센서 융합은 자율 이동 로봇의 내비게이션과 안전성을 향상시킵니다.

AMR의 애플리케이션 전망은 유망하지만 도전 과제를 안고 있습니다

AMR은 비용을 절감하고, 안전성을 개선하며, 효율성을 높일 수 있는 응용 기능을 가지고 있어 점점 더 많은 산업에서 이를 채택하기 시작했습니다. 설문 조사에 따르면, 글로벌 AMR 시장은 2022년에 86억 5천만 달러로 평가되었으며, 2022년부터 2028년까지 연평균 성장률(CAGR)은 18.3%로 예상됩니다. AMR의 개발 전망이 유망하지만, AMR 채택에는 많은 도전 과제가 있습니다.

AMR을 채택하는 데 있어 주요 과제는 그것이 작동하는 애플리케이션과 환경의 다양성입니다. AMR의 일반적인 사용 사례로는 창고, 농업 기술, 상업용 조경, 헬스케어, 스마트 리테일, 보안 및 감시, 배송, 인벤토리, 그리고 픽업 및 분류가 포함됩니다. 이러한 다양한 환경에서 AMR은 사람들 주변에서 안전하게 작동해야 합니다.

그러나 이러한 응용 시나리오의 복잡성은 AMR의 작업을 매우 까다롭게 만듭니다. 인간에게는 당연하게 여겨지는 일부 상황들이 AMR에게는 처리하기 어려운 경우가 있을 수 있습니다. 예를 들어, 배송 로봇이 패키지를 배달하다가 길 한가운데에 있는 공을 보았다고 가정해 봅시다. 로봇이 공을 식별하고 충돌을 피할 수는 있을 가능성이 높지만, 아이가 공을 잡으러 달려나올 것을 미리 예측할 만큼 충분히 똑똑할까요? 이와 같이 복잡한 상황이 많이 존재합니다. 예를 들어 AMR이 도로변 기둥에 설치된 90도 반사경을 사용하여 코너 주변 상황을 관찰하고 교통을 미리 예측할 수 있을까요? 또는 AMR이 방금 부어진 콘크리트 위를 걷지 말아야 한다는 것을 이해할 수 있을까요? 이것은 인간에게는 흔한 일이지만 AMR에게는 난관을 제시합니다.

아마도 인간에게 쉽게 이해되는 이러한 상황들이 로봇에게는 더 어려울 수 있습니다. 하지만 적절한 센서를 사용하면 AMR은 밝은 햇빛 속에서 인간보다 더 쉽게 물체를 감지할 수 있을 것입니다. 그러나 새로 부어진 콘크리트와 엎질러진 액체를 식별하는 것은 어려울 수도 있습니다. 또한, 가장자리, 절벽, 경사로 및 계단도 AMR에게는 도전 과제가 될 수 있습니다. 누군가가 AMR을 고의적으로 방해하는 특별한 상황도 있으며, 이는 탈출 조작 시스템을 설계할 필요성을 일으킬 수 있습니다. 위에서 언급된 많은 도전 과제를 해결하려면 AI가 최첨단 대규모 언어 모델(LLM)과 다양한 고성능 센서를 활용하는 것이 필요합니다.

AMR용 고성능 센서는 각각 고유한 장점과 단점을 가지고 있습니다

AMR은 환경을 감지하기 위해 다양한 유형의 센서를 사용할 수 있으며, 이러한 센서는 거리 및 깊이 측정을 제공하는 동시에 동시 위치 추정 및 지도 작성(SLAM)을 수행해야 합니다. 중요한 센서 지표에는 객체 감지, 객체 식별, 색상 인식, 해상도, 전력 소비, 크기, 비용, 범위, 명암비(dynamic range), 속도 및 다양한 조명 및 기상 조건에서 작동할 수 있는 능력이 포함됩니다.

AMR에 사용 가능한 센서 유형에는 CMOS 이미지 센서, 직접 비행 시간(dToF) 및 간접 비행 시간(iToF) 깊이 센싱, 초음파, 레이더, 유도 위치 센서, Bluetooth® 저에너지(Bluetooth LE) 기술, 관성 센서 등이 포함됩니다. 각 센서 유형은 고유한 장점과 단점을 가지고 있습니다.

예를 들어, 레이더는 저조도나 악천후 조건에서 뛰어난 거리 및 속도 성능을 제공하지만 색상 감지 능력은 낮으며 초기 비용이 높고 상대적으로 크기가 큰데, 이는 AMR에 중요한 고려 사항입니다. LiDAR는 대량 CMOS 실리콘 파운드리 프로세스로 인해 초기 비용이 비교적 낮고 야간 및 직사광선에서도 성능이 우수하지만 객체 분류에는 덜 효과적입니다. 반면, iToF 깊이 센서는 뛰어난 해상도와 저전력 처리 기능을 제공합니다.

분명히, 하나의 센서 유형만 사용해서는 위에서 언급한 모든 문제를 해결하기 위해 AMR이 필요한 모든 정보를 제공할 수 없습니다. 응용 프로그램과 환경에 따라 AMR은 여러 가지 또는 다양한 종류의 센서를 필요로 합니다. 이러한 센서들은 독립적으로 작동하는 것이 아니라, 센서 융합이라는 과정에서 함께 작동합니다.

자율 이동 로봇은 센서 융합을 어떻게 구현할까

센서 융합은 시스템과 주변 환경을 더 잘 이해하기 위해 두 개 이상의 데이터 소스(센서 및/또는 알고리즘 또는 모델)를 결합하는 과정입니다. AMR에서의 센서 융합은 더 나은 신뢰성, 중복성, 궁극적으로 안전성을 제공하며, 평가 결과가 더욱 일관되고 정확하며 신뢰할 수 있도록 보장한다는 점에서 매우 중요합니다.

센서 융합은 데이터 수집과 데이터 해석이라는 두 가지 기능을 결합합니다. 센서 융합의 "데이터 해석" 단계는 알고리즘 또는 모델을 구현하는 것을 요구합니다. 때로는 센서 융합 결과가 자동차를 지원하는 것과 같은 인간 습관을 위한 설계로 이루어지며, 때로는 보안 시스템에서 얼굴 인식과 같은 추가 기계 적용을 위해 설계됩니다.

센서 융합은 신호 노이즈를 줄이는 등 다양한 장점이 있습니다. 동질 센서 융합은 상관되지 않은 노이즈를 줄일 수 있고, 이종 센서 융합은 상관된 노이즈를 줄일 수 있습니다. 고유한 특성으로 인해 센서 융합은 중복성을 통해 신뢰성을 향상시킵니다. 최소 두 개 이상의 센서가 있기 때문에, 하나의 센서 데이터가 소실될 경우 감지 품질이 저하될 수도 있지만 다른 센서 데이터가 여전히 사용 가능하기 때문에 완전한 실패로 이어지지는 않습니다. 센서 융합은 측정되지 않은 상태를 추정하는 데에도 사용될 수 있으며, 예를 들어 카메라로 물체 또는 물체의 일부가 시야에서 차단되었을 때나 물체 또는 표면이 한 카메라에서 다른 카메라로 빛을 반사할 때에도 센서 융합은 일정 수준의 감지 성능을 유지합니다.

이러한 장점과 시장 채택의 가속화로 인해 센서 융합에서 몇 가지 신규 트렌드가 나타나고 있습니다. 여기에는 AI 기반 알고리즘 사용, 향상된 물체 감지 및 분류, 여러 센서 모달리티와 센서 융합의 결합을 통한 협업적 인식, 그리고 악조건 하의 환경 인식이 포함됩니다. 센서 융합은 360도 주변 뷰를 구현하고 실시간 센서 캘리브레이션 등을 가능하게 합니다.

센서 융합을 위한 완전한 솔루션 제공

AMR에서의 센서 융합은 산업 및 운송 응용 분야에 중요한 영향을 미치는 것을 목표로 합니다. Industry 5.0으로의 진전을 이루는 과정에서, onsemi는 효과적인 구현을 보장하기 위해 센서 및 서브시스템을 제공합니다. onsemi의 서브시스템 솔루션은 견고한 고해상도 이미징 시스템부터 고전력 모터 제어 및 작고 효율적인 배터리 충전 솔루션에 이르기까지 매우 다양하며, 자동차 산업에 서비스를 제공한 수십 년간의 경험을 바탕으로 구축되었습니다. onsemi의 솔루션은 개발을 더 쉽게 하고 산업용 로봇이 가장 혹독한 환경에서도 적응하고 신뢰할 수 있도록 함께 작동합니다.

자율 이동 로봇은 자율 주행 차량과 유사한 기능을 가지며, 여러 하위 시스템으로 구성된 복잡한 설계를 통해 로봇이 최소한의 인간 상호 작용으로 이동, 관찰 및 안전하게 작동할 수 있도록 합니다. onsemi는 신뢰할 수 있는 지능형 전력 및 감지 솔루션을 통해 이러한 복잡성을 최소화하여 귀하의 설계를 위한 필수 구성 요소를 제공합니다.

센서 융합의 핵심은 센서입니다. 센서에서 제공되는 데이터가 좋지 않으면, 최고의 알고리즘을 사용하더라도 고품질의 결과를 얻을 수 없습니다. 다행히도, onsemi는 AMR에서의 센서 융합을 지원하기 위한 세계적인 수준의 센서와 툴킷을 제공합니다.

onsemi는 스마트 센싱 기술의 선도 기업으로, 동적 범위 및 움직임 감지 시 활성화와 같은 기능에서 업계 최고 성능을 제공하는 롤링 셔터 및 글로벌 셔터 이미지 센서를 포함한 광범위한 포트폴리오를 제공하여 웨어러블 및 소비자 전자 제품에서부터 까다로운 산업 및 자동차 애플리케이션에 이르기까지 다양한 최종 애플리케이션 요구 사항을 충족합니다.

onsemi는 이미지 센서 외에도 거리 감지(LiDAR)를 위한 SiPM을 제공합니다. 이 제품 포트폴리오에는 초음파 센서, 유도 센서 및 Bluetooth® LE 기술을 지원하는 마이크로컨트롤러가 포함되어 있으며, 위치 탐지를 위한 AoA(입사각) 및 AoD(출사각)를 지원합니다.

구체적인 예로는 초음파 주차 거리 측정 애플리케이션용 애플리케이션 특정 표준 제품(ASSP)인 NCV75215이 있습니다. 이는 압전 초음파 센서를 사용하여 차량/AMR 주차 시 장애물 거리의 비행 시간을 측정할 수 있습니다. 이 제품은 높은 감도와 저소음 작동을 특징으로 하며, 표준 75mm 폴에서 0.25m에서 4.5m까지 감지할 수 있습니다. 실제 최소 거리는 잔향 길이에 의해 결정됩니다. 이상적인 조건에서는 완벽하게 조율되고 일치하는 외부 회로를 통해 최소 0.2m의 거리를 달성할 수 있으며, 실제 감지 범위는 압전 초음파 트랜스듀서와 외부 아날로그 부품에 따라 달라집니다.

이 장치는 변압기를 통해 프로그래밍 가능한 주파수로 초음파 트랜스듀서를 구동합니다. 수신된 에코는 증폭되고 디지털 신호로 변환된 후 필터링, 검출되며 내부 RAM에 저장된 시간 종속 임계값과 비교됩니다. 장애물까지의 거리는 송신 버스트부터 에코 인식까지의 시간에 따라 결정됩니다. 내장된 양방향 I/O 라인은 마스터(ECU)와의 통신에 사용될 수 있습니다. 마스터는 NCV75215에 I/O 라인 명령을 보내며, 데이터는 동일한 라인을 통해 다시 보고됩니다.

결론

자율 이동 로봇(AMR)은 다양한 활용 사례를 가지고 있으며, 그 채택이 가속화됨에 따라 이를 지원하기 위한 일련의 모범 사례들이 나타나고 있습니다. 먼저, AMR이 직면할 수 있는 잠재적 충돌을 줄이기 위해 환경을 제어하는 것이 중요합니다. 제조 또는 창고 시설에서 AMR/자동 유도 차량(AGV)의 경로를 지정하는 것이 그 한 예입니다. 두 번째로, 극단적인 시나리오를 포함하여 정확한 사용 사례를 시뮬레이션하기 위해 개발 과정에서 디지털 트윈을 사용하는 것이 중요합니다. 마지막으로, 지능형 센서, 알고리즘 및 모델과 센서 융합을 통합하는 것이 필수적입니다. onsemi는 이미지 센서와 결합된 고해상도 이미징 시스템, 고출력 모터 제어, 효율적인 컴팩트 배터리 충전 솔루션을 포함하여 AMR 애플리케이션의 다양한 요구를 충족하는 센서 융합에 대한 완전한 솔루션을 제공합니다. 관련 요구 사항이 있으시다면, Arrow 또는 onsemi에 제품 및 애플리케이션 정보에 대해 문의해 주시기 바랍니다.