이 연구는 혼잡하고 복잡한 실외 도시환경에서 자율주행 로봇이 스스로 상황을 인지하고 적절한 행동을 선택하여 안정적으로 주행할 수 있도록 하는 심층기계학습 기반 자율주행 시스템, DANS(Deep Autonomous Navigation System)를 개발하는 데 목적이 있다. 기존 자율주행 기술이 가지는 한계를 극복하기 위해, 본 과제는 두 가지 핵심 기술인 ‘주행경험축적 기반의 지능형 환경인식 기술’과 ‘Latent Model 기반의 지능형 주행행동 선택 기술’을 중심으로 구성된다. 첫 번째 기술은 심층학습 기반으로 지형의 특징을 분석하여 주행가능 영역과 위험지형을 인식하고, 3차원 점군 데이터를 활용하여 다수의 객체를 인식 및 추적하며, 주행경험을 통해 시간이 지남에 따라 변화하는 도시 환경에 적응할 수 있도록 지도를 지속적으로 업데이트하는 기능을 포함한다. 두 번째 핵심 기술은 다양한 도시환경에서 유연하게 대응할 수 있도록 주행행동을 모델링하고, 강화학습 기반 Latent Model을 이용해 스스로 학습하며 적절한 주행행동을 실시간으로 선택하는 주행행동 선택기를 개발하는 데 초점을 맞춘다. 이를 통해 개발된 DANS 기반 자율주행 로봇은 극도로 비정형적인 도시 환경에서도 강건한 인식 능력과 높은 자율성을 갖추며, 안전하고 효율적인 실외 주행을 가능하게 한다. 기대효과로는 축적된 주행 데이터와 핵심 기술 모듈의 라이브러리화를 통해 다양한 로봇 플랫폼에 응용할 수 있는 활용성 증대, 자율주행 시스템의 인식 정확도 및 판단 능력 고도화, 실내 중심의 로봇 서비스 영역을 실외로 확장함으로써 산업 전반의 응용 범위를 넓히고 관련 핵심 부품 수요 확대를 통한 새로운 시장 창출이 가능할 것으로 기대된다.

이 연구는 대규모 실내업무공간에서 복수의 이동로봇이 협력적으로 자율주행하고 지도작성을 수행할 수 있도록 하는 핵심 기술들을 개발하는 것을 목표로 한다. 특히 3차년도에는 복잡한 환경에서 발생하는 다양한 실사용 시나리오에 대응할 수 있는 기술을 고도화하고, 실환경 기반 통합 기술의 검증을 중심으로 연구가 진행된다. 주요 기술로는 장애물 가림에도 강인한 bird’s-eye-view 기반의 주행가능영역 검출, 조명·시점·환경 변화에 영향을 받지 않는 지역 이미지 기반 정밀 위치인식 기술, 로봇 내재화를 고려한 경량화된 물체검출 신경망, 실시간 지도 업데이트를 위한 동적 장애물 제거 및 뉴럴 SLAM 기반 3D 지도 정합 기술, 미확인 객체에 대한 점진적 학습 기반 지도 반영 기술 등이 포함된다. 또한, 복수 로봇이 다양한 목표지점에서 임무를 수행할 수 있도록 경로생성 알고리즘을 고도화하고, 실시간으로 작업 지연·장애 상황에 대응하여 작업을 재할당하는 개선 알고리즘도 개발된다. 이와 함께 실내 업무공간 내에서 다중로봇의 실시간 협력과 운용 상태를 모니터링하고 효율적으로 관리할 수 있는 확장형 시각화 솔루션과 인터페이스가 구축되며, 인천공항 실환경을 기반으로 한 단위 및 통합 현장 테스트 시나리오가 실제로 작성 및 검증되어 기술의 실증 가능성이 확인된다. 이러한 기술은 향후 대규모 업무공간에서 다양한 유형의 협력 로봇이 안정적이고 효율적으로 운용될 수 있는 기반이 되며, 로봇산업의 상용화 및 고도화된 스마트 업무환경 구축에 중대한 기여를 할 것으로 기대된다.

이 연구는 5G MEC 기반의 자율이송 모바일 매니퓰레이터 기술을 활용하여 스마트 제조현장의 물류 자동화 고도화를 목표로 하는 지능형 제조 물류 시스템을 개발하는 프로젝트로, 유연한 생산 환경에서 다종·다중 로봇의 자율 협업을 실현할 수 있는 차세대 로봇 물류 플랫폼 기술을 종합적으로 구현하는 데 목적이 있다. 핵심 목표는 고성능 자율이송 로봇, 동적 작업 계획 프레임워크, 로봇 관제 시스템, 비전문가용 인터페이스, 그리고 실제 수요기업 공정을 모사한 테스트베드 등을 기반으로, 물류 이송의 효율성과 신뢰성을 동시에 달성하는 것이다. 연구진은 5G MEC 기반 로봇 자율이송 플랫폼을 설계하여, 실시간 센서 데이터로부터 장애물 지도를 생성하고, 모바일 매니퓰레이터와 중앙 관제 시스템이 연동되는 API 및 인터페이스를 구현하였다. 또한, 작업 상황 인지, 이상 감지, 자율 경로 재설정 기능을 포함하는 동적 작업 계획 프레임워크를 개발함으로써, 현장 변화에 빠르게 대응할 수 있는 로봇 운영 알고리즘을 확립하였다. 다종/다중 로봇 관제 시스템은 수치·의미적 지도 기반 주행 경로 관리, 교통 통제 기능, 작업 스케줄 관리 기능 등을 포함하여 대규모 로봇 운영을 가능케 하였으며, 작업지점 충돌 회피 기술을 통해 밀집 환경에서도 충돌 없이 협업이 가능한 정밀 제어를 구현하였다. 기술적 측면에서 다종/다중 로봇을 통합 운영하는 스마트 물류 기술, 완전 자율형 작업 계획 시스템, 그리고 글로벌 로봇 관제 시장에 대응 가능한 핵심 기술을 선제적으로 확보하는 데에 큰 의의가 있다. 또한 경제·산업적 측면에서는 5G 기반 로봇 기술의 다양한 산업 응용(물류, 유통, 방역, 무인운송 등)을 통한 파급력 확보와 함께, 정부가 추진하는 4차 산업혁명 기반 경제 활성화와 연계된 새로운 자동화 플랫폼 생태계 형성, 국내 기술주도의 글로벌 시장 진출 기반 마련, 관련 산업의 새로운 수익모델 창출 등의 효과가 기대된다. 이로써 해당 기술은 스마트 공장 물류 자동화의 미래 청사진을 구체화하는 중추적 기반 기술로 평가된다.

이 연구는 밀집된 군중 환경에서도 주·야간 및 실내외를 가리지 않고 자율주행이 가능한 지능형 이동로봇 기술을 확보하는 것을 목표로 하며, 다양한 AI 기술을 융합하여 실환경에서 안정적으로 동작하는 자율주행 로봇 시스템을 구축하고자 한다. 특히, 강화학습 기반 주행제어, 동적 장애물 인식·회피, SLAM, 로봇 간 통합 제어 등 다중 요소 기술을 통합한 플랫폼을 통해, 사람과 이동체가 밀집한 복잡한 환경에서도 로봇이 안전하고 민첩하게 이동할 수 있는 기반 기술을 정립하였다. 고려대학교는 궤적 예측과 충돌회피 제어 기술을 ROS 기반 패키지로 통합하여 시스템 간 호환성과 실시간 운용 안정성을 확보했으며, 실환경 시험 및 인증을 통해 기술 신뢰성을 입증하였다. UNIST는 강화학습 기반 주행제어의 안정화 및 메타학습 도입, 전이학습 기반 성능 고도화, S/W 패키지화 및 공인 시험을 통한 기술 검증을 수행하여, 데이터 효율적 학습 기반 자율주행 시스템을 완성했다. DST로봇은 이를 사업화로 연결하기 위한 실환경 적용 테스트와 배포 가능한 플랫폼 설계를 통해, 기술 확산과 상용화 가능성을 구체화하였다. 기대 효과 측면에서, 본 과제를 통해 고밀도·동적 환경에서도 안정적인 자율주행이 가능한 로봇 기술을 확보함으로써, 스마트 물류, 방역, 보안, 안내, 실내외 배송 등 다양한 산업 분야에 적용이 가능한 기반기술을 확보하게 된다. 또한, 각종 AI 기반 기술의 패키지화 및 공인 시험을 통한 신뢰성 확보, 주행 경험 기반 데이터 축적 및 활용, 오픈소스 전략을 통한 생태계 확대를 통해 자율주행 로봇 기술의 실용성과 확장성을 동시에 확보하였으며, 이는 향후 스마트시티, 군집 로봇, 고위험 작업 환경 등에서도 폭넓게 활용될 수 있는 핵심 원천기술로 작용할 것으로 기대된다.