1. ORIS-quadrobot-payloads 프로젝트 개요

이 프로젝트는 ORIS (On-device Robot Intelligence SW-System)의 서브프로젝트로, 로봇의 온디바이스 지능을 지원하기 위한 SW 플랫폼 핵심 기술을 개발합니다. 국산 온디바이스 AI 보드를 탑재한 4족보행 로봇의 실증 기반 검증을 목표로 하고 있으며, 다양한 임무 장비를 로봇에 탑재하여 도전적인 시나리오에서 검증할 수 있도록 합니다.

이를 위해 다음의 주요 작업을 수행합니다:

• 임무 장비 인터페이스 설계: 다양한 범용 장비를 4족보행 로봇에 연결하기 위한 인터페이스를 설계합니다. 이를 통해 로봇이 각종 임무 장비(이하 payload)와 원활히 연동될 수 있습니다.
• ROS2 및 오픈소스 SW 생태계 활성화: ROS2 프레임워크와 오픈소스 커뮤니티에서 활용할 수 있는 소프트웨어를 개발하여, 프로젝트 결과물을 공유하고 활용성을 높입니다.

2. 자원 제약 환경에서의 온디바이스 로봇지능 SW 플랫폼 실증을 위한 로봇 요구사항 연구

이 연구는 자원 제약 환경에서 온디바이스 로봇지능 SW 플랫폼을 검증하기 위한 로봇 요구사항을 정의하는 것을 목적으로 합니다.

연구 배경

로봇은 모바일 플랫폼으로서 IoT 장치와 결합하여 대용량 스트리밍 데이터를 전송하는 과정에서 상당한 무선 통신 트래픽을 발생시킵니다. 또한, 로봇이 인간 환경에 더욱 통합되면서 실시간 처리를 요구하는 무선 제어 시스템의 경우, 네트워크 지연과 보안 문제 등이 큰 도전 과제로 떠오르고 있습니다. 이러한 자원 제약 환경에서 로봇 자체적으로 AI를 처리할 수 있는 온디바이스 로봇 지능의 필요성이 대두되고 있습니다.

연구 목표 및 방법

• 테스트베드 설정: 지상 기반의 다족 로봇을 테스트베드로 활용하여, 온디바이스 로봇지능 SW 플랫폼의 요구사항을 검증하고 로봇 운영을 위한 하드웨어 아키텍처 요건을 규정합니다.
• 로봇 내 정보 처리 요건 분류: 로봇 시스템 내에서 다양한 IoT 장치와 결합할 때 처리해야 할 정보의 유형을 분류하고, 데이터 처리 및 전송 방식을 연구합니다.
• ROS와 온디바이스 AI 프레임워크의 통합 방안: 온디바이스 로봇지능을 통해 다양한 테스트 환경에서 안전한 운용과 실시간 성능을 달성할 수 있도록 ROS 프레임워크와 온디바이스 AI 프레임워크를 통합하는 개념적 접근 방식과 기술적 도전 과제를 탐구합니다.

기대 효과

이 시스템은 로봇이 스스로 AI를 처리하여 외부와의 네트워크 의존성을 줄이고, 자원 제약 환경에서도 실시간으로 안전하게 작동할 수 있도록 하는 것을 목표로 합니다.

3. AI 솔루션

3.1. 온디바이스 AI Detection & Tracking

YOLO기반의 객체 인식 및 추적 솔루션입니다. 본 솔루션은 Nvidia AGX Orin 기반의 온디바이스 보드에서 실행되며, 온디바이스 보드에서 추론을 수행하는 것을 목표로 합니다. 사용 방법은 Detection_Inference 디렉토리를 참고하세요.

3.2. 온디바이스 자율주행 솔루션

Nav2 기반의 자율주행 솔루션입니다. 본 솔루션은 Nvidia AGX Orin 기반의 온디바이스 보드에서 실행되며, 온디바이스 보드에서 추론을 수행하는 것을 목표로 합니다. 사용 방법은 AV_gz_sim 디렉토리를 참고하세요.

License

이 프로젝트는 GPL-3.0를 준수합니다. 자세한 내용은 LICENSE 파일을 참조하세요.