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 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.
| 구분 | AGV (Automated Guided Vehicle, 자동 유도 운반차) | AMR (Autonomous Mobile Robot, 자율 이동 로봇) |
|---|---|---|
| 길 안내 | 바닥의 마그넷 테이프 · QR 코드 · 반사판을 따라감 | LiDAR 로 만든 지도 위에서 자기 위치를 추정하고 경로를 스스로 계획 |
| 장애물을 만나면 | 멈추고 기다림 (치워질 때까지) | 지도에 장애물을 반영해 다시 계획하고 우회 |
| 경로 바꾸기 | 테이프를 다시 깔아야 함 (공사) | 지도의 목적지 · 금지 구역만 수정 |
| 장점 | 단순 · 예측 가능 · 저렴, 반복 경로에 강함 | 유연함, 사람과 섞인 공간 · 자주 바뀌는 레이아웃에 강함 |
| 약점 | 경로가 고정, 막히면 전체 흐름이 멈춤 | 센서 · 계산 비용, 지도 품질에 성능이 좌우됨 |
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#
- 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#
| 단계 | 질문 | myAGV Plus 에서 쓰는 것 | 다루는 차시 |
|---|---|---|---|
| ① 인지 | 주변에 무엇이 있나? | LiDAR · 카메라 · IMU | ch06 · ch07 |
| ② 위치추정 | 나는 어디에 있나? | 바퀴 오도메트리 + IMU + LiDAR 지도 비교 | ch06 · ch10 |
| ③ 경로계획 | 어디로 갈까? | 점유 격자 지도 위의 경로 탐색 | ch08 · ch10 |
| ④ 제어 | 어떻게 움직일까? | 속도 명령 → 메카넘 휠 모터 4개 | ch03 · 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.
- 상자 없이 두 모드를 한 번씩 달려 봅니다. 이동 거리가 같나요? (둘 다 11.0 m 가 나와야 합니다.)
- 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? - 같은 상자로 AMR 모드를 출발합니다. 로봇이 상자를 언제 알아채고, 몇 번 다시 계획하나요?
- 통로 두 칸(열 8 · 9, 행 4)을 모두 막아 봅니다. AMR 의 이동 거리가 1번보다 늘어나나요? 늘어났다면 이유는?
- 입고장 주변을 상자로 완전히 둘러싸 봅니다. AMR 은 어떤 상태가 되나요?
- 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#
| 시나리오 | 무엇을 하나 | 관련 차시 |
|---|---|---|
| 소형 물품 이송 | 상판에 바구니 · 상자를 싣고 스테이션 사이를 운반 | ch04 · ch08 · ch11 |
| 복합로봇 (이동 + 로봇팔) | 상판에 로봇팔(예: myCobot 270 M5)을 올려 "가서 집어 오는" 작업, XT30 전원 · 흡착 펌프 포트 활용 | ch05 · ch11 |
| 보행자 추종 | LiDAR · 카메라로 사람을 따라가며 짐을 나르는 카트 | ch07 · ch08 |
| 자동 충전 | 배터리가 낮아지면 충전 도크로 스스로 돌아감 | ch11 |
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#
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.
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
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.
시뮬레이터 1 의 AGV 모드에서 테이프 위 통로 (8, 4) 에 상자를 두었을 때 관찰되는 결과는?
- 상자를 밀고 지나간다
- 상자 바로 앞 칸에서 멈추고, 상자가 치워질 때까지 기다린다
- 옆 통로(열 9)로 비켜 지나간다
- 출발점으로 되돌아간다
정답 보기
② — AGV 는 테이프 밖으로 나갈 방법이 없으므로 앞을 감지하면 멈추고 기다립니다. 상자를 치우면 그 자리에서 다시 출발합니다.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?
- 마그넷 테이프 · QR 유도 AGV
- LiDAR 지도 기반 AMR
- 사람이 직접 카트로 운반
- 어느 로봇도 쓸 수 없음
정답 보기
① — 경로가 고정이고 막힐 일이 드물면 단순하고 예측 가능한 AGV 가 유리합니다. AMR 도 가능하지만 유연성의 장점을 살리기 어렵습니다.주문마다 목적지 선반이 바뀌고, 작업자가 통로를 자주 오가며, 계절마다 선반 배치를 바꾸는 이커머스 창고입니다. 시뮬레이터 1 의 결과를 근거로 고르면?
- AGV — 멈추는 것이 가장 안전하므로
- AMR — 장애물을 지도에 반영해 다시 계획하고, 배치 변경도 지도만 고치면 되므로
- AGV — 테이프만 다시 깔면 되므로 비용이 들지 않음
- 어느 쪽이든 결과가 같음
정답 보기
② — 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.
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.
| 항목 | 값 | 읽는 포인트 |
|---|---|---|
| 직선 속도 | 0.01 ~ 1.60 m/s | 0.01 보다 작은 0 아닌 값은 의미가 없음. 구형 myAGV 최고 0.9 m/s 보다 빠름 |
| 회전 속도 | 0.01 ~ 7.27 rad/s | 7.27 rad/s ≈ 1초에 1.16 바퀴 |
| 자체 무게 | 5 kg 미만 | |
| 적재 | 사양표 8 kg · 안전 수칙 상판 최대 5 kg | 강좌는 보수적인 5 kg 을 기준으로 삼음 |
| 컴퓨터 | Jetson Orin Nano Super 8GB (최대 67 TOPS) | AI 추론 · ROS 2 를 로봇 위에서 직접 실행 |
| 운영체제 | Ubuntu 22.04 + ROS 2 Humble | ch09 · ch10 |
| LiDAR | 360°, 측정 거리 0.12 ~ 8 m | 모델명은 판매 구성에 따라 다를 수 있음 (확인 필요) |
| 카메라 | 8MP, 화각 77° | |
| IMU | 자이로 포함 | 회전 추정에 사용 (ch06) |
| 영상 · 통신 | HDMI · DP · USB 3.0 ×2 · RJ45 | 모니터 · 키보드 연결, 유선 네트워크 |
| 확장 | 로봇팔 전원 XT30 (12V 5A), 2.54 mm IO 헤더, 흡착 펌프 포트 | ch05 |
| 전원 | 충전기 25.2V 1.5A, 이중 배터리 | 3교시 배터리 보호 로직 |
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).
- 예측: 40 m 통로를 0.5 / 1.0 / 1.6 m/s 로 왕복하면 각각 몇 초일까요? 적어 둔 뒤 v 슬라이더로 확인합니다.
- v 를 1.6 → 1.8 로 올려 봅니다. 판정과 막대 색이 어떻게 바뀌나요?
- 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.
- ω 를 7.27 에서 8.0 으로 올리고 회전 애니메이션을 비교합니다. 한 바퀴 시간은?
- 적재를 4 → 6 → 9 kg 으로 바꾸며 판정이 세 단계로 나뉘는 것을 확인합니다.
- 왕복 시간은
t = 2L / v로 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#
round_trip_time() 과 check_command() 의 TODO 를 채워, 왕복 시간 표를 출력하고 여섯 개의 명령 중 한계를 넘는 것을 골라내세요.
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
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.
다음 명령 (v [m/s], ω [rad/s], 적재 [kg]) 중 사양표 한계를 벗어나는 것은?
- (1.20, 3.00, 2)
- (1.80, 0.00, 0)
- (0.50, 7.00, 4)
- (1.60, 0.00, 5)
정답 보기
② — 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.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?
- 속도를 올리면 배터리 전압이 올라가서
- 가속 · 감속 · 회전 · 사람 근처 감속 시간은 최고 속도와 무관하게 남아 있어서
- 1.6 m/s 는 사양 한계를 넘어서
- 통로 길이가 속도에 따라 바뀌어서
정답 보기
② — 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#
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).
| 기호 | 뜻 | 값 |
|---|---|---|
| m | 로봇 + 적재 | 5 kg + 적재 |
| F | 모터 제동력 (가정) | 15 N |
| μ | 바퀴-바닥 마찰계수 (가정) | 마른 바닥 0.6 · 젖은 바닥 0.2 |
| t_r | 감지 → 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·cosθ이면 바퀴가 미끄러집니다. - 제동 거리:
d = v·t_r + v² / (2a).a ≤ 0이면 내리막에서 멈출 수 없습니다.
- 기본값(빈 차, 경사 0 %, 1.0 m/s, 감지 1.0 m)에서 ▶ 주행. 벽 앞 몇 m 에서 멈추나요?
- 예측: 적재를 0 → 5 kg 으로 올리면 제동 거리는 몇 배가 될까요? 그래프 곡선이 어떻게 움직이는지 보며 확인합니다.
- 적재 5 kg 그대로 경사를 0 → 5 → 10 % 로 올립니다. 경사 10 % 에 적재 10 kg 이면 어떻게 되나요?
- 빈 차로 바닥을 "젖은 바닥" 으로 바꿉니다. 어떤 경고가 새로 뜨나요? 적재를 3 kg 으로 올리면 그 경고가 사라지는 이유는?
- 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.
- 적재가 늘면 같은 제동력으로 더 무거운 몸을 세워야 하므로 감속도가
F / m로 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·sinθ를 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/m이 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.
| 조건 | 동작 |
|---|---|
| 19.6V 이하 | 경고 (충전 필요 안내) |
| 19.0V 미만 | 저전압 |
| 두 배터리 모두 19.0V 미만 | 주행 잠금 |
| 모터 과부하 · 바퀴 구속 | 자동 잠금 |
경고 표시 방식(LED 색 · 소리)과 잠금 해제 절차는 ch05 에서 실제 상태 읽기와 함께 다룹니다.
- 배터리 1 만 19.3V 로 낮춥니다. 주행할 수 있나요?
- 배터리 1 을 18.8V (저전압)로 내립니다. 그래도 주행 가능한가요? 이유는?
- 배터리 2 도 18.9V 로 내립니다. 무엇이 바뀌나요?
- 두 배터리를 모두 24V 로 올린 뒤 "모터 과부하" 를 체크합니다. 전압이 충분해도 잠기는 이유를 생각해 봅니다.
- 경계값을 정확히 확인합니다: 19.6V 는 경고인가요, 정상인가요? 19.0V 는 저전압인가요?
- 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#
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)
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.
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
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.
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?
- 적재와 경사가 모두 수칙 한계 안이므로 시뮬레이터 오류다
- 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
- 젖은 바닥이라서 미끄러졌다
- 적재를 늘리면 무거워져 더 빨리 멈춘다
정답 보기
② — 수칙 한계 "안" 이라도 속도와 감지 거리가 맞지 않으면 충돌합니다. 수칙 경계(5 kg · 5 %)에서는 여유가 가장 작으므로 속도를 더 보수적으로 잡아야 합니다.배터리 1 = 18.8V, 배터리 2 = 19.4V 이고 과부하는 없습니다. 로봇의 상태는?
- 두 배터리 모두 정상, 주행 가능
- 배터리 1 저전압 · 배터리 2 경고, 주행 가능 (곧 충전 필요)
- 배터리 1 저전압이므로 주행 잠금
- 두 배터리 모두 저전압, 주행 잠금
정답 보기
② — 주행 잠금은 **두 배터리가 모두** 19.0V 미만일 때입니다. 19.4V 는 19.6V 이하이므로 경고입니다.빈 차가 젖은 바닥에서 제동할 때만 "바퀴 미끄러짐" 경고가 뜨고, 적재 5 kg 을 싣자 경고가 사라졌습니다. 가장 알맞은 설명은?
- 무거워지면 바닥이 마른다
- 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
- 적재를 하면 모터 제동력이 커진다
- 경고가 사라졌으므로 젖은 바닥에서도 안전하다
정답 보기
② — 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.
| 도구 | 하는 일 | 주로 쓰는 차시 |
|---|---|---|
| 3D URDF 뷰어 | 로봇 모델을 돌려 보고, 링크 · 좌표축 · 바퀴 관절을 확인 | ch02 · ch03 |
| 물류 창고 시뮬레이터 | 여러 물류 맵에서 로봇을 조종 · 코드로 주행, 궤적 · LiDAR · 배터리 관찰 | ch03 ~ ch11 |
| Python Playground | 브라우저에서 Python(Pyodide) 실행, 시뮬 타깃으로 코드를 가상 로봇에 전송 | 전 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
강좌용 myAGV Plus 모델(assets/robot/robot.json)이 아직 올라가지 않았다면 뷰어에 "모델 없음" 안내가 나옵니다. 모델이 준비되면 아래를 해 봅니다.
- 좌표축을 켜고 로봇 기준 좌표(base)의 x 축이 카메라 쪽(진행 방향)을 향하는지 확인합니다.
- 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.
| 맵 | 연습하는 것 |
|---|---|
| 연습장 | 기본 조종 · 안전 실험 (이 차시) |
| 선반 통로 | AGV · AMR 비교, 통로 주행 |
| 피킹 스테이션 | 정해진 지점에 정확히 멈추기 |
| 충전 도크 | 도킹 · 자동 충전 |
| 좁은 통로 미로 | 경로 계획 · 옆걸음 활용 |
| 다중 로봇 교차로 | 여러 대의 우선순위 · 교착 |
| 사람 혼잡 구역 | 감속 · 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.
| 키 | 동작 |
|---|---|
| W / S | 앞 / 뒤 (vx) |
| A / D | 왼쪽 / 오른쪽 옆걸음 (vy) — 메카넘 휠이라 몸을 돌리지 않고 옆으로 이동 |
| Q / E | 왼쪽 / 오른쪽 제자리 회전 (ω) |
- 속도 0.3 m/s 로 두고, 키보드만으로 출발점(노란 원)에서 1 m 정사각형을 그린 뒤 출발점으로 돌아옵니다. 출발점까지 남은 거리를 기록합니다.
- "처음 위치로" → "▶ 코드 경로 실행"(전방향 정사각형). 예측: 코드 궤적의 복귀 오차는 몇 cm 일까요?
- "바퀴 미끄러짐(오차)" 을 켜고 2번을 세 번 반복합니다. 매번 오차가 같나요?
- 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)
- LiDAR 광선을 켜고 기둥 옆으로 가 봅니다. 기둥 뒤쪽이 왜 비어 보이나요?
- 키보드 궤적은 사람이 키를 누르는 시간이 매번 달라 모서리가 둥글고 길이가 들쭉날쭉합니다. 코드는
거리 = 속도 × 시간을 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 run코드 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.
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#
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.
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
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.
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?
- 키보드 입력 시 LiDAR 가 꺼져서
- 사람이 키를 누른 시간(= 이동 거리)이 변마다 달라서
- 코드 경로가 더 빠른 속도로 달려서
- 키보드 조종 시 배터리 전압이 떨어져서
정답 보기
② — 이동 거리 = 속도 × 시간이므로, 같은 속도에서도 누른 시간이 다르면 변 길이가 달라집니다. 코드는 시간을 정확히 지킵니다.Playground 에서 실물 로봇 제어 라이브러리를 import 하는 코드를 실행했더니 ModuleNotFoundError 가 났습니다. 바른 대응은?
- Playground 에
pip install을 계속 시도한다 - 이 코드는 실물 전용(
python robot)이므로 로봇(또는 연결된 PC)에서 실행하고, 브라우저에서는 시뮬 shim 이 준비된 차시의 코드로 검증한다 - import 줄을 지우면 그대로 실물이 움직인다
- 브라우저를 새로 고치면 해결된다
정답 보기
② — 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#
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 run예제를 사용합니다.
2) 연습장 시뮬레이터에서 키를 눌러도 로봇이 안 움직이고 페이지만 스크롤됨#
(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#
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 는start.bat)로 로컬 서버를 띄워http://localhost:8000으로 접속합니다. 모델이 없는 동안에는 이 차시의 그림과 numpy 실습으로 대신합니다.
4) 실물: 주행 명령을 보내도 바퀴가 돌지 않음 (주행 잠금)#
(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#
(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
print로 확인하고, 속도 값은 사양 범위(0.01~1.60 m/s)를 먼저 검사합니다(실습 과제 2-1 의check_command).
과제#
- 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.
- 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.
- 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