[논문 리뷰] Review of Autonomous Mobile Robots for the Warehouse Environment

Russell Keith, Hung Manh La|arXiv (Cornell University)|2024. 06. 12.

Advanced Manufacturing and Logistics Optimization인용 수 4

한 줄 요약

이 논문은 창고 환경에서의 자율 이동 로봇(AMR)을 검토하며, 하드웨어, 로봇 제어(정위치, 경로 계획, AI), 시스템 수준 제어(스케줄링, 자원 관리, 인간-로봇 협업)에 중점을 둡니다. AMR는 센서 융합, 고도의 알고리즘, 최적화된 창고 레이아웃을 통해 운동 낭비를 줄이고 효율성을 향상시키며, 확장 가능하고 분산된 운영을 가능하게 한다고 강조합니다.

ABSTRACT

Autonomous mobile robots (AMRs) have been a rapidly expanding research topic for the past decade. Unlike their counterpart, the automated guided vehicle (AGV), AMRs can make decisions and do not need any previously installed infrastructure to navigate. Recent technological developments in hardware and software have made them more feasible, especially in warehouse environments. Traditionally, most wasted warehouse expenses come from the logistics of moving material from one point to another, and is exhaustive for humans to continuously walk those distances while carrying a load. Here, AMRs can help by working with humans to cut down the time and effort of these repetitive tasks, improving performance and reducing the fatigue of their human collaborators. This literature review covers the recent developments in AMR technology including hardware, robotic control, and system control. This paper also discusses examples of current AMR producers, their robots, and the software that is used to control them. We conclude with future research topics and where we see AMRs developing in the warehouse environment.

연구 동기 및 목표

• 창고 자동화를 위한 최신 AMR 기술 발전을 분석하기 위해.
• 경로 계획, 배터리 관리, 인간-로봇 협업과 같은 AMR 구현의 핵심 과제를 규명하기 위해.
• AI, 센서 융합, 분산 제어가 AMR의 확장성과 성능 향상에 기여하는 역할을 평가하기 위해.
• AMR 페어 효율성을 최적화하는 창고 레이아웃 및 존화 전략을 검토하기 위해.
• 특히 인간 요소와 AMR 시스템 내 동적 작업 할당에 관한 현재 연구의 격차를 규명하기 위해.

제안 방법

• 2013년부터 2024년까지의 논문을 대상으로 IEEE Xplore와 Google Scholar를 활용한 문헌 리뷰를 수행하였으며, 'AMR', '창고', '경로 계획', '스케줄링', '분산' 등의 关련 키워드를 필터링 기준으로 삼음.
• 연구를 하드웨어(센서, 프로세서, 배터리), 로봇 제어(정위치, AI, 경로 계획), 시스템 제어(자원 관리, 스케줄링, 인간-로봇 피킹 방법)로 분류함.
• 아마존(Kiva 로봇 포함)과 같은 기업의 실제 AMR 구현 사례를 분석하여 소프트웨어 및 제어 아키텍처를 평가함.
• 시뮬레이티드 어닐링, 유전 알고리즘, 하이브리드 방법(예: NSGA-II + 탭우 검색)과 같은 최적화 기법을 활용해 레이아웃 및 루팅 설계를 검토함.
• AMR 스케줄링 및 루팅에서의 성능 지표(예: 리드 타임, 이동 거리, 지각, 운영 효율성)를 평가함.
• 기존 격자 패턴과는 다를 수 있는 알고리즘 기반 설계를 활용한 비전통적 창고 레이아웃을 탐색함.

Figure 1: Human-robot collaboration in the warehouse [ 5 ]

실험 결과

연구 질문

• RQ1 현대 AMR는 사전 설치된 인프라 없이 어떻게 항법 및 정위치를 달성하며, 이를 가능하게 하는 센서 기술은 무엇인가?
• RQ2 딥 강화 학습 및 유전 알고리즘과 같은 AI 기법이 AMR의 경로 계획 및 스케줄링 최적화에 어떤 역할을 하는가?
• RQ3 분산 스케줄링 및 동적 존화 전략은 대규모 AMR 페어에서의 확장성 향상과 혼잡도 감소에 어떻게 기여하는가?
• RQ4 기존 창고 레이아웃과 비전통적, 알고리즘 최적화된 레이아웃 간의 주요 성능 상충 요소는 무엇인가?
• RQ5 왜 현재의 AMR 기반 주문 피킹 시스템에서는 인간 요소와 체력적 부담 고려가 부족한가?

주요 결과

• AMR는 인간의 보행 거리를 최소화함으로써 창고 내 운동 낭비를 크게 줄이며, 인간 협업자의 효율성 향상과 피로 감소에 기여한다.
• LiDAR, 2D/3D 카메라, 관성 센서 등의 센서 융합을 통해 고정 인프라 없이도 정확한 실시간 정위치 및 환경 맵핑이 가능하다.
• 분산 스케줄링 및 동적 존화 전략은 10台 이상의 AMR 페어 확장에 유망한 성과를 보였지만, 실제 환경에서 수백 대의 로봇을 다루는 연구는 아직 소수에 그친다.
• 최적화 알고리즘(예: 시뮬레이티드 어닐링 또는 하이브리드 메타휴리스틱)을 활용해 생성된 비전통적 창고 레이아웃은 고정 통로를 제거하고 물품 배치를 최적화함으로써 처리 능력을 향상시킬 수 있다.
• 유전 알고리즘 및 하이브리드 방법(예: NSGA-II + 탭우 검색)은 다중 행 창고 구조에서 AGV/AMR의 물류 흐름 최적화를 통해 물류 비용을 효과적으로 감소시킨다.
• 다만 진전이 있음에도 불구하고, 작업 분담, 피로도, 체력적 부담과 같은 인간 요소는 여전히 AMR 통합 주문 피킹 시스템에서 연구가 부족한 영역이다.

Figure 2: Amazon’s Kiva robot [ 6 ]