시시각각 변화하는 눈부신 조명과 질감이 없는 유리나 대리석 반사면으로 넘쳐나는 센서의 사각지대, 예측할 수 없는 혼잡한 장애물과 영유아를 포함한 다양한 고객들로 예측할 수 없는 동선의 대중이 함께하는 공간에서, 고객이 만족할 수 있는 로봇 서비스를 구현하는 일, 인티그리트가 5천 Km 이상의 상용서비스를 통하여 축적하고 고도화한 자율주행 플랫폼을 소개합니다
고정된 장애물에 따라 로봇이 회피하여 이동해야 할 위치를 사전에 설정하고, 이를 웨이브 포인트로 로봇에 저장하여, 지정된 운행 경로를 따라 주행하는 폐쇄형 주행장치로는 움직이는 고객과 수시로 변화하는 장애물과 위험요인을 스스로 회피하여 안전하게 목적을 달성할 수 없습니다.
로봇의 도입을 위하여 장애물과 로봇의 위치, 경로를 저장하는 사전 매핑 시간이 장시간 요구되는 장치일 경우, 수백명의 동선이 교차하여 움직이는 대중으로 가득한 시시각각 변화하는 수천 수만평의 광장의 쟁애물과 이동 조건 빠짐없이 사전에 저장하여 로봇 서비스로 구현하는 것은 불가능에 가깝습니다
신뢰할 수 있는 지능형 자율주행 기술은 변화하는 환경을 능동적으로 인지할 수 있는 멀티센서와 퓨전 시스템, 규격화된 데이터로 체계화하는 데이터 엔지니어링, 딥러닝을 통한 변이추출과 대조, 학습, 데어터 전송과 업데이트 체계, 이를 위한 고성능 컴퓨팅 파워와 통신환경을 구비하여야 가능합니다
이러한 신뢰할 수 있는 데이터 수집과 규격화, 데이터 전송과 업데이트 환경을 구비하는 일은 현장에서 발생될 수 있는 자율주행 과정에서 안전사고를 예방 할 수 있으며, 최적화된 로봇 서비스 운영으로 효과적인 현장 대응 시나리오를 계획할 수 있습니다.
수천 수만평의 방대한 면적의 초대형 복합 백화점과 쇼핑몰, 테마파크와 같은 메가 플레이스의 경우 동적으로 변화하는 조명시설과 예측할 수 없는 영유아의 돌발행동과 복잡한 고객의 동선, 동일한 패턴으로 반복되는 모호성, 질감이 없는 유리나 반사면을 가진 구조물 등 기존의 산업용 물류로봇에서 사용되는 ROS 오픈 소스 기반으로 구현된 자율주행이나 AMR로는 자율주행이 불가능합니다.
로봇의 지능형 자율주행의 경우, 정교한 위치 측위 데이터를 생성하고, 주변공간을 인지하며 급변하는 고객의 동선을 유추하여 실시간 회피경로를 설계하여 자율주행 하는 것은 매우 정교하고 검증된 센서퓨전과 공간인식 알고리즘, 데이터 구조화 체계, 접속과 통신 시스템의 통합이 요구됩니다
인티그리트의 자율주행 플랫폼은 멀티 라이다와 스테레오 카메라, 초음파 센서를 통하여 보다 정교한 공간 데이터를 취득하고, 실시간 위치 측위, 장애물과 인구 정보 데이터를 네트워크로 교환하여, 클라우드 환경에서 로봇을 제어하고 관제하며, 서비스 통합을 위한 디지탈 트윈을 동시에 제공하고 있습니다
ROS, 리눅스, 우분투 기반의 ARM 플랫폼 등 지원**
Another Step Forward for AI Autonomous driving, Synaptree™
정교한 실내 공간을 인지하고 정교한 로봇의 위치 제어를 위하여 인티그리트는 기존 라이다 체계를 통해 구현되는 SLAM에 더하여,
실내 구조물을 분류하고 위치 측위 데이터를 가상화한 클라우드를 통하여 SLAM을 최적화하고 보정하는 iSLAM을 구현하여
실시간 공간 정보를 업데이트 함과 동시에 자율주행 성능을 고도화하는 데이터셋 및 시각화 체계를 확보하고 있습니다.
센서를 통하여 자율주행 기능과 성능에 의존하는 기존의 방식을 뛰어넘어 강력한 커넥티드 인텔리전스를 통하여 실내 자율주행 로봇의 안정성과 신뢰를 높이고 있습니다.
Fusion Sensing & iSLAM
인티그리트의 Synaptree VL은 실내 쇼핑몰과 같이 방대한 실내면적을 가진 메가 플레이스에서 운용될 수 있는 자율주행 로봇을 위하여 고려되었습니다.
25m 조사범위를 지원하는 강력한 LiDar를 통하여 원거리의 시각화된 맵을 생성하고,
2개의 RGB-Depth 카메라를 통하여 매칭하는 SFM 프로세스와 실시간 포인트 클라우드를 생성하는 새롭게 정의된 데이터셋과 파이프 라인을 통하여,
높은 밀도의 데이터셋을 실시간 분석하고 학습하여 정교한 공간 데이터를 생성하고 있습니다.
이러한 실내 공간정보와 위치측위를 위한 Synaptreee 데이터셋은 별도의 병행하는 프로세스를 통하여 메타 데이터를 가진 가상화된 디지탈 맵으로 구조화되어
로봇의 정교한 현재 위치와 궤적을 시각화 할 뿐만 아니라, 예상되는 로봇의 행동 패턴과 궤적을 효과적으로 추정하게 됩니다.
스테레오 Camera, LiDAR, 초음파 등의 다중 센서에서 발행하는 서로 다른 데이터를 효율적으로 동기화하고,
확보된 데이터는 유의미한 스키마 데이터로 도출되며 실시간 데이터 베이스화 됩니다.
이러한 DB 공간 컨텍스트와 판별, 대조 과정을 통하여 원천 데이터의 오류를 보정하고, 예측모델을 제공하여 자율주행 장치가 최적의 의사결정을 가능하게 하며,
수집된 공간 데이터는 학습과정을 통하여 보다 정교한 메타 데이터로 진화하게 됩니다
Spatial Data Semantic
공간의 특성 데이터(Attribute)를 토대로, 실시간 변화하는 공간데이터를 보정하고,
관리자(사용자)의 요구사항을 반영한 주행의 방법을 도출하고, 장애물과 공간에 대한 검증과 Meta data를 지속 업데이트 합니다.
자율주행을 거듭하면서 정확도를 높여가는 인티그리트 만의 클라우드 기반의 자율주행 플랫폼은 객체학습과 오류보정, 예측모델 등의 아키텍쳐는 특허로 보호받고 있습니다.
로봇의 센서 만으로 자율주행 성능에 의존하는 기존의 방식을 뛰어 넘는 것,
강력한 커넥티드 인텔리전스를 통하여 로봇의 자율주행 한계를 극복하는 방법,
인티그리트가 로봇 데이터 사이언스로 열어갑니다.