[논문 리뷰] A Multi-Agent System for Autonomous Mobile Robot Coordination

Norberto Sousa, Nuno Oliveira외 1명|arXiv (Cornell University)|2021. 09. 25.

Advanced Manufacturing and Logistics Optimization참고 문헌 13인용 수 5

한 줄 요약

이 논문은 제조 환경에서 자율 물류를 위한 다수의 TIAGo 로봇을 조율하기 위해 ROS와 Gazebo를 사용하는 확장 가능한 다중 에이전트 시스템(MAS)을 제안한다. 시스템은 순차적이고 균형 잡힌 작업 할당 알고리즘을 활용하여 실시간 장애물 회피를 통해 충돌을 고려한 동적 조율을 가능하게 한다. 시뮬레이션된 공장 환경에서 작동한다.

ABSTRACT

The automation of internal logistics and inventory-related tasks is one of the main challenges of modern-day manufacturing corporations since it allows a more effective application of their human resources. Nowadays, Autonomous Mobile Robots (AMR) are state of the art technologies for such applications due to their great adaptability in dynamic environments, replacing more traditional solutions such as Automated Guided Vehicles (AGV), which are quite limited in terms of flexibility and require expensive facility updates for their installation. The application of Artificial Intelligence (AI) to increase AMRs capabilities has been contributing for the development of more sophisticated and efficient robots. Nevertheless, multi-robot coordination and cooperation for solving complex tasks is still a hot research line with increasing interest. This work proposes a Multi-Agent System for coordinating multiple TIAGo robots in tasks related to the manufacturing ecosystem such as the transportation and dispatching of raw materials, finished products and tools. Furthermore, the system is showcased in a realistic simulation using both Gazebo and Robot Operating System (ROS).

연구 동기 및 목표

• 자율 이동 로봇(AMR)을 사용하여 제조 환경에서 동적인 내부 물류를 자동화하는 데 도전하는 것.
• 복잡한 실시간 작업(예: 자재 운반 및 도구 공급)을 수행하는 다수의 AMR을 조율하기 위한 확장 가능한 다중 에이전트 시스템(MAS)을 개발하는 것.
• 최소한의 인간 간섭으로도 민첩하고 분산된 로봇 간 조율을 가능하게 하여 동적인 환경에서의 적응성을 향상시키는 것.
• ROS와 Gazebo를 사용하여 현실적인 시뮬레이션 환경에서 시스템을 검증하고, 장애물 회피 및 작업 할당에서의 강건성을 입증하는 것.

제안 방법

• 각 로봇의 능력에 따라 특정 작업 유형(예: 한 대는 자재를, 다른 한 대는 도구를)을 맡기 위해 마스터 에이전트가 두 대의 TIAGo 로봇을 조율한다.
• 작업 분배는 두 알고리즘을 통해 관리된다: 순차적(작업을 순서대로 할당하고 로봇 가용성을 기다림) 및 균형 잡힘(호환성과 예상 완료 시간에 따라 작업을 로봇 간 분배함).
• 각 로봇은 레이저 스캔 센서 데이터를 사용하여 실시간 장애물 탐지 및 충돌을 방지하기 위한 경로 동적 조정을 수행한다.
• 시뮬레이션 환경은 ROS와 Gazebo를 사용하여 구축되었으며, 원자재, 도구, 완제품을 위한 지정된 영역을 포함한 3차원 공장 바닥을 모델링한다.
• 시스템은 인식, 주행, 조율 논리가 통합된 모듈식이고 확장 가능한 아키텍처를 채택하여 새로운 알고리즘이나 로봇 유형을 쉽게 통합할 수 있도록 한다.
• 충돌 회피는 장애물 제거 후에 로봇이 진행하도록 하여 동적인 환경에서 안전한 주행을 보장한다.

실험 결과

연구 질문

• RQ1 어떻게 다중 에이전트 시스템이 자율 이동 로봇(AMR)을 다수 보유한 동적인 실제 제조 환경에서 물류 작업을 효과적으로 조율할 수 있는가?
• RQ2 자재 운반을 위한 다중 로봇 조율에서 순차적 할당과 균형 잡힌 할당 전략 간의 성능 차이는 무엇인가?
• RQ3 자율 로봇은 공유되고 예측할 수 없는 작업 공간에서 어떻게 안전한 주행과 장애물 회피를 유지할 수 있는가?
• RQ4 ROS/Gazebo 기반의 시뮬레이션은 다중 로봇 시스템의 실제 세계 조율 과제를 어느 정도 정확하게 모의할 수 있는가?
• RQ5 제안된 MAS 아키텍처는 새로운 로봇, 작업 또는 AI 기반 인식 모듈을 통합하기 위해 얼마나 확장 가능한가?

주요 결과

• 균형 잡힌 작업 할당 알고리즘은 로봇 능력과 예상 완료 시간을 기반으로 작업을 분배하여 정지 시간을 크게 줄여 전체 시스템의 효율성을 향상시킨다.
• 시스템은 시뮬레이션된 공장 환경에서 두 대의 TIAGo 로봇을 성공적으로 조율하였으며, 각 로봇은 작업 호환성에 따라 자재와 도구를 정확히 취득하였다.
• 레이저 스캔 기반의 장애물 탐지 기능은 실시간 충돌 회피를 가능하게 하여 장애물이 감지될 경우 경로를 동적으로 조정할 수 있도록 하였다.
• 시뮬레이션은 MAS가 최소한의 인간 간섭으로 복잡한 다단계 작업(예: 제품 설정 및 정리)을 처리할 수 있음을 입증하였다.
• 모듈식 아키텍처는 주요 코드 재구성 없이도 새로운 작업 유형과 알고리즘을 원활하게 통합할 수 있었으며, 확장성의 타당성을 확인하였다.