시된 바와 같이, 주행대상 AGV(210)는 공장 내부의 현재 위치(source)에서 목적지(destination)까지 주행한다. 공장 내부에는 복수개의 작업대(201, 202, 203, 204)가 배치되어 있다. 도 2a와는 달리, 내부 공간을 자율주행 중인 다른 AGV는 없다.
도 2b에서 복수개의 작업대(201, 202, 203, 204)는 고정되어 있고, 주행중인 다른 AGV는 존재하지 않으므로, 주행 시 장애물이 발생할 가능성은 낮다. 따라서, 내부 공간은 정적 환경에 해당한다. 이 경우, 에이스타 알고리즘을 사용하여 경로를 탐색하게 된다.
도 3a와 도 3b는 본 발명에 따른 무인 자율주행차량의 경로제어장치가 경로 탐색 알고리즘을 구성하는 다른 실시예를 설명하기 위한 도면이다.
무인 자율주행차량의 경로제어장치(100)는 공장 내부의 공간 복잡도를 판단하고, 이에 기초하여 하이브리드 경로 탐색 알고리즘을 구성할 수 있다.
도 3a는 공간 복잡도가 높은 경우이다. 공장 내부가 복잡한 환경을 가지는 경우, 불확실한 정보나 예측 불가능한 정보가 많이 존재한다. 이러한 불확실한 정보나 예측 불가능한 정보는 동적 정보로 분류될 수 있다. 또한, 복잡한 환경을 주행하기 위한 주행 동선은 연속적으로 변화하게 된다. 따라서, 공간 복잡도가 높은 환경은 동적 환경과 유사한 것으로 간주될 수 있다. 이 경우, 도 2a에서와 같이, 하이브리드 경로 탐색 알고리즘은 제1 경로 탐색 알고리즘으로 구성될 수 있다. 여기서, 제1 경로 탐색 알고리즘은 하나의 목적지로 가는 모든 최단 경로를 구하는 알고리즘으로서, 예를 들어, 디스타 알고리즘일 수 있다.
도 3a에 도시된 바와 같이, 주행대상 AGV(210)는 공장 내부의 현재 위치(source)에서 목적지(destination)까지 주행한다. 공장 내부에는 복잡한 형태의 벽이 설치되어 있다.
무인 자율주행차량의 경로제어장치(100)는 공간복잡도를 산정한다. 예를 들어, 주행 공간 상의 벽의 존재여부, 벽의 개수, 벽의 분기 개수, 벽의 배치 형태 등을 계측하여 수치로 계산할 수 있다. 계산된 수치값은 제2기준값과 비교되고, 이에 기초하여 내부 환경이 복잡한 공간인지 단순한 공간인지 판단한다.
도 3a에서는 주행 공간 상에 벽(310)이 존재하고, 벽(310)이 다수개로 분기되는 복잡한 형태로 배치되어 있으므로, 내부 공간은 복잡한 환경에 해당하는 것으로 볼 수 있다. 따라서, 도 2a의 동적 환경과 유사하게, 디스타 알고리즘을 적용하여 경로를 탐색하게 된다.
도 3b는 공간복잡도가 낮은 경우이다. 공장 내부의 공간복잡도가 낮거나 내부 공간이 단순한 환경에 해당하면, 하이브리드 경로 탐색 알고리즘은 제3 경로 탐색 알고리즘으로 구성될 수 있다. 여기서, 제3 경로 탐색 알고리즘은, 하나의 정점에서 다른 모든 정점까지의 최단 경로를 구하는 알고리즘으로, 예를 들어, 다익스트라 알고리즘일 수 있다.
다익스트라 알고리즘은 가장 기본적인 경로 탐색 알고리즘이다. 에이스타 알고리즘은 휴리스틱(h) 값을 이용해 최단 경로를 추정하므로, 실제로 이동해보면 그 값처럼 되지 않을 수도 있다는 단점이 있다. 디스타 알고리즘을 사용하게 되면 하나의 목적지로 가는 모든 최단 경로를 구하기 때문에, 메모리 로드가 증가한다. 따라서, 단순한 경로를 가지는 공간복잡도가 낮은 환경에서는 다익스트라 알고리즘을 사용함으로써, 메모리 로드를 감소시키는 것과 동시에 보다 확실한 최단 경로를 탐색할 수 있게 한다.
도 3b에 도시된 바와 같이, 주행대상 AGV(210)는 공장 내부의 현재 위치(source)에서 목적지(destination)까지 주행한다. 공장 내부에는 단순한 형태를 가진 하나의 벽이 설치되어 있다.
도 3b의 경우 단순한 형태의 벽(320)에 의해, 주행 경로는 단순한 형태가 된다. 따라서, 내부 공간은 단순한 환경에 해당한다고 볼 수 있다. 이 경우, 다익스트라 알고리즘을 적용하여 경로를 탐색하게 된다.
도 4a와 도 4b는 본 발명에 따른 무인 자율주행차량의 경로제어장치가 경로 탐색 알고리즘을 구성하는 또 다른 실시예를 설명하기 위한 도면이다.
무인 자율주행차량의 경로제어장치(100)는 공장 내부의 규모에 기초하여 공간복잡도를 판단하고, 이에 기초하여 하이브리드 경로 탐색 알고리즘을 구성할 수 있다. 구체적으로, 공장 내부 면적이 제3기준값 이상이면 공간복잡도가 높은 것으로 판단하고, 공장 내부 면적이 제3기준값 미만이면 공간복잡도가 낮은 것으로 판단할 수 있다.
도 4a 및 도 4b에 도시된 바와 같이, 도 4a에 도시된 내부 공간의 크기보다 도 4b에 도시된 내부 공간의 크기가 작다. 내부 공간의 크기가 클수록 주행 대상인 공간은 넓어지고, 주행거리가 늘어남에 따라 주행과정에서의 예측 변수도 증가한다. 따라서, 내부 공간의 규모나 크기가 작을수록, 공간복잡도는 낮은 것으로 간주될 수 있다. 도 4a의 경우 내부 공간의 공간복잡도가 높으므로 디스타 알고리즘을 사용하여 경로를 탐색하고, 도 4b의 경우 내부 공간의 공간복잡도가 낮으므로 다익스트라 알고리즘을 사용하여 경로를 탐색하게 된다.
한편, 공간복잡도가 높거나 낮은 경우 각각에 있어서 하이브리드 경로 탐색 알고리즘을 구성하는 방법은 도 3a 및 도 3b와 동일하므로 이하에서는 설명을 생략한다.
도 5는 본 발명에 따른 무인 자율주행차량의 경로제어과정을 도시한 도면이다.
무인 자율주행차량이 주행하는 공장 내부의 환경정보를 감지한다(S501).
감지된 환경정보에 기초하여 내부변화도를 산정한다(S502).
구체적으로, 무인 자율주행차량의 경로제어장치(100)는 무인 자율주행차량이 주행하는 공장 내부의 환경정보를 감지하고, 환경정보에 기초하여 내부변화도를 산정할 수 있다.
이 경우, 환경정보는 내부 설비 배치, 작업 종류, 작업 동선 등을 포함할 수 있다. 내부변화도는 작업자의 이동여부 및 이동빈도, 작업 동선의 변화 정도, 장애물의 발생여부 및 발생빈도 등을 포함할 수 있다.
내부변화도와 제1기준값을 비교하여 공장 내부가 동적 환경 또는 정적 환경에 해당하는지 판단한다(S503).
이 경우, 무인 자율주행차량의 경로제어장치(100)는 인공지능에 의한 학습을 수행하고, 학습 결과에 기초하여 동적 환경 또는 정적 환경에의 해당 여부를 판단할 수 있다. 여기서, 인공지능에 의한 학습은 딥러닝, 머신 러닝 등의 학습 방법을 포함할 수 있다.
구체적으로, 주행 중 예상치 못한 장애물을 만나거나 주행중인 다른 AGV를 만나게 되면, 회피 주행을 위해 실시간으로 경로를 변경해야 한다. 따라서, 동적 환경에 해당한다고 판단할 수 있다. 이 경우, 실시간으로 경로를 변경하기 위하여, 동적 환경에 최적화된 경로 탐색 알고리즘을 사용할 수 있다.
만일, 동적 환경에 해당하는 경우(S504), 하이브리드 경로 탐색 알고리즘을, 하나의 목적지로 가는 모든 최단 경로를 구하는 제1 경로 탐색 알고리즘으로 구성한다(S505). 예를 들어, 제1 경로 탐색 알고리즘은, 디스타 알고리즘(D* algorithm)일 수 있다. 즉, 동적 환경에서는 실시간의 빠른 연산 및 경로 제어를 위해 디스타 알고리즘을 사용할 수 있다.
반면, 정적 환경에 해당하는 경우(S514), 하이브리드 경로 탐색 알고리즘을, 하나의 정점에서 다른 하나의 정점까지의 최단 경로를 구하는 제2 경로 탐색 알고리즘으로 구성한다(S515). 예를 들어, 제2 경로 탐색 알고리즘은 에이스타 알고리즘(A* algorithm)일 수 있다. 이와 같이, 정적 환경에서는 D* 알고리즘을 사용하여 메모리 로드를 증가시키는 대신, A* 알고리즘을 활용한다.
하이브리드 경로 탐색 알고리즘에 의해 무인 자율주행차량의 주행 경로를 계산한다(S506).
무인 자율주행차량의 주행 경로는 무인 자율주행차량의 경로제어장치(100)에 탑재된 소프트웨어에 의해 계산될 수 있다. 이러한 소프트웨어는 트래픽, 이동 거리 및 기타 변수를 기반으로 지능적으로 선택해 각 AGV를 가장 효율적인 경로로 라우팅할 수 있다. 또한, 사람이나 다른 AGV에 의해 경로가 차단되면, 다른 경로로의 변경을 지시할 수 있다.
주행 경로에 따라, 무인 자율주행차량의 이동을 제어한다(S507).
도 6은 본 발명의 실시예에 따른 무인 자율주행차량의 경로제어를 수행하는 컴퓨팅 장치를 나타내는 도면이다.
도 6의 컴퓨팅 장치(TN100)는 본 명세서에서 기술된 무인 자율주행차량의 경로제어장치(100)일 수 있다.
도 6의 실시예에서, 컴퓨팅 장치(TN100)는 적어도 하나의 프로세서(TN110), 송수신 장치(TN120), 및 메모리(TN130)를 포함할 수 있다. 또한, 컴퓨팅 장치(TN100)는 저장 장치(TN140), 입력 인터페이스 장치(TN150), 출력 인터페이스 장치(TN160) 등을 더 포함할 수 있다. 컴퓨팅 장치(TN100)에 포함된 구성 요소들은 버스(bus)(TN170)에 의해 연결되어 서로 통신을 수행할 수 있다.
프로세서(TN110)는 메모리(TN130) 및 저장 장치(TN140) 중에서 적어도 하나에 저장된 프로그램 명령(program command)을 실행할 수 있다. 프로세서(TN110)는 중앙 처리 장치(CPU: central processing unit), 그래픽 처리 장치(GPU: graphics processing unit), 또는 본 발명의 실시예에 따른 방법들이 수행되는 전용의 프로세서를 의미할 수 있다. 프로세서(TN110)는 본 발명의 실시예와 관련하여 기술된 절차, 기능, 및 방법 등을 구현하도록 구성될 수 있다. 프로세서(TN110)는 컴퓨팅 장치(TN100)의 각 구성 요소를 제어할 수 있다.
메모리(TN130) 및 저장 장치(TN140) 각각은 프로세서(TN110)의 동작과 관련된 다양한 정보를 저장할 수 있다. 메모리(TN130) 및 저장 장치(TN140) 각각은 휘발성 저장 매체 및 비휘발성 저장 매체 중에서 적어도 하나로 구성될 수 있다. 예를 들어, 메모리(TN130)는 읽기 전용 메모리(ROM: read only memory) 및 랜덤 액세스 메모리(RAM: random access memory) 중에서 적어도 하나로 구성될 수 있다.
송수신 장치(TN120)는 유선 신호 또는 무선 신호를 송신 또는 수신할 수 있다. 송수신 장치(TN120)는 네트워크에 연결되어 통신을 수행할 수 있다.
한편, 본 발명의 실시예는 지금까지 설명한 장치 및/또는 방법을 통해서만 구현되는 것은 아니며, 본 발명의 실시예의 구성에 대응하는 기능을 실현하는 프로그램 또는 그 프로그램이 기록된 기록 매체를 통해 구현될 수도 있으며, 이러한 구현은 상술한 실시예의 기재로부터 본 발명이 속하는 기술 분야의 통상의 기술자라면 쉽게 구현할 수 있는 것이다.
이상에서 본 발명의 실시예에 대하여 상세하게 설명하였지만 본 발명의 권리범위는 이에 한정되는 것은 아니고 다음의 청구범위에서 정의하고 있는 본 발명의 기본 개념을 이용한 통상의 기술자의 여러 변형 및 개량 형태 또한 본 발명의 권리범위에 속하는 것이다.

Claims (7)

  1. 무인 자율주행차량의 경로제어장치에 있어서,
    상기 무인 자율주행차량이 주행하는 공장 내부의 환경정보를 감지하고, 상기 환경정보에 기초하여 내부변화도 및 공간복잡도를 산정하는 측정부;
    상기 내부변화도 및 상기 공간복잡도에 기초하여 설정되는 하이브리드 경로 탐색 알고리즘에 의해 상기 무인 자율주행차량의 주행 경로를 계산하는 경로 산출부; 및
    상기 내부변화도와 제1기준값을 비교하여 상기 공장 내부가 동적 환경 또는 정적 환경에 해당하는지 판단하고, 상기 동적 환경에 해당하면 상기 하이브리드 경로 탐색 알고리즘을 제1 경로 탐색 알고리즘으로 구성하고, 상기 정적 환경에 해당하면 상기 하이브리드 경로 탐색 알고리즘을 제2 경로 탐색 알고리즘으로 구성하며, 상기 공간복잡도와 제2기준값을 비교하여 상기 공장 내부가 단순한 환경 또는 복잡한 환경에 해당하는지 판단하고, 상기 단순한 환경에 해당하면 상기 하이브리드 경로 탐색 알고리즘을 제3 경로 탐색 알고리즘으로 구성하고 상기 복잡한 환경에 해당하면 상기 하이브리드 경로 탐색 알고리즘을 상기 제1 경로 탐색 알고리즘으로 구성하는 제어부를 포함하되,
    상기 제어부는,
    소정 기준에 기초하여 상기 내부변화도 및 상기 공간복잡도 각각에 가중치를 설정하는 것을 특징으로 하는, 무인 자율주행차량의 경로제어장치.
  2. 제1항에 있어서,
    상기 제1 경로 탐색 알고리즘은, 하나의 목적지로 가는 모든 최단 경로를 구하는 알고리즘인 디스타 알고리즘인 것을 특징으로 하는, 무인 자율주행차량의 경로제어장치.
  3. 제1항에 있어서,
    상기 제2 경로 탐색 알고리즘은, 하나의 정점에서 다른 하나의 정점까지의 최단 경로를 구하는 알고리즘인 에이스타 알고리즘인 것을 특징으로 하는, 무인 자율주행차량의 경로제어장치.
  4. 제1항에 있어서,
    상기 제3 경로 탐색 알고리즘은, 하나의 정점에서 다른 모든 정점까지의 최단 경로를 구하는 알고리즘인 다익스트라 알고리즘인 것을 특징으로 하는, 무인 자율주행차량의 경로제어장치.
  5. 제1항에 있어서,
    상기 환경정보는 내부 설비 배치, 작업 종류 및 작업 동선 중 적어도 하나를 포함하고,
    상기 내부변화도는 작업자의 이동여부와 이동빈도, 작업 동선의 변화 정도, 장애물의 발생여부 및 발생빈도 중 적어도 하나를 포함하며,
    상기 공간복잡도는 공간내에 배치된 설비의 개수, 단순한 경로 또는 복잡한 경로를 가지는지 여부, 주행 공간 상의 벽의 존재여부, 주행 공간 내에 존재하는 작업자의 수, 벽의 배치 형태 및 공간 규모 중 적어도 하나를 포함하는 것을 특징으로 하는, 무인 자율주행차량의 경로제어장치.
  6. 무인 자율주행차량의 경로제어방법에 있어서,
    상기 무인 자율주행차량이 주행하는 공장 내부의 환경정보를 감지하고, 상기 환경정보에 기초하여 내부변화도 및 공간복잡도를 산정하는 단계; 및
    상기 내부변화도 및 상기 공간복잡도에 기초하여 설정되는 하이브리드 경로 탐색 알고리즘에 의해 상기 무인 자율주행차량의 주행 경로를 계산하는 단계를 포함하되,
    상기 내부변화도와 제1기준값을 비교하여 상기 공장 내부가 동적 환경 또는 정적 환경에 해당하는지 판단하고,
    상기 동적 환경에 해당하면 상기 하이브리드 경로 탐색 알고리즘을 제1 경로 탐색 알고리즘으로 구성하고, 상기 정적 환경에 해당하면 상기 하이브리드 경로 탐색 알고리즘을 제2 경로 탐색 알고리즘으로 구성하고,
    상기 공간복잡도와 제2기준값을 비교하여 상기 공장 내부가 단순한 환경 또는 복잡한 환경에 해당하는지 판단하며,
    상기 단순한 환경에 해당하면 상기 하이브리드 경로 탐색 알고리즘을 제3 경로 탐색 알고리즘으로 구성하고 상기 복잡한 환경에 해당하면 상기 하이브리드 경로 탐색 알고리즘을 상기 제1 경로 탐색 알고리즘으로 구성하되,
    소정 기준에 기초하여 상기 내부변화도 및 상기 공간복잡도 각각에 가중치를 설정하는 것을 특징으로 하는, 무인 자율주행차량의 경로제어방법.
  7. 무인 자율주행차량의 경로제어방법을 수행하는 컴퓨터로 판독가능한 기록매체에 있어서,
    상기 무인 자율주행차량의 경로제어방법은,
    상기 무인 자율주행차량이 주행하는 공장 내부의 환경정보를 감지하고, 상기 환경정보에 기초하여 내부변화도 및 공간복잡도를 산정하는 단계; 및
    상기 내부변화도 및 상기 공간복잡도에 기초하여 설정되는 하이브리드 경로 탐색 알고리즘에 의해 상기 무인 자율주행차량의 주행 경로를 계산하는 단계를 포함하되,
    상기 내부변화도와 제1기준값을 비교하여 상기 공장 내부가 동적 환경 또는 정적 환경에 해당하는지 판단하고,
    상기 동적 환경에 해당하면 상기 하이브리드 경로 탐색 알고리즘을 제1 경로 탐색 알고리즘으로 구성하고, 상기 정적 환경에 해당하면 상기 하이브리드 경로 탐색 알고리즘을 제2 경로 탐색 알고리즘으로 구성하고,
    상기 공간복잡도와 제2기준값을 비교하여 상기 공장 내부가 단순한 환경 또는 복잡한 환경에 해당하는지 판단하며,
    상기 단순한 환경에 해당하면 상기 하이브리드 경로 탐색 알고리즘을 제3 경로 탐색 알고리즘으로 구성하고 상기 복잡한 환경에 해당하면 상기 하이브리드 경로 탐색 알고리즘을 상기 제1 경로 탐색 알고리즘으로 구성하되,
    소정 기준에 기초하여 상기 내부변화도 및 상기 공간복잡도 각각에 가중치를 설정하는 것을 특징으로 하는, 무인 자율주행차량의 경로제어방법을 수행하는 컴퓨터로 판독가능한 기록매체.
PCT/KR2021/004986 2020-04-21 2021-04-21 무인 자율주행차량의 경로제어장치 및 경로제어방법 WO2021215813A1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020200048204A KR102183830B1 (ko) 2020-04-21 2020-04-21 무인 자율주행차량의 경로제어장치 및 경로제어방법
KR10-2020-0048204 2020-04-21

Publications (1)

Publication Number Publication Date
WO2021215813A1 true WO2021215813A1 (ko) 2021-10-28

Family

ID=73641554

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2021/004986 WO2021215813A1 (ko) 2020-04-21 2021-04-21 무인 자율주행차량의 경로제어장치 및 경로제어방법

Country Status (2)

Country Link
KR (1) KR102183830B1 (ko)
WO (1) WO2021215813A1 (ko)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102183830B1 (ko) * 2020-04-21 2020-11-27 호서대학교 산학협력단 무인 자율주행차량의 경로제어장치 및 경로제어방법
KR102335369B1 (ko) * 2021-06-11 2021-12-06 주식회사 알씨테크 머신러닝 기반 반도체 장비 자동 라우팅 방법 및 장치

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20050024840A (ko) * 2003-09-05 2005-03-11 학교법인 인하학원 자율이동로봇을 위한 경로계획방법
JP2012056023A (ja) * 2010-09-09 2012-03-22 Toyota Motor Corp ロボットの動作生成システム及び動作生成方法
KR20160021161A (ko) * 2016-02-01 2016-02-24 고려대학교 산학협력단 복수의 이동 로봇 간의 충돌 회피를 위한 경로 생성 방법
JP2018156482A (ja) * 2017-03-17 2018-10-04 株式会社東芝 移動制御システム、移動制御装置及びプログラム
KR102183830B1 (ko) * 2020-04-21 2020-11-27 호서대학교 산학협력단 무인 자율주행차량의 경로제어장치 및 경로제어방법

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102043143B1 (ko) 2019-05-20 2019-11-11 호서대학교 산학협력단 인공신경망을 이용한 agv 주행제어 방법 및 장치

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20050024840A (ko) * 2003-09-05 2005-03-11 학교법인 인하학원 자율이동로봇을 위한 경로계획방법
JP2012056023A (ja) * 2010-09-09 2012-03-22 Toyota Motor Corp ロボットの動作生成システム及び動作生成方法
KR20160021161A (ko) * 2016-02-01 2016-02-24 고려대학교 산학협력단 복수의 이동 로봇 간의 충돌 회피를 위한 경로 생성 방법
JP2018156482A (ja) * 2017-03-17 2018-10-04 株式会社東芝 移動制御システム、移動制御装置及びプログラム
KR102183830B1 (ko) * 2020-04-21 2020-11-27 호서대학교 산학협력단 무인 자율주행차량의 경로제어장치 및 경로제어방법

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
ANONYMOUS: " A* & D* algorithm", 27 July 2010 (2010-07-27), XP055860497, Retrieved from the Internet <URL:https://airkims.tistory.com/51> *

Also Published As

Publication number Publication date
KR102183830B1 (ko) 2020-11-27

Similar Documents

Publication Publication Date Title
WO2021215813A1 (ko) 무인 자율주행차량의 경로제어장치 및 경로제어방법
CN109176511B (zh) 适用于机器人调度的优先级判定处理方法及装置
US11117260B2 (en) Method for controlling a plurality of mobile driverless manipulator systems
JP2020087206A (ja) 自律体システム及びその制御方法
WO2020231080A1 (ko) 이동로봇의 센서 데이터를 활용한 교차점 패턴 인식모델 생성 방법 및 교차점 패턴 인식 시스템
CN112783150A (zh) 多个载具的移动控制方法、装置、系统、程序和存储介质
US20210170601A1 (en) Conveyance robot system, method for controlling conveyance robot and non-transitory computer readable storage medium storing a robot control program
CN113406951A (zh) 行驶控制装置、行驶控制方法以及计算机程序
Franke et al. Versatile autonomous transportation vehicle for highly flexible use in industrial applications
JP3269418B2 (ja) 最適経路探索方法
Petković et al. Human intention recognition for human aware planning in integrated warehouse systems
WO2020197126A1 (ko) 빅셀그리드맵을 이용한 이동체의 자세 추정 방법, 이를 구현하기 위한 프로그램이 저장된 기록매체 및 이를 구현하기 위해 매체에 저장된 컴퓨터프로그램
WO2022032444A1 (zh) 一种多智能主体避障方法、系统和计算机可读存储介质
CN116700298A (zh) 路径规划方法、系统、设备及存储介质
Fernandez et al. Mobile robot path planning: A multicriteria approach
US20200409388A1 (en) Controller, control method, and program
US11642782B2 (en) Conveyance robot system, method for controlling conveyance robot and non-transitory computer readable storage medium storing a robot control program
KR20220115247A (ko) 자율주행로봇 및 그 제어 방법
WO2021132864A1 (ko) 실내 이동체의 경로 계획 방법, 이를 구현하기 위한 프로그램이 저장된 기록매체 및 이를 구현하기 위해 매체에 저장된 컴퓨터프로그램
US20220300002A1 (en) Methods and systems for path planning in a known environment
CN114580993A (zh) 仓库的自动库存清单
Abi-Char et al. A Collision-Free Path Planning Algorithm for Non-Complex ASRS Using Heuristic Functions
WO2024085312A1 (ko) 스마트 팩토리의 관제 방법 및 관제 장치
WO2015083939A1 (ko) 충돌 회피 이동 기능이 구비된 이동체, 및 이동체의 이동 경로 결정 방법
WO2024117451A1 (ko) 복수개의 로봇과 통신 가능한 클라우드 서버의 제어 방법

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 21793438

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 21793438

Country of ref document: EP

Kind code of ref document: A1