자율주행 지상차량(AGV) 시스템에서 경로 계획은 특히 실시간 적응이 필수적인 동적 환경에서 여전히 핵심적인 과제로 남아 있다. 계산 효율 또는 환경 적응성 측면에서 한계를 보이는 기존 방법들과 달리, 본 연구는 인공 잠재력 함수와 Levenberg-Marquardt 최적화 방법을 매끄럽게 통합하는 새로운 최적화 기반 접근법을 제안한다. 제안된 알고리즘은 정적 장애물과 동적 환경 변화를 동시에 다루면서, 통합 비용 함수 프레임워크를 통해 전통적 경로 계획의 주요 제한 사항을 해결한다. 본 혁신은 인공 잠재력 함수로 정의된 통과 가능 영역과 통과 불가능 영역을 활용하여 동적 환경을 구성함으로써, 실시간 장애물 표현에 적합한 계산 효율적인 방법을 마련하는 데 있다. Levenberg-Marquardt 방법은 기울기 기반 대안에 비해 비선형 최적화 문제에서 우수한 수렴 특성과 강건성을 보유하기 때문에 특히 선택되었다. 최적화 문제에는 차량 동역학, 제어 제약, 그리고 환경 변화를 단일 프레임워크에 통합하여 반영한다. 적분 제어기는 생성된 최적 궤적에 대한 정밀한 경로 추종을 보장한다. 시뮬레이션과 실제 환경 모두에서의 실험적 검증 결과, 본 알고리즘의 효과성과 실용적 적용 가능성이 입증되었다. 검증 비디오는 다음에서 확인할 수 있다: https://youtu.be/XVLes855hSw

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.