연구 과제에서 실제로 작동하는 로봇까지
많은 로봇 연구 성과가 시뮬레이션, 논문, 혹은 단 한 번의 시연에서 멈춥니다. Axinome은 하나의 연구 과제를 실제 플랫폼에서 작동하는 소프트웨어로 완성하고, 그것이 얼마나 잘 작동하는지, 그리고 어디에서 한계를 보이는지 근거와 함께 제시하는 방식으로 일합니다.
이를 위해 하드웨어, 소프트웨어, 시뮬레이션, 평가를 별개의 단계가 아닌 하나로 연결된 시스템으로 다룹니다.
서로 연결된 네 가지 연구 분야
Axinome의 연구 방향은 로봇이 통제된 시연 환경을 벗어나 실제로 유용한 작업을 수행하는 데 필요한 역량을 따라 구성되어 있습니다. 인지는 의사결정의 기반이 되고, 학습된 행동은 시뮬레이션에서 개발되며, 모든 결과는 실제 하드웨어에서 평가됩니다. 아래는 현재의 중점 연구 분야이며, 완료된 성과 목록이 아닙니다.
로봇 인지 및 자율주행
센서 융합, 환경 인식, 위치 추정, 지도 작성, 경로 주행 및 작업 수행
센서 잡음과 환경 변화, 미확인 영역이 존재하는 상황에서 로봇이 주변 환경에 대한 정확하고 활용 가능한 모델을 어떻게 유지할 수 있는가?
로봇 학습 및 피지컬 AI
시연 기반 학습, 강화학습, 체화된(embodied) 의사결정, 학습된 행동의 평가
학습된 행동은 어느 수준에 이르러야 실제 물리적 작업에 신뢰하고 적용할 수 있으며, 이를 단 한 번의 성공 시연이 아닌 근거로 어떻게 입증할 수 있는가?
시뮬레이션 및 실제 하드웨어로의 전이
시뮬레이션 환경, 합성 데이터, 시나리오 기반 시험, 시뮬레이션 결과의 실제 로봇 전이성 평가
시뮬레이션에서 얻은 결과 중 어떤 것을 실제 로봇에서도 신뢰할 수 있으며, 그 차이를 측정할 수 있도록 시뮬레이션을 어떻게 구성해야 하는가?
매니퓰레이션 및 인간-로봇 상호작용
물체 조작, 작업 계획, 운용자 인터페이스, 사람의 감독하에 이루어지는 로봇과의 상호작용
로봇이 다양한 물체와 여러 단계로 이루어진 작업을 다루면서, 이를 감독하는 사람에게 자신의 동작을 명확히 보여 주고 쉽게 개입할 수 있도록 하려면 어떻게 해야 하는가?
맞춤형 소프트웨어 및 엔지니어링
연구와 함께, 협력 기관이 활용하고 유지 관리하며 발전시킬 수 있는 소프트웨어와 시스템 통합 작업을 명확한 범위로 수행합니다.
- 맞춤형 로봇 소프트웨어
- ROS 2 통합 및 미들웨어
- 하드웨어 SDK 및 API 연동
- 센서 및 페이로드 통합
- 임무 계획 및 운용 애플리케이션
- 원격 조종, 텔레메트리 및 다중 로봇 운용
- 엣지 배포 및 인프라 연동
- 실험 도구 및 평가 워크플로
주요 산출물로는 작동하는 프로토타입, 통합 소프트웨어, 인터페이스 문서, 실험 데이터셋, 시험 보고서, 배포 지원이 있습니다.
다양한 로봇 유형에 걸친 연구
작업 소프트웨어와 플랫폼 종속 코드를 분리하여, 한 로봇에서 개발한 기술을 다른 로봇으로 옮길 수 있도록 합니다. 플랫폼은 연구 과제에 맞춰 선택합니다. 험지에는 보행 로봇, 긴 실내 경로에는 바퀴형 로봇, 물체 조작에는 로봇 팔이 적합합니다.
레인보우로보틱스의 RBQ-10 사족보행 로봇은 Axinome이 이동 및 점검 연구를 설계할 때 기준으로 삼는 참고 플랫폼 중 하나입니다. 로봇은 레인보우로보틱스가 제작하며, Axinome의 역할은 그 위에서 동작하는 소프트웨어, 센싱, 임무 통합, 평가입니다.
사족보행 로봇
계단, 경사로, 불규칙한 지형에서의 이동, 순회 점검, 실외 및 산업 현장에서의 센서 연구.
바퀴형 로봇
자율주행, 실내 물류, 평탄한 바닥에서의 장시간 운용.
매니퓰레이터
파지, 배치, 조립 공정 등 테이블 및 작업 셀 단위의 과업.
모바일 매니퓰레이터 및 휴머노이드
공간 내 이동과 물체 조작을 함께 요구하는 체화된 과업 연구.
개발 및 검증 방식
모든 프로젝트는 동일한 절차를 따르며, 마지막 단계는 대개 다시 개발 단계로 이어집니다. 결과는 소프트웨어 버전 및 측정 조건과 함께 기록됩니다.
문제 정의
과업, 운용 조건, 그리고 성공의 기준을 측정 가능한 형태로 합의합니다.
기준선 설정
현재의 작업 방식이나 단순한 기준 방법의 성능을 측정하여 개선 여부를 입증할 수 있도록 합니다.
개발 및 시뮬레이션
소프트웨어를 개발하고, 실패 비용이 낮은 시뮬레이션과 기록 데이터 환경에서 먼저 시험합니다.
하드웨어 통합
센서, 페이로드, 온보드 컴퓨팅을 포함한 실제 플랫폼에 소프트웨어를 탑재합니다.
대표 조건에서의 시험
실제 사용 환경과 유사한 조건에서 구조화된 시험을 수행합니다. 실험실에서 먼저 진행하고, 합의된 경우 현장에서 실증합니다.
평가 및 개선
기준선과 결과를 비교하고, 효과가 있었던 것과 없었던 것을 문서화한 뒤 다음 개선 방향을 결정합니다.
합의된 기준을 충족하거나 한계가 명확히 파악될 때까지 평가 결과를 개발 단계에 반영합니다.
프로젝트에서 측정할 수 있는 항목
- 작업 완료율
- 합의된 기준에 따라 과업이 완료된 시험의 비율.
- 주행 신뢰성
- 주행 실패 간 이동 거리 또는 시간, 그리고 각 실패의 원인.
- 개입 빈도
- 운용자가 개입해야 하는 빈도와 개입 1회당 소요 시간.
- 인지 정확도
- 측정된 기준값 대비 검출, 위치 추정 또는 지도 작성의 오차.
- 응답 지연
- 센서 이벤트나 명령이 발생한 시점부터 로봇이 반응하기까지의 시간.
- 시험 조건 간 반복성
- 반복 시험, 조명, 바닥 재질, 대상 물체, 운용자에 따른 결과의 편차.
협력 기관과 합의하는 평가 기준의 예시입니다. 측정 가능한 항목을 설명한 것이며, Axinome의 성과를 제시하는 것이 아닙니다.
적용 분야
Axinome의 연구 분야와 연결되는 잠재적 적용 분야입니다. 저희가 다룰 수 있는 문제를 설명한 것이며, 완료된 고객 프로젝트가 아닙니다.
제조 및 자재 취급
제품 구성이 다양하고 공정 배치가 자주 바뀌는 현장에서는 여전히 공정 간 부품과 자재 이동을 사람이 담당하고 있습니다.
인프라 점검 및 상태 모니터링
플랜트, 터널, 유틸리티 시설은 반복적이고 때로는 위험한 정기 순회 점검을 필요로 합니다.
물류창고 주행 및 물류
물류창고는 매일 달라집니다. 통로가 막히고 팔레트가 옮겨지며, 사람과 장비가 같은 공간을 공유합니다.
위험 환경 관측
일부 현장은 사람이 일상적인 관측을 위해 진입하기에 위험하거나 현실적으로 어렵습니다.
연구 및 교육용 플랫폼
연구실과 교육 기관에는 학생과 연구자가 직접 프로그래밍하고 시험하며 비교할 수 있는 로봇이 필요합니다.