AI Keynote

OFP의 개념과 정의 Operational Flight Program(OFP)은 무인항공기(UAV, Unmanned Aerial Vehicle)의 운영에 필수적인 핵심 소프트웨어로, 무인항공기의 비행, 임무 수행, 센서 및 무기 시스템의 제어를 담당합니다 [1]. OFP는 무인항공기의 두뇌 역할을 하며, 안전하고 효율적인 비행을 보장합니다 [1]. 비행 제어 OFP는 무인항공기의 비행 경로를 계획하고 제어하며, GPS 및 인조지능과 같은 기술을 활용하여 안정적인 비행을 유지합니다 [1]. 항공기에 탑재되어 비행 관리 및 임무 관리를 수행하는 비행운용 프로그램으로서 항공기에 탑재된 다양한 시스템을 통제하는 역할을 담당합니다 [2]. OFP의 주요 기능과 역할 OFP는 다양한 센서 데이터를 분석하여 무인항공..

ROS (Robot Operating System)는 로봇 애플리케이션을 구축하는 데 도움이 되는 소프트웨어 라이브러리 및 도구 모음이며, 로봇 소프트웨어 개발을 위한 유연하고 강력한 프레임워크로 정의된다 [1][5]. ROS는 메타 운영 체제로서 애플리케이션과 분산 컴퓨팅 자원 간의 인터페이스 역할을 수행한다 [3].ROS의 정의 및 특징 ROS(Robot Operating System)는 로봇 소프트웨어 개발을 위한 오픈 소스 로봇 미들웨어 스위트이다 [2]. ROS는 전통적인 의미의 운영 체제는 아니지만, 하드웨어 추상화, 저수준 장치 제어, 일반 기능 구현, 프로세스 간 메시지 전달, 패키지 관리 등 이기종 컴퓨터 클러스터에 필요한 서비스를 제공한다 [2][5]. ROS 기반 프로세스들은 그래프 ..

자율 비행 드론의 개념 및 역할 자율 비행 드론은 조종사의 개입 없이 복잡한 임무를 수행할 수 있도록 설계된 무인비행체(UAV)입니다 [1]. 드론은 공식적으로는 사람이 탑승하지 않고 원격 조종이나 자동화된 프로그램에 의해 운용되는 항공기를 의미합니다 [1]. 최근 몇 년간 첨단 센서와 인공지능 기술이 비약적으로 발전함에 따라 드론은 배송, 농업, 재해 구조 및 대응 등 다양한 분야에서 널리 활용되고 있습니다 [1].  자율 비행 드론은 여러 센서로부터 얻은 데이터를 통해 자신의 위치와 자세를 추정하고, 라이다 및 기타 센서를 활용하여 3차원 지도를 제작하여 주변 장애물과 지형을 파악합니다 [1]. 이러한 데이터를 분석함으로써 드론은 장애물을 피하면서 목표 지점까지의 최적 경로를 생성하고, 비행 궤적을 ..

무인기 의사결정 알고리즘의 개요 무인기(UAV) 의사결정 알고리즘은 복잡한 환경에서 자율적으로 비행하고 임무를 수행하기 위한 핵심 기술입니다 [14]. 이러한 알고리즘은 무인기가 현재 상태를 인식하여 스스로 선택할 수 있는 행동 중 보상을 최대화하는 행동 혹은 행동 순서를 선택하는 데 중요한 역할을 합니다 [12]. 특히 무인기를 위한 자율 시스템은 임무 목표, 임무 상황, 무인기의 상태를 기반으로 목표 달성을 위해 현재 수행할 행동을 결정하는 의사결정 능력을 갖추고 있습니다 [42]. 무인기의 자율주행 시스템에서 경로 계획 알고리즘은 비행 임무를 수행하는 동안 항공기가 따라갈 최적의 비행 경로를 결정하는 과정을 의미합니다 [5]. 이 비행 경로에는 항공기의 주행 경로, 고도, 속도, 헤딩 등이 포함되며..

Path Planning, Guidance, Navigation, Control Algorithm Technical Review Path Planning 알고리즘은 로봇공학, 자율주행차, 드론 및 기계공학 분야에서 중요한 역할을 담당합니다 [1]. 이 알고리즘은 로봇이나 자율주행차가 지정된 목표지점까지 안전하고 효율적으로 이동할 수 있도록 경로를 계획하는 기술입니다 [1]. Path Planning의 목적은 목표지점까지 이동하는 경로를 계획하는 과정으로, 운전자 없이 스스로 이동해야 하는 자율 시스템에서 매우 중요한 기술입니다 [1]. 이러한 알고리즘은 최적의 경로를 계획하여 목표지점까지 안전하고 빠르게 이동하는 것을 목표로 합니다 [1]. 경로계획 알고리즘은 로봇이 충돌하지 않는 여러 경로 중에서 임무..

I. 서 론 (Introduction)Visual SLAM(시각적 동시적 위치 추정 및 지도 작성)은 카메라를 주요 센서로 사용하여 미지의 환경에서 자율 시스템이 자신의 위치를 실시간으로 파악하고, 동시에 주변 환경의 3D 지도를 생성하는 기술입니다. 이 기술은 특히 GPS 신호가 약하거나 사용할 수 없는 환경, 예를 들어 실내 공간, 도시의 고층 빌딩 사이, 지하 시설 등에서 중요한 역할을 합니다. 자율 주행 차량, 로봇 공학, 증강 현실(AR), 가상 현실(VR), 드론 등 다양한 첨단 기술 분야에서 환경 인식과 이동성을 향상시키는 핵심 요소로 자리 잡고 있습니다.최근 몇 년간 자율 시스템과 인공지능 기술의 급격한 발전으로 Visual SLAM에 대한 관심과 수요가 크게 증가하고 있습니다. 산업계에서..

1. 서론: Tesla Vision의 등장 배경, 중요성, 목표Tesla Vision은 Tesla의 자율 주행 시스템의 핵심 구성 요소로, 차량 주변 환경을 인식하고 자율 주행을 가능하게 하는 기술입니다. 이는 카메라를 주 센서로 활용하여 주변 환경의 시각 정보를 획득하고, 이를 딥러닝 기반의 신경망을 통해 분석하여 차량의 주행 결정을 내립니다. Tesla Vision은 자율 주행 기술의 발전과 상용화를 위한 Tesla의 핵심 전략이며, 다음과 같은 배경과 중요성을 갖습니다. 등장 배경:기술적 진보: 딥러닝 기술의 발전과 컴퓨팅 성능의 향상은 카메라 기반의 자율 주행 시스템 개발을 가능하게 했습니다. 특히, 이미지 인식, 객체 감지, 3D 공간 인식 등에서 딥러닝의 놀라운 성능 향상은 Tesla Visi..

UAV (무인 항공기)의 위치 및 자세 추정 기술은 UAV의 자율 비행, 임무 수행, 안전성 확보를 위한 핵심적인 요소입니다. 이 기술은 다양한 센서, 정교한 알고리즘, 그리고 센서 융합 기법을 활용하여 UAV의 정확한 위치와 자세 정보를 제공합니다.  1. 센서의 종류와 역할UAV는 다양한 환경 정보를 수집하기 위해 여러 종류의 센서를 탑재합니다. 각 센서는 고유한 특성과 장단점을 가지며, 이러한 센서들의 데이터를 융합하여 정확하고 신뢰성 있는 위치 및 자세 정보를 얻는 것이 중요합니다. 센서의 종류와 역할은 다음과 같습니다. 관성 측정 장치 (IMU - Inertial Measurement Unit): IMU는 UAV의 움직임을 감지하는 핵심 센서입니다. 일반적으로 3축 가속도계, 3축 자이로스코프,..

경로 계획 알고리즘은 로봇공학과 자율 주행 시스템에서 핵심적인 역할을 수행합니다. 주요 알고리즘들의 특성과 적용 방안을 상세히 살펴보겠습니다.1. Random Sampling-Based Algorithm (무작위 샘플링 기반 알고리즘)확률 분포에 기반한 샘플링 전략을 통해 경로를 생성합니다. 이 알고리즘의 핵심은 주어진 공간에서 무작위로 샘플을 추출하고, 이를 연결하여 실행 가능한 경로를 찾는 것입니다. 특히 균등 분포나 가우시안 분포와 같은 확률 분포를 활용하여 효율적인 샘플링을 수행합니다. 고차원 공간에서도 적용이 가능하다는 장점이 있으나, 경로의 최적성을 보장하지 않는다는 한계가 있습니다.클래스 구조: Sampler, Validator, PathPlanner주요 메서드:sample(): 탐색 공간에..