전체 과정 P1 로봇과 실습 도구 이해 · 약 200분 · 중급

CH01myAGV Plus 와 자율주행 물류로봇

AGV 와 AMR 의 차이, 물류 현장에서의 쓰임을 알아보고 myAGV Plus 의 사양 · 구성 · 안전 수칙과 강좌의 세 가지 실습 도구를 한눈에 둘러봅니다.

학습 목표#

  • AGV(자동 유도 운반차)와 AMR(자율 이동 로봇)이 길을 찾는 방법의 차이를 설명하고, 현장 조건에 맞는 방식을 고를 수 있습니다.
  • 물류 창고의 작업 흐름(입고 → 보관 → 피킹 → 이송 → 출고)과 자율주행 4단계 구조(인지 → 위치추정 → 경로계획 → 제어)를 그림으로 설명할 수 있습니다.
  • myAGV Plus 사양표에서 속도 · 회전 · 적재 한계를 읽고, 한계를 넘는 명령값을 골라낼 수 있습니다.
  • 적재 무게 · 바닥 경사 · 바닥 상태가 제동 거리에 주는 영향을 시뮬레이터로 확인하고, 배터리 보호 로직(경고 · 저전압 · 주행 잠금)을 판별할 수 있습니다.
  • 강좌의 세 가지 실습 도구(URDF 뷰어 · 시뮬레이터 · Playground)의 역할과 "시뮬레이터에서 검증 → 실물로 이동" 흐름을 설명할 수 있습니다.
이 차시를 공부하는 방법

이 페이지에는 브라우저에서 바로 동작하는 미니 시뮬레이터 5개가 들어 있습니다. 설명을 다 읽기 전에 먼저 결과를 예측해 적고, 슬라이더 · 버튼을 움직여 예측이 맞았는지 확인하세요. 틀린 예측이 가장 좋은 공부 재료입니다. Python 실습 코드는 Playground에서 열기 버튼으로 바로 실행됩니다.

1교시 · 물류로봇의 세계: AGV 와 AMR#

AGV 와 AMR 은 길을 찾는 방법이 다릅니다#

물류 현장의 이동 로봇은 크게 두 가지로 나뉩니다.

구분AGV (Automated Guided Vehicle, 자동 유도 운반차)AMR (Autonomous Mobile Robot, 자율 이동 로봇)
길 안내바닥의 마그넷 테이프 · QR 코드 · 반사판을 따라감LiDAR 로 만든 지도 위에서 자기 위치를 추정하고 경로를 스스로 계획
장애물을 만나면멈추고 기다림 (치워질 때까지)지도에 장애물을 반영해 다시 계획하고 우회
경로 바꾸기테이프를 다시 깔아야 함 (공사)지도의 목적지 · 금지 구역만 수정
장점단순 · 예측 가능 · 저렴, 반복 경로에 강함유연함, 사람과 섞인 공간 · 자주 바뀌는 레이아웃에 강함
약점경로가 고정, 막히면 전체 흐름이 멈춤센서 · 계산 비용, 지도 품질에 성능이 좌우됨
AGV (자동 유도 운반차) AMR (자율 이동 로봇) 상자 정지 (대기) 바닥 마그넷 테이프 · QR 코드 = 정해진 길 ■ QR · RFID 표지 (위치 확인용) 상자 다시 계획 → 우회 LiDAR 지도 + 위치추정 = 스스로 찾는 길 - - - 계획한 경로 (막히면 다시 계획)
같은 상자를 만났을 때: AGV 는 테이프 위에서 멈추고, AMR 은 센서로 상자를 지도에 반영해 다른 길로 돌아갑니다.

myAGV Plus 는 360° LiDAR 와 카메라, Jetson 컴퓨터를 갖춘 AMR 형 플랫폼입니다. 다만 소프트웨어를 어떻게 짜느냐에 따라 "정해진 좌표를 차례로 도는 AGV 처럼"도, "지도로 스스로 길을 찾는 AMR 처럼"도 움직일 수 있습니다. 이 강좌는 전자에서 시작해(ch04) 후자로 나아갑니다(ch08 · ch10).

물류 창고의 작업 흐름#

입고보관(선반)피킹이송출고 검수 · 라벨 부착랙 · 칸 위치 기록주문 물품 꺼내기스테이션 간 운반포장 · 상차 이동 로봇의 몫: 단계와 단계 사이의 "운반" (입고장 → 선반 → 피킹 스테이션 → 출고장) 피킹(집기)은 사람 · 로봇팔이, 운반은 이동 로봇이 나누어 맡는 경우가 많습니다
창고의 다섯 단계. 이동 로봇은 단계와 단계 사이의 '운반'을 주로 맡습니다.
  • 입고: 트럭에서 내린 물품을 검수하고 라벨을 붙입니다. → 로봇이 입고장에서 선반 구역으로 옮깁니다.
  • 보관: 선반(랙)의 칸 위치를 기록해 둡니다. 창고 관리 시스템(WMS)이 "어느 물품이 어느 칸에" 있는지 압니다.
  • 피킹: 주문이 들어오면 물품을 꺼냅니다. 사람이 선반으로 걸어가는 대신 로봇이 선반이나 상자를 피킹 스테이션으로 가져오는(Goods-to-Person) 방식이 늘고 있습니다.
  • 이송 · 출고: 피킹한 물품을 포장대 · 출고장으로 운반합니다.

여기서 이동 로봇의 성능을 가르는 것은 "얼마나 빨리 달리나"보다 "막히지 않고 꾸준히 도착하나" 입니다. 2교시와 3교시에서 이 차이를 숫자로 확인합니다.

자율주행 로봇의 4단계 구조#

AGV 는 ② · ③ 을 바닥 표지와 고정 경로로 대신합니다 ① 인지② 위치추정③ 경로계획④ 제어 LiDAR · 카메라 · IMU주변에 무엇이 있나? 지도 + 센서 비교나는 어디에 있나? 지도 위 안전한 경로어디로 갈까? 속도 명령 → 모터 4개어떻게 움직일까? 움직이면 주변이 바뀌므로 1초에 수~수십 번 반복합니다 (ch06~ch10 에서 단계별로 다룸)
자율주행의 네 단계. 강좌 뒤쪽 차시에서 한 단계씩 직접 만들어 봅니다.
단계질문myAGV Plus 에서 쓰는 것다루는 차시
① 인지주변에 무엇이 있나?LiDAR · 카메라 · IMUch06 · ch07
② 위치추정나는 어디에 있나?바퀴 오도메트리 + IMU + LiDAR 지도 비교ch06 · ch10
③ 경로계획어디로 갈까?점유 격자 지도 위의 경로 탐색ch08 · ch10
④ 제어어떻게 움직일까?속도 명령 → 메카넘 휠 모터 4개ch03 · ch04

AGV 는 ②와 ③을 바닥 표지와 고정 경로로 대신하기 때문에 구조가 단순합니다. 아래 시뮬레이터에서 그 대가가 무엇인지 확인해 봅시다.

시뮬레이터 1 · 선반 통로 창고에서 AGV 와 AMR 비교하기#

입고장(왼쪽 아래)에서 피킹 스테이션(오른쪽 위)까지 물품을 옮깁니다. 한 칸은 0.5 m 입니다. 캔버스의 빈 칸을 클릭하면 상자가 놓이고, 다시 클릭하면 치워집니다. 로봇이 달리는 도중에도 놓을 수 있습니다. AMR 모드의 옅은 원은 LiDAR 가 상자를 알아챌 수 있는 범위(약 1.25 m)입니다.

선반 통로 창고 · AGV 모드 / AMR 모드
해 볼 것 (먼저 예측을 적고 확인하세요)
  1. 상자 없이 두 모드를 한 번씩 달려 봅니다. 이동 거리가 같나요? (둘 다 11.0 m 가 나와야 합니다.)
  2. 테이프가 지나는 통로 칸 (열 8, 행 4) — 가운데 선반 통로의 가운데 — 에 상자를 하나 놓고 AGV 모드로 출발합니다. 어디서 무엇을 하나요? 멈춘 동안 상자를 클릭해 치우면 어떻게 되나요?
  3. 같은 상자로 AMR 모드를 출발합니다. 로봇이 상자를 언제 알아채고, 몇 번 다시 계획하나요?
  4. 통로 두 칸(열 8 · 9, 행 4)을 모두 막아 봅니다. AMR 의 이동 거리가 1번보다 늘어나나요? 늘어났다면 이유는?
  5. 입고장 주변을 상자로 완전히 둘러싸 봅니다. AMR 은 어떤 상태가 되나요?
관찰 포인트
  • AGV 는 멈춤이 정상 동작입니다. 안전하지만, 상자가 치워질 때까지 뒤따르는 작업이 모두 밀립니다.
  • AMR 은 평소 경로(테이프와 같은 길)로 가다가, 상자가 센서 범위 안에 들어와야 알아챕니다. 상자 하나는 옆 칸(열 9)으로 비켜 가므로 거리가 그대로지만, 두 칸을 다 막으면 통로에 들어간 뒤에야 알게 되어 되돌아 나오므로 이동 거리가 늘어납니다.

처음부터 모든 장애물을 알았다면 최단 거리는 그대로 11.0 m 일 수 있다는 점도 확인해 보세요 (실습 과제 1-1 의 결과와 비교).

  • 길이 완전히 막히면 AMR 도 갈 수 없습니다. "AMR 이면 항상 도착한다"는 생각은 틀립니다.

myAGV Plus 의 활용 시나리오#

시나리오무엇을 하나관련 차시
소형 물품 이송상판에 바구니 · 상자를 싣고 스테이션 사이를 운반ch04 · ch08 · ch11
복합로봇 (이동 + 로봇팔)상판에 로봇팔(예: myCobot 270 M5)을 올려 "가서 집어 오는" 작업, XT30 전원 · 흡착 펌프 포트 활용ch05 · ch11
보행자 추종LiDAR · 카메라로 사람을 따라가며 짐을 나르는 카트ch07 · ch08
자동 충전배터리가 낮아지면 충전 도크로 스스로 돌아감ch11
로봇팔 조합은 "확인 필요"

탑재 가능한 로봇팔 기종과 장착 방법은 제품 묶음(세트 구성)에 따라 다릅니다. 실제로 조합할 때는 공식 문서의 호환 목록을 먼저 확인하세요.

실습 과제 1#

실습 과제 1-1 · 격자 지도에서 AGV 와 AMR 결과 비교하기

시뮬레이터 1 과 같은 창고를 Python 으로 옮겼습니다. AMR 의 경로 탐색(너비 우선 탐색, BFS)에서 이웃 칸을 큐에 넣는 부분이 비어 있습니다. TODO 를 채우고 네 가지 상자 배치에서 두 방식의 결과를 비교하세요. AMR 이 장애물을 처음부터 모두 안다고 가정한 계산입니다.

python시뮬 실행 가능
from collections import deque

# 선반 통로 창고 (16 x 10 칸, 한 칸 = 0.5 m)
W, H = 16, 10
SHELF_COLS = (2, 3, 6, 7, 10, 11)
def is_shelf(c, r):
    return c in SHELF_COLS and 2 <= r <= 7

START, GOAL = (0, 8), (15, 1)                    # (열, 행)
TAPE_POINTS = [(0, 8), (8, 8), (8, 1), (15, 1)]  # 테이프가 꺾이는 점

def tape_cells(points):
    cells = [points[0]]
    for (c0, r0), (c1, r1) in zip(points, points[1:]):
        dc = (c1 > c0) - (c1 < c0)
        dr = (r1 > r0) - (r1 < r0)
        c, r = c0, r0
        while (c, r) != (c1, r1):
            c, r = c + dc, r + dr
            cells.append((c, r))
    return cells

def run_agv(boxes):
    path = tape_cells(TAPE_POINTS)
    for i in range(len(path) - 1):
        if path[i + 1] in boxes:
            return "정지 (대기)", path[i], i
    return "도착", GOAL, len(path) - 1

def run_amr(boxes):
    prev = {START: None}
    q = deque([START])
    while q:
        cur = q.popleft()
        if cur == GOAL:
            break
        c, r = cur
        for nc, nr in ((c + 1, r), (c - 1, r), (c, r + 1), (c, r - 1)):
            # TODO: 지도 안이고, 선반이 아니고, 상자가 아니고, 처음 가 보는 칸이면
            #       prev[(nc, nr)] = cur 로 기록하고 q 에 넣으세요
            pass
    if GOAL not in prev:
        return "경로 없음", START, 0
    steps, cur = 0, GOAL
    while prev[cur] is not None:
        cur = prev[cur]
        steps += 1
    return "도착", GOAL, steps

for boxes in [set(), {(8, 4)}, {(8, 4), (9, 4)}, {(0, 7), (1, 8)}]:
    a = run_agv(boxes)
    m = run_amr(boxes)
    print("상자", sorted(boxes))
    print("  AGV:", a[0], "위치", a[1], "이동", a[2] * 0.5, "m")
    print("  AMR:", m[0], "위치", m[1], "이동", m[2] * 0.5, "m")
풀이 코드 보기
python시뮬 실행 가능
from collections import deque

# 선반 통로 창고 (16 x 10 칸, 한 칸 = 0.5 m)
W, H = 16, 10
SHELF_COLS = (2, 3, 6, 7, 10, 11)
def is_shelf(c, r):
    return c in SHELF_COLS and 2 <= r <= 7

START, GOAL = (0, 8), (15, 1)                    # (열, 행)
TAPE_POINTS = [(0, 8), (8, 8), (8, 1), (15, 1)]  # 테이프가 꺾이는 점

def tape_cells(points):
    cells = [points[0]]
    for (c0, r0), (c1, r1) in zip(points, points[1:]):
        dc = (c1 > c0) - (c1 < c0)
        dr = (r1 > r0) - (r1 < r0)
        c, r = c0, r0
        while (c, r) != (c1, r1):
            c, r = c + dc, r + dr
            cells.append((c, r))
    return cells

def run_agv(boxes):
    path = tape_cells(TAPE_POINTS)
    for i in range(len(path) - 1):
        if path[i + 1] in boxes:
            return "정지 (대기)", path[i], i
    return "도착", GOAL, len(path) - 1

def run_amr(boxes):
    prev = {START: None}
    q = deque([START])
    while q:
        cur = q.popleft()
        if cur == GOAL:
            break
        c, r = cur
        for nc, nr in ((c + 1, r), (c - 1, r), (c, r + 1), (c, r - 1)):
            if 0 <= nc < W and 0 <= nr < H and not is_shelf(nc, nr) \
                    and (nc, nr) not in boxes and (nc, nr) not in prev:
                prev[(nc, nr)] = cur
                q.append((nc, nr))
    if GOAL not in prev:
        return "경로 없음", START, 0
    steps, cur = 0, GOAL
    while prev[cur] is not None:
        cur = prev[cur]
        steps += 1
    return "도착", GOAL, steps

for boxes in [set(), {(8, 4)}, {(8, 4), (9, 4)}, {(0, 7), (1, 8)}]:
    a = run_agv(boxes)
    m = run_amr(boxes)
    print("상자", sorted(boxes))
    print("  AGV:", a[0], "위치", a[1], "이동", a[2] * 0.5, "m")
    print("  AMR:", m[0], "위치", m[1], "이동", m[2] * 0.5, "m")

실행 결과: AGV 는 (8, 4) 상자 앞 (8, 5) 에서 5.5 m 만 가고 멈춥니다. AMR 은 처음 세 경우 모두 11.0 m 로 도착하고, 입고장 앞을 막은 마지막 경우엔 아래로 돌아 12.0 m 입니다. 장애물을 미리 다 알면 격자 위 최단 거리는 거의 그대로입니다. 시뮬레이터 1 에서 거리가 늘어난 것은 늦게 발견했기 때문입니다.

확인 문제 1-1

시뮬레이터 1 의 AGV 모드에서 테이프 위 통로 (8, 4) 에 상자를 두었을 때 관찰되는 결과는?

  1. 상자를 밀고 지나간다
  2. 상자 바로 앞 칸에서 멈추고, 상자가 치워질 때까지 기다린다
  3. 옆 통로(열 9)로 비켜 지나간다
  4. 출발점으로 되돌아간다
정답 보기② — AGV 는 테이프 밖으로 나갈 방법이 없으므로 앞을 감지하면 멈추고 기다립니다. 상자를 치우면 그 자리에서 다시 출발합니다.
확인 문제 1-2

자동차 부품 공장에서 매일 같은 두 지점(조립 라인 ↔ 부품 창고) 사이만 반복 운반하고, 바닥 공사가 가능하며, 통로에 사람이 거의 다니지 않습니다. 가장 알맞은 방식은?

  1. 마그넷 테이프 · QR 유도 AGV
  2. LiDAR 지도 기반 AMR
  3. 사람이 직접 카트로 운반
  4. 어느 로봇도 쓸 수 없음
정답 보기① — 경로가 고정이고 막힐 일이 드물면 단순하고 예측 가능한 AGV 가 유리합니다. AMR 도 가능하지만 유연성의 장점을 살리기 어렵습니다.
확인 문제 1-3

주문마다 목적지 선반이 바뀌고, 작업자가 통로를 자주 오가며, 계절마다 선반 배치를 바꾸는 이커머스 창고입니다. 시뮬레이터 1 의 결과를 근거로 고르면?

  1. AGV — 멈추는 것이 가장 안전하므로
  2. AMR — 장애물을 지도에 반영해 다시 계획하고, 배치 변경도 지도만 고치면 되므로
  3. AGV — 테이프만 다시 깔면 되므로 비용이 들지 않음
  4. 어느 쪽이든 결과가 같음
정답 보기② — 사람 · 임시 적재물로 통로가 자주 막히고 레이아웃이 바뀌는 곳에서는 AGV 의 "멈춰서 대기"가 전체 흐름을 막습니다. 다만 길이 완전히 막히면 AMR 도 대기한다는 점(해 볼 것 5)을 잊지 마세요.

2교시 · myAGV Plus 하드웨어 사양 읽기#

외관 둘러보기#

제품 사진은 hyenc.net 의 myAGV Plus 제품 페이지 에서 확인할 수 있습니다 (사진 출처: hyenc.net, 저작권은 해당 사이트에 있으므로 이 강좌에 복제하지 않고 링크로 안내합니다). 사진을 열어 두고 아래 개념도와 비교하며 부품을 하나씩 찾아보세요.

위에서 본 모습 (개념도) 옆에서 본 모습 (개념도) ▲ 진행 방향 · 전면 카메라 LiDAR 360° 상판 · 로봇팔 탑재 영역 메카넘 휠 4개 · FOC 브러시리스 모터 (ID 1~4, 번호 배치는 ch03 에서 확인) LiDAR Jetson Orin Nano Super IMU · 모터 드라이버 이중 배터리 카메라 8MP · 77° 0.12~8 m 거리 측정 포트 HDMI · DP · USB 3.0 ×2 · RJ45 XT30(12V 5A, 로봇팔) · 2.54 mm IO 헤더 · 흡착 펌프 부품 · 포트의 실제 위치는 제품 사진과 공식 문서로 확인하세요
myAGV Plus 의 주요 부품 위치(개념도). 실제 모양 · 위치는 제품 사진으로 확인합니다.
사진에서 찾아보기 (5분)

구동부: 메카넘 휠과 전방향 이동#

  • FOC(Field Oriented Control, 자속 기준 제어) 방식으로 구동되는 유성기어 브러시리스 모터 4개(모터 ID 1~4)가 바퀴를 하나씩 돌립니다.
  • 바퀴는 메카넘 휠입니다. 네 바퀴의 회전 방향 · 속도 조합만으로 앞뒤 · 좌우(옆걸음) · 제자리 회전과 그 조합(대각선 이동)이 모두 됩니다.
  • 그래서 myAGV Plus 의 속도 명령은 보통 세 값 (vx, vy, ω) — 앞뒤 속도, 옆 속도, 회전 속도 — 로 표현합니다. 바퀴 4개 속도로 바꾸는 계산은 ch03 에서 다룹니다.

사양표 읽기#

아래 값은 공식 문서(myagvPlus_docs)와 제품 페이지를 정리한 것입니다. 펌웨어 · 판매 구성에 따라 달라질 수 있으므로 실물 작업 전 공식 문서를 다시 확인하세요.

항목값읽는 포인트
직선 속도0.01 ~ 1.60 m/s0.01 보다 작은 0 아닌 값은 의미가 없음. 구형 myAGV 최고 0.9 m/s 보다 빠름
회전 속도0.01 ~ 7.27 rad/s7.27 rad/s ≈ 1초에 1.16 바퀴
자체 무게5 kg 미만
적재사양표 8 kg · 안전 수칙 상판 최대 5 kg강좌는 보수적인 5 kg 을 기준으로 삼음
컴퓨터Jetson Orin Nano Super 8GB (최대 67 TOPS)AI 추론 · ROS 2 를 로봇 위에서 직접 실행
운영체제Ubuntu 22.04 + ROS 2 Humblech09 · ch10
LiDAR360°, 측정 거리 0.12 ~ 8 m모델명은 판매 구성에 따라 다를 수 있음 (확인 필요)
카메라8MP, 화각 77°
IMU자이로 포함회전 추정에 사용 (ch06)
영상 · 통신HDMI · DP · USB 3.0 ×2 · RJ45모니터 · 키보드 연결, 유선 네트워크
확장로봇팔 전원 XT30 (12V 5A), 2.54 mm IO 헤더, 흡착 펌프 포트ch05
전원충전기 25.2V 1.5A, 이중 배터리3교시 배터리 보호 로직
적재 8 kg 과 5 kg, 왜 둘 다 있나요?

사양표의 8 kg 은 구조가 버티는 한계에 가깝고, 안전 수칙의 "상판 최대 5 kg" 은 제동 · 미끄러짐 · 무게중심까지 고려한 운용 한계입니다. 3교시 시뮬레이터에서 적재가 늘면 제동 거리가 어떻게 늘어나는지 직접 보면, 왜 작은 쪽을 기준으로 삼는지 이해할 수 있습니다.

시뮬레이터 2 · 사양 한계 검사기#

속도 · 회전 · 적재 값을 바꾸면 사양표 한계와 비교해 바로 판정하고, 40 m 통로 왕복 시간을 그래프로 보여 줍니다(가속 · 감속 시간은 무시한 단순 계산).

사양 한계 검사기 · 왕복 시간 계산
해 볼 것
  1. 예측: 40 m 통로를 0.5 / 1.0 / 1.6 m/s 로 왕복하면 각각 몇 초일까요? 적어 둔 뒤 v 슬라이더로 확인합니다.
  2. v 를 1.6 → 1.8 로 올려 봅니다. 판정과 막대 색이 어떻게 바뀌나요?
  3. v 를 0.5 → 1.0 으로 두 배 올리면 시간은 얼마나 줄어드나요? 1.0 → 1.6 은요? "속도를 올릴수록 줄어드는 시간"이 어떻게 변하는지 봅니다.
  4. ω 를 7.27 에서 8.0 으로 올리고 회전 애니메이션을 비교합니다. 한 바퀴 시간은?
  5. 적재를 4 → 6 → 9 kg 으로 바꾸며 판정이 세 단계로 나뉘는 것을 확인합니다.
관찰 포인트
  • 왕복 시간은 t = 2L / v 로 속도에 반비례합니다. 0.5 → 1.0 m/s 는 80 초를 줄이지만, 1.0 → 1.6 m/s 는 30 초만 줄입니다.

실제로는 가속 · 감속, 회전, 사람 근처 감속이 더해지므로 최고 속도를 올려도 효과는 더 작아집니다.

  • 사양 한계를 넘는 명령은 드라이버가 잘라내거나(클램프) 무시할 수 있습니다. 어떻게 처리되는지는 ch04 에서 실제 API 로 확인합니다.

실습 과제 2#

실습 과제 2-1 · 왕복 시간 계산과 명령값 검사

round_trip_time() 과 check_command() 의 TODO 를 채워, 왕복 시간 표를 출력하고 여섯 개의 명령 중 한계를 넘는 것을 골라내세요.

python시뮬 실행 가능
V_MIN, V_MAX = 0.01, 1.60          # 직선 속도 한계 (m/s)
W_MIN, W_MAX = 0.01, 7.27          # 회전 속도 한계 (rad/s)
LOAD_COURSE, LOAD_SPEC = 5.0, 8.0  # 강좌 기준 / 사양표 적재 (kg)

def round_trip_time(length_m, v):
    """통로 length_m 를 속도 v 로 왕복하는 시간 (가속 · 감속 무시)"""
    return 0.0  # TODO: 왕복 거리 / 속도

def check_command(v, w, load):
    problems = []
    if v != 0 and not (V_MIN <= abs(v) <= V_MAX):
        problems.append("직선 속도 %.3f m/s 가 %.2f~%.2f 밖" % (v, V_MIN, V_MAX))
    # TODO: 회전 속도 w 도 같은 방식으로 검사
    # TODO: 적재가 LOAD_SPEC 초과면 "사양표 초과", LOAD_COURSE 초과면 "강좌 기준 초과"
    return problems

L = 40
for v in (0.5, 1.0, 1.6):
    t = round_trip_time(L, v)
    print("v = %.1f m/s -> 왕복 %.0f s (%.1f 분)" % (v, t, t / 60))
print("구형 myAGV 최고 0.9 m/s -> 왕복 %.0f s" % round_trip_time(L, 0.9))

commands = [(0.5, 1.0, 3), (1.8, 0, 2), (1.2, 8.0, 0), (0.005, 0, 0), (1.0, 2.0, 6), (1.6, 7.27, 5)]
for v, w, load in commands:
    p = check_command(v, w, load)
    print((v, w, load), "OK" if not p else "; ".join(p))
풀이 코드 보기
python시뮬 실행 가능
V_MIN, V_MAX = 0.01, 1.60          # 직선 속도 한계 (m/s)
W_MIN, W_MAX = 0.01, 7.27          # 회전 속도 한계 (rad/s)
LOAD_COURSE, LOAD_SPEC = 5.0, 8.0  # 강좌 기준 / 사양표 적재 (kg)

def round_trip_time(length_m, v):
    """통로 length_m 를 속도 v 로 왕복하는 시간 (가속 · 감속 무시)"""
    return 2 * length_m / v

def check_command(v, w, load):
    problems = []
    if v != 0 and not (V_MIN <= abs(v) <= V_MAX):
        problems.append("직선 속도 %.3f m/s 가 %.2f~%.2f 밖" % (v, V_MIN, V_MAX))
    if w != 0 and not (W_MIN <= abs(w) <= W_MAX):
        problems.append("회전 속도 %.2f rad/s 가 %.2f~%.2f 밖" % (w, W_MIN, W_MAX))
    if load > LOAD_SPEC:
        problems.append("적재 %.1f kg: 사양표 %.0f kg 초과" % (load, LOAD_SPEC))
    elif load > LOAD_COURSE:
        problems.append("적재 %.1f kg: 강좌 기준(상판 최대 %.0f kg) 초과" % (load, LOAD_COURSE))
    return problems

L = 40
for v in (0.5, 1.0, 1.6):
    t = round_trip_time(L, v)
    print("v = %.1f m/s -> 왕복 %.0f s (%.1f 분)" % (v, t, t / 60))
print("구형 myAGV 최고 0.9 m/s -> 왕복 %.0f s" % round_trip_time(L, 0.9))

commands = [(0.5, 1.0, 3), (1.8, 0, 2), (1.2, 8.0, 0), (0.005, 0, 0), (1.0, 2.0, 6), (1.6, 7.27, 5)]
for v, w, load in commands:
    p = check_command(v, w, load)
    print((v, w, load), "OK" if not p else "; ".join(p))

결과: 왕복 160 s / 80 s / 50 s (구형 최고 속도 0.9 m/s 는 약 89 s). 문제가 있는 명령은 (1.8, 0, 2) 속도 초과, (1.2, 8.0, 0) 회전 초과, (0.005, 0, 0) 최소값 미만, (1.0, 2.0, 6) 강좌 적재 기준 초과입니다. (1.6, 7.27, 5) 는 경계값과 같으므로 통과합니다.

확인 문제 2-1

다음 명령 (v [m/s], ω [rad/s], 적재 [kg]) 중 사양표 한계를 벗어나는 것은?

  1. (1.20, 3.00, 2)
  2. (1.80, 0.00, 0)
  3. (0.50, 7.00, 4)
  4. (1.60, 0.00, 5)
정답 보기② — 직선 속도 최대 1.60 m/s 를 넘습니다. ③ 의 7.00 rad/s 는 7.27 이하, ④ 는 경계값과 같아 범위 안입니다.
확인 문제 2-2

시뮬레이터 2 에서 v 를 1.0 → 1.6 m/s 로 올렸더니 40 m 왕복 시간이 80 s → 50 s 로 줄었습니다. 실제 창고에서 줄어드는 시간이 이보다 더 작은 가장 큰 이유는?

  1. 속도를 올리면 배터리 전압이 올라가서
  2. 가속 · 감속 · 회전 · 사람 근처 감속 시간은 최고 속도와 무관하게 남아 있어서
  3. 1.6 m/s 는 사양 한계를 넘어서
  4. 통로 길이가 속도에 따라 바뀌어서
정답 보기② — 계산식은 일정 속도만 가정했습니다. 출발 · 정지 · 회전 구간은 그대로 남으므로 최고 속도를 올린 효과는 계산보다 작습니다.

3교시 · 안전 수칙: 주행 환경 · 배터리 · 적재#

공식 안전 수칙 정리#

주행 환경 · 사용자 안전 (공식 수칙 요약)

수칙의 숫자(5 %, 5 kg, 0.2~0.3 m/s)는 외우는 것이 아니라 이유가 있는 값입니다. 아래 시뮬레이터로 그 이유를 직접 찾아봅니다.

시뮬레이터 3 · 연습장 제동 실험#

로봇이 내리막을 달리다가 앞의 벽을 "감지 거리" 만큼 앞에서 알아채고 멈추는 상황입니다. 그래프는 속도별 제동 거리 곡선입니다.

이 시뮬레이터는 원리를 보기 위한 학습용 단순 모델이며, 숫자 일부는 가정값입니다(실물 측정값 아님).

기호뜻값
m로봇 + 적재5 kg + 적재
F모터 제동력 (가정)15 N
μ바퀴-바닥 마찰계수 (가정)마른 바닥 0.6 · 젖은 바닥 0.2
t_r감지 → 제동 시작 지연 (가정)0.2 s
  • 감속도: a = min(F / m, μ·g·cosθ) − g·sinθ (θ = 경사각, 경사 % = 100·tanθ). F/m > μ·g·cosθ 이면 바퀴가 미끄러집니다.
  • 제동 거리: d = v·t_r + v² / (2a). a ≤ 0 이면 내리막에서 멈출 수 없습니다.
연습장 · 적재 · 경사 · 속도와 제동 거리
해 볼 것 (예측 → 확인)
  1. 기본값(빈 차, 경사 0 %, 1.0 m/s, 감지 1.0 m)에서 ▶ 주행. 벽 앞 몇 m 에서 멈추나요?
  2. 예측: 적재를 0 → 5 kg 으로 올리면 제동 거리는 몇 배가 될까요? 그래프 곡선이 어떻게 움직이는지 보며 확인합니다.
  3. 적재 5 kg 그대로 경사를 0 → 5 → 10 % 로 올립니다. 경사 10 % 에 적재 10 kg 이면 어떻게 되나요?
  4. 빈 차로 바닥을 "젖은 바닥" 으로 바꿉니다. 어떤 경고가 새로 뜨나요? 적재를 3 kg 으로 올리면 그 경고가 사라지는 이유는?
  5. 적재 5 kg · 경사 5 % · 감지 거리 0.5 m 에서 충돌하지 않는 가장 빠른 속도를 슬라이더로 찾은 뒤, "안전 속도 계산" 으로 답을 맞춰 봅니다.
관찰 포인트
  • 적재가 늘면 같은 제동력으로 더 무거운 몸을 세워야 하므로 감속도가 F / m 로 줄어듭니다. 빈 차 3.0 m/s² → 5 kg 적재 1.5 m/s² 로 절반이 되어 제동 부분 거리가 두 배가 됩니다.
  • 경사는 감속도에서 g·sinθ 를 빼므로 무거울수록(감속도가 작을수록) 더 치명적입니다. 적재 10 kg · 경사 10 % 이면 감속도가 거의 0 이 되어 1.0 m/s 에서 20 m 넘게 미끄러집니다.
  • 제동 거리는 속도의 제곱에 비례하는 항이 있어, 속도를 조금만 낮춰도 크게 줄어듭니다. 첫 주행을 0.2~0.3 m/s 로 하는 이유입니다.
  • 젖은 바닥에서는 마찰 한계가 제동력보다 작아 바퀴가 미끄러집니다. 적재가 늘면 F/m 이 작아져 미끄러짐 경고는 사라지지만, 제동 거리는 오히려 늘어납니다.

시뮬레이터 4 · 배터리 보호 로직#

myAGV Plus 는 배터리 두 개를 사용합니다. 공식 문서에 따르면 전압에 따라 다음처럼 보호 동작을 합니다.

조건동작
19.6V 이하경고 (충전 필요 안내)
19.0V 미만저전압
두 배터리 모두 19.0V 미만주행 잠금
모터 과부하 · 바퀴 구속자동 잠금

경고 표시 방식(LED 색 · 소리)과 잠금 해제 절차는 ch05 에서 실제 상태 읽기와 함께 다룹니다.

이중 배터리 상태 판별기
배터리 1 ·
배터리 2 ·
해 볼 것
  1. 배터리 1 만 19.3V 로 낮춥니다. 주행할 수 있나요?
  2. 배터리 1 을 18.8V (저전압)로 내립니다. 그래도 주행 가능한가요? 이유는?
  3. 배터리 2 도 18.9V 로 내립니다. 무엇이 바뀌나요?
  4. 두 배터리를 모두 24V 로 올린 뒤 "모터 과부하" 를 체크합니다. 전압이 충분해도 잠기는 이유를 생각해 봅니다.
  5. 경계값을 정확히 확인합니다: 19.6V 는 경고인가요, 정상인가요? 19.0V 는 저전압인가요?
관찰 포인트
  • 한 배터리가 저전압이어도 다른 배터리가 버티면 주행은 됩니다(이중 배터리의 장점). 하지만 경고가 떠 있는 동안 작업을 계속하면 곧 두 개 모두 내려가 창고 한가운데서 잠길 수 있습니다. ch11 의 자동 충전은 이 문제를 푸는 방법입니다.
  • 과부하 · 구속 잠금은 바퀴에 무언가 끼었거나 벽을 계속 밀 때 모터와 사람을 보호하는 장치입니다. 원인을 없애지 않고 다시 명령만 보내면 또 잠깁니다.

실습 과제 3#

실습 과제 3-1 · 안전 체크리스트 만들기

위 공식 수칙과 시뮬레이터 결과를 바탕으로, 여러분 실습실에 맞춘 주행 전 체크리스트를 - [ ] 목록으로 8개 이상 만드세요. "왜 그 항목인지"를 시뮬레이터 결과(숫자)로 한 줄씩 덧붙입니다. 예: - [ ] 적재 5 kg 이하 - 5 kg 에서 이미 제동 거리가 빈 차의 약 1.4 배(0.37 → 0.53 m, 1.0 m/s)

실습 과제 3-2 · 배터리 판별과 안전 속도 찾기

시뮬레이터 3 · 4 와 같은 식을 Python 으로 옮겼습니다. battery_state() 와 safe_speed() 의 TODO 를 채우고, 시뮬레이터의 "안전 속도 계산" 결과와 같은 값이 나오는지 확인하세요.

python시뮬 실행 가능
import math

G = 9.81
M_ROBOT = 5.0        # 로봇 자체 무게 (kg)
F_BRAKE = 15.0       # 모터 제동력 (N) - 학습용 가정값
MU = {"마른 바닥": 0.6, "젖은 바닥": 0.2}   # 마찰계수 - 가정값
T_REACT = 0.2        # 감지 후 제동 시작까지 (s) - 가정값

def braking(load_kg, slope_pct, floor="마른 바닥"):
    """(감속도 m/s^2, 바퀴 미끄러짐 여부) - 내리막 기준"""
    m = M_ROBOT + load_kg
    th = math.atan(slope_pct / 100)
    a_motor = F_BRAKE / m
    a_grip = MU[floor] * G * math.cos(th)
    a = min(a_motor, a_grip) - G * math.sin(th)
    return a, a_motor > a_grip

def stop_distance(v, load_kg, slope_pct, floor="마른 바닥"):
    a, _ = braking(load_kg, slope_pct, floor)
    if a <= 0:
        return float("inf")
    return v * T_REACT + v * v / (2 * a)

def safe_speed(load_kg, slope_pct, sense_m, margin_m=0.1, floor="마른 바닥"):
    """0.01 ~ 1.60 m/s 를 0.01 간격으로 훑어, 제동 거리 <= 감지 거리 - 여유 인 가장 큰 속도"""
    best = 0.0
    # TODO: v = 0.01, 0.02, ... 1.60 에 대해 stop_distance 를 계산해 조건을 만족하면 best 갱신
    return best

def battery_state(v1, v2, overload=False):
    """각 배터리 상태(정상/경고/저전압)와 주행 가능 여부"""
    def one(v):
        return "정상"   # TODO: 19.0 미만 저전압, 19.6 이하 경고
    locked = False      # TODO: 두 배터리 모두 19.0 미만이거나 과부하이면 잠금
    return one(v1), one(v2), "주행 잠금" if locked else "주행 가능"

for load, slope in [(0, 0), (5, 0), (5, 5), (10, 5), (10, 10)]:
    a, slip = braking(load, slope)
    print("적재 %4.1f kg 경사 %2d%%: 감속도 %.2f m/s^2, 1.0 m/s 제동거리 %.2f m"
          % (load, slope, a, stop_distance(1.0, load, slope)))
print("안전 속도 (5 kg, 5%%, 감지 0.5 m): %.2f m/s" % safe_speed(5, 5, 0.5))
for v1, v2, ov in [(24.8, 24.9, False), (19.4, 22.0, False), (18.9, 19.3, False),
                   (18.8, 18.7, False), (23.0, 23.0, True)]:
    print(v1, v2, ov, battery_state(v1, v2, ov))
풀이 코드 보기
python시뮬 실행 가능
import math

G = 9.81
M_ROBOT = 5.0        # 로봇 자체 무게 (kg)
F_BRAKE = 15.0       # 모터 제동력 (N) - 학습용 가정값
MU = {"마른 바닥": 0.6, "젖은 바닥": 0.2}   # 마찰계수 - 가정값
T_REACT = 0.2        # 감지 후 제동 시작까지 (s) - 가정값

def braking(load_kg, slope_pct, floor="마른 바닥"):
    """(감속도 m/s^2, 바퀴 미끄러짐 여부) - 내리막 기준"""
    m = M_ROBOT + load_kg
    th = math.atan(slope_pct / 100)
    a_motor = F_BRAKE / m
    a_grip = MU[floor] * G * math.cos(th)
    a = min(a_motor, a_grip) - G * math.sin(th)
    return a, a_motor > a_grip

def stop_distance(v, load_kg, slope_pct, floor="마른 바닥"):
    a, _ = braking(load_kg, slope_pct, floor)
    if a <= 0:
        return float("inf")
    return v * T_REACT + v * v / (2 * a)

def safe_speed(load_kg, slope_pct, sense_m, margin_m=0.1, floor="마른 바닥"):
    """0.01 ~ 1.60 m/s 를 0.01 간격으로 훑어, 제동 거리 <= 감지 거리 - 여유 인 가장 큰 속도"""
    best = 0.0
    for i in range(1, 161):
        v = i / 100
        if stop_distance(v, load_kg, slope_pct, floor) <= sense_m - margin_m:
            best = v
    return best

def battery_state(v1, v2, overload=False):
    """각 배터리 상태(정상/경고/저전압)와 주행 가능 여부"""
    def one(v):
        if v < 19.0:
            return "저전압"
        if v <= 19.6:
            return "경고"
        return "정상"
    locked = (v1 < 19.0 and v2 < 19.0) or overload
    return one(v1), one(v2), "주행 잠금" if locked else "주행 가능"

for load, slope in [(0, 0), (5, 0), (5, 5), (10, 5), (10, 10)]:
    a, slip = braking(load, slope)
    print("적재 %4.1f kg 경사 %2d%%: 감속도 %.2f m/s^2, 1.0 m/s 제동거리 %.2f m"
          % (load, slope, a, stop_distance(1.0, load, slope)))
print("안전 속도 (5 kg, 5%%, 감지 0.5 m): %.2f m/s" % safe_speed(5, 5, 0.5))
for v1, v2, ov in [(24.8, 24.9, False), (19.4, 22.0, False), (18.9, 19.3, False),
                   (18.8, 18.7, False), (23.0, 23.0, True)]:
    print(v1, v2, ov, battery_state(v1, v2, ov))

결과: 감속도 3.00 → 1.50 → 1.01 → 0.51 → 0.02 m/s², 1.0 m/s 제동 거리 0.37 → 0.53 → 0.69 → 1.18 → 약 21 m. 안전 속도(5 kg, 5 %, 감지 0.5 m)는 0.71 m/s 입니다. 배터리는 (19.4, 22.0) 경고 · 주행 가능, (18.9, 19.3) 한쪽 저전압이지만 주행 가능, (18.8, 18.7) 주행 잠금, 과부하는 전압과 상관없이 잠금입니다.

확인 문제 3-1

시뮬레이터 3 에서 적재 5 kg · 경사 5 % · 속도 1.0 m/s · 감지 거리 0.5 m 로 주행했더니 충돌했습니다. 이 결과를 바르게 해석한 것은?

  1. 적재와 경사가 모두 수칙 한계 안이므로 시뮬레이터 오류다
  2. 제동 거리(약 0.69 m)가 감지 거리(0.5 m)보다 길다. 속도를 약 0.7 m/s 이하로 낮추거나 더 멀리서 감지해야 한다
  3. 젖은 바닥이라서 미끄러졌다
  4. 적재를 늘리면 무거워져 더 빨리 멈춘다
정답 보기② — 수칙 한계 "안" 이라도 속도와 감지 거리가 맞지 않으면 충돌합니다. 수칙 경계(5 kg · 5 %)에서는 여유가 가장 작으므로 속도를 더 보수적으로 잡아야 합니다.
확인 문제 3-2

배터리 1 = 18.8V, 배터리 2 = 19.4V 이고 과부하는 없습니다. 로봇의 상태는?

  1. 두 배터리 모두 정상, 주행 가능
  2. 배터리 1 저전압 · 배터리 2 경고, 주행 가능 (곧 충전 필요)
  3. 배터리 1 저전압이므로 주행 잠금
  4. 두 배터리 모두 저전압, 주행 잠금
정답 보기② — 주행 잠금은 **두 배터리가 모두** 19.0V 미만일 때입니다. 19.4V 는 19.6V 이하이므로 경고입니다.
확인 문제 3-3

빈 차가 젖은 바닥에서 제동할 때만 "바퀴 미끄러짐" 경고가 뜨고, 적재 5 kg 을 싣자 경고가 사라졌습니다. 가장 알맞은 설명은?

  1. 무거워지면 바닥이 마른다
  2. 빈 차의 제동 요구 감속도(F/m = 3.0 m/s²)가 젖은 바닥의 마찰 한계(약 1.96 m/s²)보다 커서 미끄러졌고, 적재 후에는 F/m 이 1.5 m/s² 로 작아져 한계 안에 들어왔다
  3. 적재를 하면 모터 제동력이 커진다
  4. 경고가 사라졌으므로 젖은 바닥에서도 안전하다
정답 보기② — 미끄러짐 여부는 "필요한 감속도 vs 마찰이 줄 수 있는 감속도" 비교입니다. 경고가 사라져도 감속도 자체는 1.5 m/s² 이하라 제동 거리는 길고, 젖은 바닥 주행은 여전히 수칙 위반입니다(④ 오답).

4교시 · 강좌 실습 도구 투어: URDF 뷰어 · 시뮬레이터 · Playground#

이 강좌는 세 가지 도구를 오가며 진행합니다. 사이드바와 각 차시 머리의 버튼으로 엽니다.

도구하는 일주로 쓰는 차시
3D URDF 뷰어로봇 모델을 돌려 보고, 링크 · 좌표축 · 바퀴 관절을 확인ch02 · ch03
물류 창고 시뮬레이터여러 물류 맵에서 로봇을 조종 · 코드로 주행, 궤적 · LiDAR · 배터리 관찰ch03 ~ ch11
Python Playground브라우저에서 Python(Pyodide) 실행, 시뮬 타깃으로 코드를 가상 로봇에 전송전 차시

3D URDF 뷰어#

URDF(Unified Robot Description Format)는 로봇의 링크(몸체 조각)와 관절을 적은 XML 파일입니다. 뷰어에서 할 수 있는 일은 다음과 같습니다.

  • 마우스 드래그로 회전, 휠로 확대 · 축소
  • 링크 이름 · 좌표축(빨강 x, 초록 y, 파랑 z) 표시 켜고 끄기
  • 바퀴 관절 슬라이더로 각 바퀴를 돌려 보며 회전 방향 확인

3D 뷰어 열기

모델이 준비되면

강좌용 myAGV Plus 모델(assets/robot/robot.json)이 아직 올라가지 않았다면 뷰어에 "모델 없음" 안내가 나옵니다. 모델이 준비되면 아래를 해 봅니다.

  1. 좌표축을 켜고 로봇 기준 좌표(base)의 x 축이 카메라 쪽(진행 방향)을 향하는지 확인합니다.
  2. 바퀴 관절 슬라이더를 하나씩 움직여 네 바퀴의 이름과 위치를 표로 적습니다.

URDF 파일의 구조와 좌표계는 다음 차시(ch02)의 주제입니다.

물류 창고 시뮬레이터#

강좌 시뮬레이터에는 서로 다른 물류 상황을 연습할 수 있는 맵이 준비됩니다.

맵연습하는 것
연습장기본 조종 · 안전 실험 (이 차시)
선반 통로AGV · AMR 비교, 통로 주행
피킹 스테이션정해진 지점에 정확히 멈추기
충전 도크도킹 · 자동 충전
좁은 통로 미로경로 계획 · 옆걸음 활용
다중 로봇 교차로여러 대의 우선순위 · 교착
사람 혼잡 구역감속 · 정지 · 우회

시뮬레이터가 열리면 맵 선택 → 키보드 조종 → 궤적 · LiDAR 광선 · 배터리 표시를 차례로 켜 봅니다. 시뮬레이터 페이지(sim/index.html)가 아직 준비되지 않은 경우 사이드바에 버튼이 나타나지 않으므로, 이 차시는 아래의 페이지 안 연습장으로 같은 조작을 익힙니다.

시뮬레이터 5 · 연습장 키보드 조종#

5 m × 5 m 연습장입니다. 격자 한 칸이 1 m, 노란 표시가 로봇 앞쪽(카메라 방향)입니다. 캔버스를 한 번 클릭한 뒤 키보드로 조종합니다. 터치 화면에서는 아래 버튼을 누르고 있으면 됩니다.

키동작
W / S앞 / 뒤 (vx)
A / D왼쪽 / 오른쪽 옆걸음 (vy) — 메카넘 휠이라 몸을 돌리지 않고 옆으로 이동
Q / E왼쪽 / 오른쪽 제자리 회전 (ω)
연습장 · 키보드 조종과 코드 경로 비교
해 볼 것
  1. 속도 0.3 m/s 로 두고, 키보드만으로 출발점(노란 원)에서 1 m 정사각형을 그린 뒤 출발점으로 돌아옵니다. 출발점까지 남은 거리를 기록합니다.
  2. "처음 위치로" → "▶ 코드 경로 실행"(전방향 정사각형). 예측: 코드 궤적의 복귀 오차는 몇 cm 일까요?
  3. "바퀴 미끄러짐(오차)" 을 켜고 2번을 세 번 반복합니다. 매번 오차가 같나요?
  4. 코드를 "직진 + 90° 회전 × 4" 로 바꿔 미끄러짐을 켠 채 실행합니다. 전방향 정사각형과 비교해 어느 쪽이 더 크게 틀어지나요? (힌트: 방향 오차는 다음 변 전체를 비틀어 놓습니다)
  5. LiDAR 광선을 켜고 기둥 옆으로 가 봅니다. 기둥 뒤쪽이 왜 비어 보이나요?
관찰 포인트
  • 키보드 궤적은 사람이 키를 누르는 시간이 매번 달라 모서리가 둥글고 길이가 들쭉날쭉합니다. 코드는 거리 = 속도 × 시간 을 정확히 지키므로 미끄러짐이 없으면 거의 정확히 돌아옵니다.
  • 미끄러짐이 있으면 코드도 틀어집니다. 명령한 대로 움직였다고 믿는 것(오도메트리)의 한계이며, ch06 에서 IMU 와 센서 융합으로 이 오차를 줄입니다.
  • LiDAR 는 빛이 닿는 첫 물체까지만 봅니다. 물체 뒤는 "그림자"가 됩니다(ch07 점유 격자 지도).

Python Playground 와 시뮬 → 실물 흐름#

  • 이 페이지의 python run 코드 상자에 있는 Playground에서 열기 버튼을 누르면 코드가 그대로 Playground 로 옮겨집니다. 실행 · 정지 버튼으로 돌립니다.
  • Playground 는 브라우저 안의 Python(Pyodide)이라 표준 라이브러리 + numpy 만 됩니다. input() 은 쓸 수 없습니다.
  • Playground 의 "타깃" 을 시뮬 로 바꾸면, 같은 코드가 시뮬레이터 속 로봇에 명령을 보냅니다. myAGV Plus 제어 API 와 같은 모양의 시뮬용 대역(shim) 이 준비된 차시부터 사용합니다(ch04 이후).
  • 실물에서만 돌아가는 코드는 python robot (실물 전용) 배지로 구분됩니다. 실물 코드는 로봇의 Jetson 이나 연결된 PC 에서 실행합니다.
① Playground② 시뮬 타깃③ 시뮬레이터 확인④ 실물 (저속) 순수 계산 · numpypython run 같은 코드를 가상 로봇에(API shim 이 준비되면) 궤적 · 충돌 · 배터리눈으로 검증 python robot안전 체크 후 실행 시뮬레이터에서 통과하지 못한 코드는 실물로 옮기지 않습니다
시뮬 → 실물 흐름. 각 단계에서 통과해야 다음 단계로 넘어갑니다.
같은 코드, 다른 결과

시뮬레이터는 바닥 마찰 · 배터리 상태 · 모터 응답 지연을 단순하게 흉내 낼 뿐입니다. 시뮬레이터에서 정확히 돌아온 코드도 실물에서는 몇 cm 씩 틀어집니다. 그래서 실물로 옮길 때는 속도를 낮추고(0.2~0.3 m/s), 넓은 곳에서, 보조자가 비상정지를 맡은 상태로 시작합니다.

실습 과제 4#

실습 과제 4-1 · 코드 정사각형 vs 키보드 정사각형

시뮬레이터 5 의 실험을 Python 으로 반복합니다. simulate() 의 위치 갱신 한 줄(TODO)을 채운 뒤, 미끄러짐 0 % 와 5 % 에서 코드 · 키보드 경로의 복귀 오차를 비교하세요. 키보드 경로는 "키를 누르는 시간이 ±10 % 흔들린다"고 가정합니다.

python시뮬 실행 가능
import numpy as np

DT = 0.05            # 시뮬레이션 간격 (s)
V = 0.3              # 이동 속도 (m/s)
SIDE = 1.0           # 정사각형 한 변 (m)

def square_commands(v, side):
    """회전 없이 전방향 이동으로 그리는 정사각형: (vx, vy, 시간)"""
    t = side / v
    return [(v, 0, t), (0, v, t), (-v, 0, t), (0, -v, t)]

def keyboard_commands(v, side, rng):
    """사람이 키를 누르는 시간은 매번 조금씩 다릅니다 (+-10 %)"""
    return [(vx, vy, t * rng.uniform(0.9, 1.1)) for vx, vy, t in square_commands(v, side)]

def simulate(commands, slip, rng):
    pos = np.zeros(2)
    path = [pos.copy()]
    for vx, vy, t in commands:
        k = 1 + rng.normal(0, slip)          # 이 구간의 바퀴 미끄러짐 (비율)
        for _ in range(int(round(t / DT))):
            pos = pos  # TODO: 속도 (vx, vy) 에 k 와 DT 를 곱해 pos 에 더하기
            path.append(pos.copy())
    return np.array(path)

rng = np.random.default_rng(1)
for slip in (0.0, 0.05):
    code = simulate(square_commands(V, SIDE), slip, rng)
    key = simulate(keyboard_commands(V, SIDE, rng), slip, rng)
    print("미끄러짐 %2d%%: 코드 복귀 오차 %.3f m, 키보드 복귀 오차 %.3f m"
          % (slip * 100, np.linalg.norm(code[-1]), np.linalg.norm(key[-1])))
print("한 변 %.2f s, 한 바퀴 %.1f s" % (SIDE / V, 4 * SIDE / V))
풀이 코드 보기
python시뮬 실행 가능
import numpy as np

DT = 0.05            # 시뮬레이션 간격 (s)
V = 0.3              # 이동 속도 (m/s)
SIDE = 1.0           # 정사각형 한 변 (m)

def square_commands(v, side):
    """회전 없이 전방향 이동으로 그리는 정사각형: (vx, vy, 시간)"""
    t = side / v
    return [(v, 0, t), (0, v, t), (-v, 0, t), (0, -v, t)]

def keyboard_commands(v, side, rng):
    """사람이 키를 누르는 시간은 매번 조금씩 다릅니다 (+-10 %)"""
    return [(vx, vy, t * rng.uniform(0.9, 1.1)) for vx, vy, t in square_commands(v, side)]

def simulate(commands, slip, rng):
    pos = np.zeros(2)
    path = [pos.copy()]
    for vx, vy, t in commands:
        k = 1 + rng.normal(0, slip)          # 이 구간의 바퀴 미끄러짐 (비율)
        for _ in range(int(round(t / DT))):
            pos = pos + np.array([vx, vy]) * k * DT
            path.append(pos.copy())
    return np.array(path)

rng = np.random.default_rng(1)
for slip in (0.0, 0.05):
    code = simulate(square_commands(V, SIDE), slip, rng)
    key = simulate(keyboard_commands(V, SIDE, rng), slip, rng)
    print("미끄러짐 %2d%%: 코드 복귀 오차 %.3f m, 키보드 복귀 오차 %.3f m"
          % (slip * 100, np.linalg.norm(code[-1]), np.linalg.norm(key[-1])))
print("한 변 %.2f s, 한 바퀴 %.1f s" % (SIDE / V, 4 * SIDE / V))

결과 예: 미끄러짐 0 % 에서 코드 0.000 m · 키보드 약 0.1 m, 미끄러짐 5 % 에서 코드 약 0.04 m · 키보드 약 0.08 m. 코드 경로는 "명령 오차"가 0 이고 "실행 오차(미끄러짐)"만 남습니다. rng 의 seed 를 바꿔 여러 번 돌려 보면 키보드 오차가 대체로 더 큽니다.

확인 문제 4-1

시뮬레이터 5 에서 미끄러짐을 끈 상태로 코드 경로의 복귀 오차는 거의 0 cm 인데, 키보드로 그린 정사각형은 출발점에서 10 cm 넘게 벗어났습니다. 가장 큰 원인은?

  1. 키보드 입력 시 LiDAR 가 꺼져서
  2. 사람이 키를 누른 시간(= 이동 거리)이 변마다 달라서
  3. 코드 경로가 더 빠른 속도로 달려서
  4. 키보드 조종 시 배터리 전압이 떨어져서
정답 보기② — 이동 거리 = 속도 × 시간이므로, 같은 속도에서도 누른 시간이 다르면 변 길이가 달라집니다. 코드는 시간을 정확히 지킵니다.
확인 문제 4-2

Playground 에서 실물 로봇 제어 라이브러리를 import 하는 코드를 실행했더니 ModuleNotFoundError 가 났습니다. 바른 대응은?

  1. Playground 에 pip install 을 계속 시도한다
  2. 이 코드는 실물 전용(python robot)이므로 로봇(또는 연결된 PC)에서 실행하고, 브라우저에서는 시뮬 shim 이 준비된 차시의 코드로 검증한다
  3. import 줄을 지우면 그대로 실물이 움직인다
  4. 브라우저를 새로 고치면 해결된다
정답 보기② — Playground 는 표준 라이브러리 + numpy(+ 강좌가 넣은 shim)만 있습니다. 실물 라이브러리는 실물 쪽 환경에 설치합니다.

자주 나는 오류와 해결#

1) Playground 에서 로봇 라이브러리 import 오류#

text
Traceback (most recent call last):
  File "<exec>", line 1, in <module>
ModuleNotFoundError: No module named 'pymycobot'
  • 원인: Playground 는 브라우저 안의 Python 이라 실물 로봇 라이브러리가 없습니다. 실물 전용 코드를 Playground 로 가져왔습니다.
  • 해결: 실물 전용 코드는 로봇(Jetson) 또는 로봇과 연결된 PC 에서 실행합니다. 브라우저에서 검증하려면 시뮬 shim 이 준비된 차시(ch04 이후)의 python run 예제를 사용합니다.

2) 연습장 시뮬레이터에서 키를 눌러도 로봇이 안 움직이고 페이지만 스크롤됨#

text
(오류 메시지 없음) 캔버스 위에 "캔버스를 클릭한 뒤 W A S D Q E 로 조종" 문구가 보임
  • 원인: 키보드 입력이 캔버스가 아닌 페이지로 가고 있습니다(포커스 없음). 한글 입력기가 켜져 있으면 W 대신 ㅈ 이 입력되어 무시되기도 합니다.
  • 해결: 캔버스를 한 번 클릭해 테두리가 강조되는지 확인하고, 입력기를 영문으로 바꿉니다. 터치 화면에서는 옆의 버튼을 누르고 있습니다.

3) URDF 뷰어를 열었더니 모델이 보이지 않음#

text
모델 없음: assets/robot/robot.json 을 찾을 수 없습니다
  • 원인: 강좌용 로봇 모델이 아직 준비되지 않았거나, 페이지를 file:// 로 직접 열어 파일을 읽지 못했습니다. (안내 문구는 뷰어 버전에 따라 다를 수 있습니다.)
  • 해결: python build.py --serve (Windows 는 start.bat)로 로컬 서버를 띄워 http://localhost:8000 으로 접속합니다. 모델이 없는 동안에는 이 차시의 그림과 numpy 실습으로 대신합니다.

4) 실물: 주행 명령을 보내도 바퀴가 돌지 않음 (주행 잠금)#

text
(예) 배터리 경고 표시 후 명령에 반응하지 않음 - 표시 방식은 펌웨어 버전에 따라 다름 (확인 필요)
  • 원인: 두 배터리가 모두 19.0V 미만이거나, 모터 과부하 · 바퀴 구속으로 보호 잠금이 걸렸습니다.
  • 해결: 정품 충전기(25.2V 1.5A)로 충전하고, 바퀴에 끼인 물체 · 벽에 밀착된 상태를 먼저 해소합니다. 잠금 해제 절차(재시작 등)는 공식 문서를 따르고, 원인을 없애지 않은 채 명령만 반복하지 않습니다.

5) 실습 코드가 끝나지 않고 Playground 가 응답 없음#

text
(출력이 멈추고 실행 중 표시만 계속됨)
  • 원인: while True: 처럼 끝나지 않는 반복이나, 0.01 보다 작은 속도로 나눈 매우 큰 시간 값으로 반복 횟수가 폭증했습니다.
  • 해결: Playground 의 정지 버튼을 누릅니다. 반복 횟수를 미리 print 로 확인하고, 속도 값은 사양 범위(0.01~1.60 m/s)를 먼저 검사합니다(실습 과제 2-1 의 check_command).

과제#

  1. 현장 분석: 주변에서 볼 수 있는 운반 상황(식당 서빙, 병원 약품 운반, 도서관 반납 등) 하나를 골라 AGV · AMR 중 무엇이 알맞은지, 시뮬레이터 1 의 관찰을 근거로 5줄 이내로 설명하세요.
  2. 사양 카드: myAGV Plus 사양 중 이 강좌에서 가장 자주 쓸 숫자 6개(속도 · 회전 · 적재 · LiDAR 거리 · 배터리 전압 기준 · 충전기)를 카드 한 장으로 정리하세요.
  3. 안전 속도 표: 실습 과제 3-2 의 safe_speed() 로 적재 0 / 2.5 / 5 kg × 경사 0 / 2.5 / 5 % (감지 거리 0.5 m) 의 표를 만들고, 실습실 규칙으로 쓸 "최고 속도" 하나를 근거와 함께 정하세요.

참고자료#

  • myAGV Plus 공식 문서 (영문): https://github.com/elephantrobotics/myagvPlus_docs/tree/main/MYAGV_PLUS_EN
  • myAGV ROS 2 패키지: https://github.com/elephantrobotics/myagv_ros2
  • myAGV Plus 제품 사진 · 소개 (hyenc.net): https://www.hyenc.net/products/35
  • pymycobot (Elephant Robotics Python 라이브러리): https://github.com/elephantrobotics/pymycobot
  • ROS 2 Humble 문서: https://docs.ros.org/en/humble/
  • 이 사이트의 도구: URDF 뷰어 · Python Playground
  • 다음 차시: ch02 URDF 로 보는 로봇 구조와 좌표계