많은 자율 주행차(AV) 사용 사례는 주로 로봇과 사람 또는 사람이 제어하는 차량 간의 상호 작용에 중점을 두고 있습니다. 그러나 AV 및 자율 이동 로봇(AMR)이 지속적으로 개발되고 다양한 산업으로 확장됨에 따라 다중 로봇 환경에 중점을 둔 사용 사례가 증가하고 있습니다(그림 1). 자체 개별 자율 스택을 포함하며 동일 운용 영역 내 문제 해결을 도와주는 미션 계획자가 있는 이러한 시스템의 안전성과 신뢰성을 테스트하는 방법에 대한 요구가 증가하고 있습니다.
이러한 로봇 차량은 동종 자율 시스템(각 에이전트가 동일한 소프트웨어 시스템을 가짐)부터 이기종 자율 시스템(혼합 시스템 및 기능 장치가 동일 영역에서 작동)까지 광범위하게 활용 가능합니다. 시뮬레이션은 이러한 서로 다른 에이전트 간의 다양한 상호 작용을 캡처하는 데 특화되어 있으며 운영 영역에서 장기 실행 시나리오를 신속하게 테스트할 수 있는 기능을 제공합니다. 다중 로봇 작업 할당(MRTA) 시스템을 사용한 전체 차량 관리 및 각 에이전트에 대한 개별 메트릭 측정을 통해 효율적인 방식으로 장기간에 걸쳐 성능 향상을 추적할 수 있습니다.
이 게시물에서는 이러한 자율 다중 로봇 시스템의 상업적 활용 예시와 시스템 알고리즘의 안전성과 발전을 보장하기 위해 고려해야 할 테스트 및 검증 고려 사항에 대해 설명합니다.
자율 시스템 차량의 유망 응용 산업에는 장거리 운송, 창고 및 물류, 농업, 건설 및 광업 등이 있습니다. 각 산업에는 단일 로봇 시스템 테스트보다 더 복잡한 테스트 접근 방식 및 합격/불합격 성공 기준이 필요하며 자동화가 요구되는 고유 작업 세트가 존재합니다.
예를 들어 창고 환경에서 지게차를 자동화하여 한 구역에서 다른 구역으로 상품을 이동할 수 있습니다(그림 2). 각 지게차는 동일한 작업을 수행하기 때문에 동종 환경이 됩니다. 자율 시스템의 성능은 “출발지에서 목표물을 픽업할 수 있습니까?”, “다른 에이전트 사이를 이동하며 충돌을 피할 수 있습니까?” 또는 "목적지에 목표물을 내려놓을 수 있습니까?"와 같은 일련의 성공 요건을 통해 측정할 수 있습니다. 시뮬레이션 과정에서 각 자율 에이전트의 메트릭을 추적할 수 있으며 특정 오류 상황을 분리해 자율 시스템을 개발하고 개선할 수 있습니다. 자율 시스템의 다양한 매개 변수를 이 환경에서 테스트 및 측정하여 에이전트 서브셋 시스템 변경이 다른 에이전트에 어떻게 영향을 미치는지 확인할 수 있습니다. 예를 들어 한 에이전트의 라우팅 모듈이 전적으로 탐욕(greedy)적인 경우 다른 액터의 효율적인 경로가 차단되어 다른 에이전트가 창고에서 라우팅하기 훨씬 더 어려워질 수 있습니다.
각 에이전트에 대한 이러한 개별 요건 외에도 전체 시스템의 MRTA 전략은 각 로봇을 효율적으로 사용하고 차량의 처리량을 측정해야 합니다. 각 스택 버전의 측정을 통해 이전에 정의된 전체 메트릭의 벤치마크를 유지 또는 개선할 수 있습니다. 위의 탐욕적 라우팅 모듈 예시의 경우 일부 에이전트의 동작 설정을 변경하는 경우 다른 에이전트의 속도가 느려지게 돼 창고의 전체 아웃풋이 감소할 수 있습니다. 성공 메트릭의 이러한 유연성을 통해 시스템 전체의 효율성을 캡처하는 동시에 개별 에이전트에 중점을 두도록 여러 수준에서 성능을 측정할 수 있습니다.
반면에 농업 산업에서 작물을 수확하는 것과 같은 복잡한 프로세스는 일련의 다른 기능을 가진 자율 주행차가 요구되는 이기종 환경이 됩니다. 이 프로세스의 중요한 부분 중 하나는 작물을 수확하는 수확기와 수확기의 최대 수확량이 가까워질 때 작물을 수확기에서 픽업하는 트럭 사이에서 작물을 이동하는 작업입니다. 이 두 가지 차량은 각각 약간 다른 목표를 가지고 있기 때문에 시나리오 내에서 각 자율성 스택 유형에 대한 특정 성공 메트릭을 정의하는 것이 중요합니다. 이 두 가지 유형의 스택을 병렬로 실행하면 두 자율 스택 간의 상호 작용에서 부족한 점과 한 차량의 기능을 수정하는 것이 다른 차량에 심각한 영향을 미치는지 빠르게 확인할 수 있습니다. 수확 프로세스의 처리량을 통해 전체 시스템은 측정할 수 있으며 개별 스택 동작의 변경을 통해 예상 성능을 충족하는지 평가할 수 있습니다.
다양한 산업에서 자율 기술을 계속 채택함에 따라 차량 기반 사용 사례가 증가할 것으로 전망됩니다. 물류 산업에서 상품 운송의 동종 환경은 반복적인 작업을 자동화할 수 있는 기회를 제공합니다. 농업 및 광업 산업의 경우 시스템의 많은 기능 부분이 원활하게 함께 작동하여 최종 작업을 완성해야 하는 다양하고 복잡한 절차가 많이 포함되어 있어 동일 운영 영역에서 다양한 이종 스택 환경이 됩니다.
시뮬레이션을 통해 가능한 각 에이전트 조합의 신뢰성과 안전성을 테스트할 수 있습니다. 서로 다른 유형의 에이전트와 상호 작용하는 동안 스택 유연성을 보장하기 위해 동일한 운영 환경에서 사람이 제어하는 에이전트와 자율 기반 에이전트를 혼합하여 사용할 수 있습니다. 이는 창고 개발 시 사람이 제어하는 에이전트와 자율 기반 에이전트의 올바른 조합을 찾는 경우 유용한 정보를 제공할 수 있습니다. 이 시뮬레이션 환경은 생산 테스트를 위한 다양한 차량 스택의 정확한 비율과 버전을 제공할 수 있습니다.
소프트웨어를 업그레이드하기 전에 차량이 이전 버전의 스택과 잘 상호 작용하는지 확인하기 위해 동일한 스택의 여러 버전이 혼합된 환경에서 차량을 테스트할 수 있습니다. 이러한 각 환경은 시뮬레이션 또는 실제 세계에서 일어난 과거 문제에서 수집된 시뮬레이션 테스트 사례의 표준 세트에서 실행될 수 있습니다. 또한 시뮬레이션을 사용하는 경우 장기적 시뮬레이션을 쉽게 실행할 수 있으며 차량 시스템이 극단적 사례(edge case)에 장기간 매달리지 않도록 할 수 있습니다.
Applied의 시뮬레이션 플랫폼은 폐쇄된 환경 내 동종 및 이기종 다중 로봇 시스템의 여러 에이전트 테스트를 지원합니다. 플랫폼 내에서 유연한 메트릭을 사용하는 경우 개별 에이전트 수준에서의 성공 기준뿐만 아니라 더 넓은 메트릭에 도달하는 차량의 전반적인 성공 기준을 측정할 수 있습니다. 이러한 메트릭에 대한 회귀 테스트를 통해 시스템을 자신 있게 업데이트하고 배포할 수 있으며 이러한 테스트는 규모가 커짐에 따라 클라우드 내에서 자동화가 가능할 수 있습니다. 다중 로봇 시스템의 시뮬레이션 테스트에 대해 더 자세히 알아보시려면 엔지니어 팀으로 문의하세요!
