이동 로봇은 어떻게 스스로 길을 찾는가 — 센서 융합부터 다중 로봇 스케줄링까지

산업·서비스 현장에서 이동 로봇의 자율주행 도입이 확산되고 있다. Robot Autonomous Navigation은 센서·지도·계획·제어를 통합해 로봇이 원격 조작 없이 스스로 환경을 인지하고 현재 위치를 추정하며 목적지까지 경로를 계획·추종하는 능력을 뜻한다. 실시간 장애물 대응과 안전 정지까지 포함하는 개념이다.

파이프라인은 센서 융합(Fusion)→지각(Perception)→로컬라이제이션/SLAM→경로 계획(전역·지역)→제어(MPC/추종)→구동기 순으로 이어지고, 안전·감시(Watchdog)와 진단(Health) 모듈이 이 전 구간을 가로질러 동작한다. 운영 관점에서는 지도 관리(MapOps), 다중 로봇 미션 오케스트레이션, 원격 모니터링(텔레메트리), OTA 업데이트, 안전 규격 준수(실내 AMR의 ISO 3691-4 등)로 체계를 갖춘다.

센서를 섞어야 하는 이유

2D/3D LiDAR, RGB-D 카메라, IMU, 휠 오도메트리, GNSS(실외), UWB·비콘(실내 보조)을 환경·비용·조도 조건에 따라 이질적으로 조합한다. 융합은 EKF/UKF 기반 상태 추정과 비선형 최적화(Graph/Factor Graph)를 활용하며, 센서 드리프트·가림(occlusion)·동적 장애물에 대한 강건성을 확보하는 것이 관건이다.

지각(Perception) 단계는 지면·경사 추정, 동적 객체 검출·추적, 코스트맵(costmap) 생성을 수행한다. 학습 기반 세그멘테이션과 전통적 기하 알고리즘을 혼용하고, 지연(latency) 최소화와 누락 검출률(Recall) 사이의 균형을 잡으며 안전 구역(virtual bumper)과 감속 구역 정책을 적용한다.

로컬라이제이션은 사전 지도와의 매칭(NDT/ICP/Scan Matching, Visual-Loc)에 GNSS RTK를 보조로 써서 절대 좌표를 정합한다. SLAM은 LiDAR·Visual·LVI-SLAM 등으로 환경 변화에 견디는 백엔드 최적화와 루프 클로저를 수행하며, 지도 품질 관리와 업데이트 파이프라인이 함께 필요하다.

경로를 계획하고, 안전하게 멈춘다

전역 계획은 A*, D*, PRM/RRT 등으로 정적 지도 기반의 최단·안전 경로를 생성하고, 코스트맵 가중치로 안전·속도·에너지 사이의 트레이드오프를 조정한다. 지역 계획은 DWA, TEB, 모델예측제어(MPC)로 실시간 장애물 회피와 속도 제약을 반영하며 동적 객체의 속도·의도(velocity/intent)를 예측에 포함시킨다.

제어는 속도·조향에 PID/MPC를 혼용하고 타이어 미끄럼·하중 변화·바닥 마찰에 적응하는 파라미터를 적용한다. 안전은 페일세이프(E-stop, 절대 정지)와 감속·크리핑 정책, 듀얼 채널 감시(Watchdog/Liveness)로 뒷받침하며 기능안전 목표(PL/ASIL 유사 개념)에 맞춰 설계를 검증한다.

현장마다 다른 답이 나온다

제조·물류 AMR은 LiDAR SLAM 기반 실내 지도를 만들고 WMS·TMS와 연동해 미션을 디스패치하며, 다중 로봇 교차로에서는 우선순위 정책(Right-of-Way)을 적용한다. 정체 구간에서는 속도 캡이나 우회 경로로 자동 전환한다. 피킹·라인보급 무인화, 야간 무정전 운용, 공간 변경 시 지도 증분 업데이트로 다운타임을 줄이는 것이 가치다.

라스트마일 배송 로봇은 Visual-LiDAR 융합에 GNSS RTK를 쓰고, 지하·빌딩 진입 시에는 마커나 UWB를 보조로 쓴다. 보행자가 밀집한 환경에서는 예측 기반 감속·양보 정책이 필요하며, 배달 동선을 평준화하고 시간대별 가중치로 혼잡을 피해 SLA 준수율을 높인다.

스마트빌딩·청소 로봇은 층간 엘리베이터와 연동하고 시간대별 접근 제약 구역을 반영하며 물·전력 잔량 기반으로 미션을 재계획한다. 세그먼트별 코스트맵에 습윤·경사 가중치를 적용해 야간 자동화와 안전을 강화하고, 유지보수 로그로 예방 정비를 수행한다.

농업·실외 측량 로버는 GNSS RTK와 IMU를 함께 쓰고 행간 추종(row-following)과 넓은 장애물 탐지 범위를 확보한다. 지형 고저와 토양 상태를 반영한 속도 프로파일로 경로 중복을 최소화하고 연료·배터리 사용을 최적화한다.

센서마다 강점과 약점이 다르다

항목	LiDAR	RGB/Depth 카메라	GNSS+IMU	UWB/마커
성능(정확도)	실내/복잡 환경 강함, mm~cm 수준	텍스처 풍부 시 우수, 조명 영향 큼	실외 cm(RTK), 실내 불가	실내 수 m→수십 cm, 설치밀도 의존
확장성	고가·대역폭 부담, 다대다 운영 가능	저가·경량, 대수 확대 용이	기지국·위성 커버 필요	인프라 설치 규모 의존
일관성	조도 영향 적음, 먼지·유리 이슈	조명·반사·안개 민감	도시협곡·다중경로 영향	전파 간섭·가림 영향
안정성	장애물 검출 안정, 움직이는 군중에 강건	오검출 가능, 학습 품질 의존	하늘 가시성 의존	배터리·태그 유지 필요
운영 편의	캘리브·클리닝 필요, 무인 야간 적합	데이터 라벨/학습 체계 필요	기준국/RTK 세팅 필요	설치·유지보수 오버헤드

입력에서 출력까지, 실패하면 어떻게 되나

⤢✕

지연 예산은 센서→제어 100ms를 목표로 지각 30ms, 지역 계획 20ms, 제어 5ms로 나눠 관리한다. 다중 로봇 스케줄링은 교차로 토큰과 Right-of-Way, 플리트 우선순위, 혼잡 예측 기반 동적 코스트맵으로 처리한다.

설계와 운영에서 남는 트레이드오프

설계·아키텍처에서는 센서 이중화와 이중 페일세이프 채널을 채택해 성능-비용 균형을 잡고, 고정밀 LiDAR 단일 의존을 피해 카메라·IMU로 보완한다. 그래프 최적화 기반 SLAM과 맵 버전 관리를 도입하고, 지도 변경은 기록→검증→배포→롤백의 워크플로를 따른다.

운영·안전에서는 속도·가속·정지거리 정책을 데이터 기반으로 튜닝하고 근접 이벤트 기준치와 알람 레벨을 정의한다. 업데이트는 Canary·Blue-Green 배포를 미션 비활성 시간대에 적용하고, OTA 실패 시 자동 롤백한다.

규모가 커질 때 무엇을 얻는가

물류 이동 효율은 중형 창고·AMR 3050대·2교대 운영 기준으로 2035% 향상되고, 피크 시간대 스루풋은 1525% 증가한다. 비용은 인건비 1530%, 운용비(유지보수·충전) 1020% 절감되며 지도 유지 자동화로 레이아웃 변경 대응 비용도 줄어든다. 품질·안전 측면에서는 충돌·근접 이벤트가 40% 이상 감소하고 인시던트 MTBF가 1.52.5배 개선된다. 확장성은 분산 스케줄러·V2V 교섭을 전제로 로봇 수를 10대에서 100대로 늘려도 미션 대기시간 증가를 15% 미만으로 유지하는 것을 목표로 한다.

이동 로봇 자율주행은 센서 융합·SLAM·경로 계획·제어·안전을 통합한 시스템 공학 과제다. 환경 변화와 운영 규모, 안전 규격을 고려한 설계와 맵 운영 자동화가 성공의 핵심이며, 단계적 도입과 데이터 기반 튜닝으로 생산성·안전·확장성을 함께 끌어올릴 수 있다.