KIM JONG MYUNG

• cost map에서 inflation layer을 높이면 좁은 길 진입 실패 및 Recovery Loop 발생, 낮추면 벽면 충돌 위험 증가

• 직사각형 차동 로봇이 장애물이나 협소한 공간에 있을때 빠져 나오지 못하거나 그로인해 회복동작(Rotate/costmap reset)중 장애물과 빈번한 충돌 발생

• NavFn Planner가 로봇의 실제 크기를 무시한 '점 모델' 경로를 생성하여 복잡하거나, 좁은공간 내에서 직사각형 로봇이 경로를 추종하기 힘듬

• LiDAR 필터링 범위가 실제 로봇 모델보다 넓게 설정되어, 코앞의 장애물을 노이즈로 판단해 무시해 rotate나 costmap 초기화 시 근접 장애물과 충돌 되는 현상을 확인

• DWB Controller의 단순 속도 샘플링 방식이 복잡한 공간에서 유효한 회피 궤적을 찾지 못하고 주행이 정체되는 한계가 있음

로봇 형상(직사각형)과 회전 반경/후진가능 여부을 반영해 경로를 생성하여 좀더 복잡한공간에서 안정적으로 주행 가능하도록 개선

LiDAR 필터 범위 재설계 및 코스트맵 가중치 튜닝으로 중앙 주행 유도하면서 좁은 공간도 안정적으로 주행 가능하도록 최적화

샘플링 기반 모델 예측 제어를 통해 장애물 밀집 구간에서의 부드러운 속도 조절 및 주행 유연성이 향상됨

• 급격한 가감속 시 로봇 끝단 진동으로 인해 비전 인식 및 타격 정밀도 저하 발생

• 저가형 서보모터/프레임의 한계로 인해 정지 순간 관성 충격이 기구부 전체로 전달됨

• 가속도 프로파일 적용시 MCU의 단일 루프에서 시리얼 통신 대기 시간(Blocking)이 모터 PWM 제어 주기를 침범하여 실시간성 저하

가우시안 오차 함수(erf) 기반 S-Curve를 적용해 가속도 변화를 부드럽게 설계, 잔진동 30% 이상 감소 및 기어 마모 억제

Task Pinning을 통해 통신과 제어를 듀얼 코어에 각각 할당, 부하와 관계없이 10ms의 일정한 제어 주기 보장

• CCTV의 2D 픽셀 좌표만으로는 객체의 실제 위치나 어디구역인지 파악 불가

• 오픈 데이터셋으로 학습시 테스트하는 환경에서 정확도가 떨어짐

• 카메라 설치 각도에 따른 원근 왜곡으로 인해 이미지 하단과 상단의 실제 거리가 다르게 계산됨

• 활주로 같은 특수한 환경이나 테스트 환경에 맞게 데이터를 생성해야 해당 환경에 맞는 정확도를 달성할 수 있음, 부족한 데이터셋을 Blender와 Unity를 통해 다양한 환경의 데이터를 시간 내에 많은 양을 생성하여 실제 데이터셋이랑 융합해서 학습

4개 지점의 ArUco 마커를 기준으로 투영 행렬을 계산하여 픽셀 좌표를 실제 미터(m) 단위로 변환 (오차 ±0.5m 이내)

테스트 시 다수 객체 환경에서도 90% 이상의 검출률 달성