Current Issue

본 논문에서 제안하는 시스템은 그림 1과 같이 구성되어있다. 산업현장에서 고정된 위치에서 UWB 통신과 호스트 PC와 통신하는 장치를 “앵커(anchor)”라 정의한다. 또한, 움직이는 작업자가 휴대하는 장치를 “태그(tag)”라고 정의하며, 앵커와 UWB 통신을 수행한다. 앵커는 태그와 UWB 통신을 통해 거리를 측정하고 거리정보를 토픽[17]으로 발행한다. 호스트 PC에서는 앵커로부터 거리정보를 토픽으로 구독하여 태그의 좌표를 추정한다. UR_Control 노드는 태그의 위치와 로봇의 상태를 종합적으로 고려하여 로봇을 정지시키거나 변경된 속도로 로봇을 움직이며, Gripper_Control 노드를 통해 그리퍼의 개폐 동작을 수행한다.

Fig. 1. 
System configuration diagram

제안하는 시스템 환경 구성은 그림 2와 같이 앵커 3개, 태그 1개, 협동로봇 그리고 호스트 PC로 이루어져 있다. 좌표계의 단위는 1m이며 앵커, 협동 로봇, 호스트 PC는 같은 네트워크에 연결되어있다.

Fig. 2. 
System development enviroment diagram

제안하는 시스템에서 사용하는 협동로봇은 Universal Robots의 UR3로 6 자유도를 가진 협동 로봇이다. 이 로봇에 Robotiq 사의 2F-140 그리퍼를 장착하여 작업을 수행한다.

앵커는 UWB 통신과 ROS 토픽 통신하기 위해 SBC(Single Board Computer)로 Raspberry Pi 3B를 사용하였다. UWB 모듈은 Decawave 사의 DWM1000이 탑재된 Markerfabs사의 ESP32 UWB 보드를 사용한다.

SBC와 호스트 PC의 운영체제(Operating system)는 Ubuntu 20.04 LTS(Long Term Support)이며, ROS 버전은 Noetic을 사용하였다. 시뮬레이션 환경으로는 Gazebo를 사용한다.

ROS는 로봇 시스템의 제어, 로봇 간의 데이터 통신, 가시화, 하드웨어 연결 등의 기능별 모듈화를 가능하게 하는 미들웨어로, 많은 로봇 연구자가 사용하는 로봇 운영체제다[16]. ROS는 이기종 하드웨어 간의 데이터 통신을 통해 로봇 개발을 용이하게 한다.

ROS는 목적에 따라 세분된 최소 단위 실행 프로그램인 노드 형태로 개발된다. 노드는 또 다른 노드와 메시지를 통해 데이터를 주고받으며 하나의 커다란 프로그램을 이룬다.

그림 3은 제안하는 전체 시스템의 노드 구성과 토픽을 나타낸 것이다. 동그라미는 노드를, 화살표는 토픽 메시지 이동을 의미한다. xy_publisher 노드에서 수집한 앵커와 태그 사이의 거리를 통해 작업자의 태그 좌표를 추정하고 발행한다. velocity_update 노드에서는 해당 좌표를 수신하여 UR3 로봇과의 거리를 계산하고 거리가 1.5m 미만인 경우 낮은 로봇의 속도 파라미터값을 UR_Control 노드로 발행한다. 발행한 속도 파라미터는 동적으로 변경되기 때문에 태그를 장착한 작업자와 UR3 로봇과 가까워지면 로봇은 속도를 늦춘다. 한편, UR_Control 노드에서는 로봇의 Pick-and-Place 작업을 실행하며 Gripper_Control 노드로 그리퍼의 동작을 나타내는 문자열을 토픽으로 발행한다. Gripper_Control 노드에서 cmodel_rtu_driver 노드로 그리퍼 활성화 및 리셋, 핑거 제어 등의 명령어를 토픽으로 발행하여 최종적인 그리퍼의 동작을 실행한다.

Fig. 3. 
Proposed system's overall node configure

실시간 실내 위치 추정 시스템은 xy_publisher 노드로 구현된다. 실내 위치 추정은 그림 2와 같이 위치가 알려진 3개의 앵커와 작업자가 휴대하는 태그로 구성된다. 각각의 앵커는 실시간으로 작업자와의 거리를 측정하고, 앵커와의 거리정보를 기반으로 작업자의 위치를 추정한다.

본 논문에는 UWB 통신의 도착 시간차(Time Difference of Arrival, TDoA)를 활용한 실내 위치 추정을 수행한다[8]. UWB 기반 위치 추정은 넓은 대역폭과 낮은 간섭, 높은 시간 분해능 등의 장점이 있다[9]. 작업자의 실내 위치 추정을 위해 작업자(태그)와 앵커의 ToF(Time of Flight)를 측정하여 물리적 거리를 계산한다. 이때 ToF 측정은 SDS-TWR(Symmetric Double-side Two-Way Ranging) 알고리즘을 사용한다[18].

측정된 거리정보를 통해 2D 환경에서의 태그 좌표를 삼각 측량 기법을 사용하여 추정한다. 위치 추정에는 LLSE(Linearized Least Square Estimation) 알고리즘을 사용한다. 이 방법에서는 관측된 데이터 간의 제곱 불일치를 최소화하여 추정한다[19].

2차원 좌표추정을 위해서는 최소 3개 이상의 앵커 좌표를 알아야 한다. 태그 좌표(x,y)와 임의의 i번 앵커의 좌표(xi,yi)의 두 지점의 거리 관계를 식 (1)과 같이 나타낼 수 있고, 정리하면 식 (2)와 같이 만들 수 있다.

임의의 기준 n번 앵커를 고려하면 식 (2)는 식 (3)으로 나타낼 수 있다. 식 (2)와 (3)을 빼서 제곱 항을 소거하여 식 (4)와 같은 선형 방정식으로 나타낼 수 있다.

식 (5)는 식 (4)를 행렬방정식으로 나타낸 것이다. 추정하고자 하는 태그의 좌표 p는 식 (9)의 행렬 연산을 통해 좌표를 계산하고 태그의 좌표 정보를 발행한다.

본 논문에서 UR3 로봇은 2F-140 그리퍼와 결합하여 Pick-and-Place 작업을 수행한다. UR3 로봇은 그림 4과 같이 총 6개의 관절 Base, Shoulder, Elbow, Wrist 1, Wrist 2, Wrist 3으로 구성되어있다. 관절 작동 범위는 Wrist 3의 경우 무한한 회전이 가능하며, 나머지 관절은 ±360° 회전이 가능하다. 이는 로봇이 다양한 방향에서 물체를 집거나 이동시킬 수 있도록 한다. 또한, 관절 속도의 경우 모든 Wrist 관절은 360 deg/s 그 외 기타 관절은 180 deg/s이다.

Fig. 4. 
Joint configuration of UR3

그리퍼는 2개의 Fingertip 사이의 폭이 140mm이며, 다양한 형태와 크기의 물체를 안정적으로 집을 수 있다. UR3 로봇은 Universal_Robots_ROS_Driver 패키지[20]를 통해 호스트 PC와 연결되며, 해당 패키지는 UR3 로봇과 ROS 간 안정적이고 지속 가능한 인터페이스를 제공한다. 로봇의 동작은 그림 3의 move_group 노드와 ur_hardware_interface 노드의 액션 통신을 통해 로봇이 관절 궤적을 따라 이동한다. 또한 UR3 로봇과 마찬가지로 ROS 환경에서 그리퍼를 제어할 수 있는 Robotiq 패키지[21]를 통해 그리퍼를 연결하여 제어 명령을 내리고 이를 통해 pick-and-place 작업을 수행한다.

제안한 시스템에 대한 실내 측위에 대한 실험을 환경의 영향을 통제한 상태에서 진행하였다. 실험 구성은 3m × 3m 영역에 세 앵커를 임의로 배치하고, 태그가 부착된 모바일 로봇을 통해 일정한 속도(0.1m/s)로 영역을 이동하며 시스템의 위치 추정과 실제 로봇의 경로를 비교하였다. 실험 결과는 다음과 같다.

그림 5는 모바일 로봇의 예상 위치와 실제 이동 경로를 시각적으로 보여준다. 파란색 점선은 실제 로봇의 이동 경로이고, 빨간색 실선은 예상되는 태그 위치이다. 실험 결과에 대한 실시간 위치 추정 오류는 그림 6과 같다.

Fig. 5. 
Trajectories of true position and UWB position estimation

Fig. 6. 
Localization errors

표 1은 위치 추정에 대한 평균 오차 및 최대 오차를 나타내었다. 위치 추정에 대해 최대 40cm 정도의 오차를 보인다. 프로세서의 한계로 인하여 태그와 앵커가 근접한 상황에서는 거리 측정이 부정확한 특성을 보이기 때문에 태그가 앵커와 가까워짐에 따라 오차가 커지는 것을 확인할 수 있다. 또한 이러한 오차를 줄이기 위한 연구를 다른 연구에서 활발하게 진행이며[9][19][22], 본 논문에서 구성한 실험에서는 LLSE와 같은 간단한 알고리즘을 사용한 조건에서도 높은 위치 정확도를 제공한다는 것을 확인하였다.

Gazebo는 오픈소스 기반의 시뮬레이터로 로봇이 접할 수 있는 동적 환경을 재현할 수 있다[23]. Gazebo에서의 시뮬레이션은 그림 7과 같이 5.2m × 6m 크기의 3D 맵에서 진행한다. UR3 로봇 모델의 좌표는 Base 관절 좌표계의 원점으로 정의하고, 맵의 정중앙을 원점으로 (-1.5,1.5,0.8)에 위치한다. 작업자는 빨간 실선을 따라 태그를 휴대하며 UR3 로봇 모델로 접근한다.

Fig. 7. 
Simulation environment configuration

Gazebo에서 수신한 태그 좌표를 통해 그림 8(a)와 같은 작업자 모형을 생성하며, UR3 로봇의 좌표와의 거리는 1.5m를 기준으로 전체 로봇 관절의 최대 속도 스케일링 값에 대한 파라미터를 통해 UR3 로봇의 속도를 조절한다.

Fig. 8. 
Workspace of UR3 robot

(a) Worker model (b) Obstacle placement in Gazebo

로봇의 모션플래닝은 MoveIt을 이용하여 UR3 로봇의 관절과 그리퍼에 대한 궤적을 생성하고, ROS 액션 통신을 통해 로봇을 제어한다. MoveIt은 로봇 매니퓰레이터를 위한 종합 라이브러리로, 역기구학 해석을 통한 모션플래닝 기능을 제공한다[24]. 그림 8(b)는 작업자 모형이 UR3 로봇과의 거리가 1.5m 이하일 때의 시뮬레이션 결과이다. 로봇이 작업자 모형을 부딪치지 않고 천천히 동작하는 것을 확인할 수 있다. 그림 9는 모션플래닝을 위한 장애물 설정을 Rviz를 통해 시각화한 그림이다[25]. UR3 로봇의 모션플래닝은 주위 사물, 움직이는 작업자의 위치를 고려하여 실행해야 한다. 이를 위해 작업 공간에서 고정된 환경과 작업자의 충돌 범위에 대한 모형을 추가하여 로봇이 안전한 경로로 움직일 수 있도록 한다. 시뮬레이션에서는 고정된 환경인 UR3 로봇의 지지대와 물품 받침대 그리고 작업자에 대한 충돌 모형을 생성하여 UR3 로봇과 주변 사물과의 충돌을 방지한다.

Fig. 9. 
Obstacles in the workspace of the UR3 robot

Gazebo 시뮬레이션을 통해 구현한 시스템을 실제 환경과 로봇을 사용한 실험을 진행하였다. 호스트 PC와 UR3 로봇은 URCap 프로그램을 통해 연결한다. 로봇은 ur_hardware_interface 노드와 move_group 노드 사이 FollowJointTrajectoryGoal 메시지를 통해 해당 궤적에 따라 움직인다. 그리퍼의 경우 USB 포트를 통해 호스트 PC와 연결하고 USB/RS-485 컨버터를 사용하여 Modbus RTU 명령어를 통해 제어한다. 실험 환경 구성은 그림 2와 같다. 앵커 1의 위치를 (0,0,1.2) 앵커 2는 (1.6,0,1.2) 앵커 3은 (-1.1,2.8,1.2)에 위치 시키고 UR3는 (-1.5,1.5,0.8)에 위치 시킨다. 작업자가 태그를 가지고 그림 7과 같이 이동하며, 그림 10과 같이 로봇의 작업 공간을 포함한 거리인 1.5m 이내에 위치했을 때 작업 속도가 제어되는지 실험을 통해 확인하였다.

Fig. 10. 
Experiment on speed control of UR3

그림 11은 로봇의 pick-and-place 동작에 사용되는 관절 중 Base, Elbow, Wrist 2 관절의 속도를 joint_states 토픽을 통해 나타낸 그래프이며, 그림 12는 태그의 위치 추정을 통한 로봇과의 거리를 나타낸 그래프이다. UR3 로봇의 각 관절의 속도는 최대 속도 스케일링 값이 1인 경우 0.6rad/s, 0.01인 경우 0.06rad/s의 값을 가진다. 그림 11과 그림 12을 통해 UR3 로봇과의 거리가 1.5m 미만으로 변경되는 지점(36s)에서 속도 스케일링 값이 1에서 0.01로 변하여 로봇의 속도가 줄어든 것을 확인할 수 있다. 스케일링 값은 100배 정도 차이가 나지만 로봇의 하드웨어 제약 사항이나 짧은 거리에 대한 가감속 이동을 고려하여 10배 정도의 차이가 나는 결과를 얻었다.

Fig. 11. 
Experiment on joint velocity control of UR3

Fig. 12. 
Measuring the distance to the UR3 through position estimation

이를 통해 실내 위치 추정을 기반으로 로봇의 관절 속도가 감소하여 충돌에 대한 피해를 예방하는 효과를 나타낸다.