본 기술은 자율 주행 로봇의 위치 추정과 지도 생성 과정에서 발생하는 센서 오차 및 제어 오차를 보정하기 위해, 실시간으로 생성되는 로봇 관점 지도와 글로벌 지도를 스타일 변환 학습 모델에 입력하여 노이즈가 최소화된 지도를 생성하고 이를 기반으로 로봇의 위치 정보를 보정하는 기술입니다.
기존 자율 주행 로봇은 시뮬레이터 환경과 실제 환경 간의 데이터 차이, 오도메트리 센서의 측정 오차, 모터 제어 오차 등으로 인해 실제 주행 시 위치 추정 성능이 저하되는 문제점이 있었습니다.
본 기술은 운행 제어 프로그램을 통해 로봇 관점 지도와 글로벌 지도를 생성하고, 정답 이미지 집합과 실제 환경의 이미지 집합 사이의 스타일 변환 학습 모델을 적용하여 변환된 지도 데이터를 생성한 뒤 이를 운행 에이전트의 위치 추정값 보정에 활용하는 방식을 제안하며, 이를 통해 실제 환경에서도 정밀한 위치 추정과 지도 작성을 수행할 수 있습니다. 추가 센서 없이 학습 모델만으로 시뮬레이터와 실제 환경의 격차를 해소하므로, 물류 로봇과 서비스 로봇의 상용화 과정에서 개발 비용과 시행착오를 크게 줄여줍니다.
본 발명은 과학기술정보통신부의 3차원 정보의 계층적 이해를 통한 서비스 로봇의 중장기 작업계획 수립 학습 지원을 통해 개발되었습니다.
US12399509B2
