노면 적응형 스마트 제동 자율주행 로봇

목표 및 제작 동기

본 프로젝트는 저마찰 노면과 돌발 장애물 환경에서 자율주행 모빌리티가 안정적으로 정지할 수 있도록 하는 스마트 제동 제어 시스템 개발을 목표로 한다. 비와 눈으로 젖은 바닥과 같은 환경에서는 노면의 마찰계수가 낮아져 제동거리가 증가하고 급제동 시 바퀴가 잠기거나 슬립이 증가하는 문제가 발생할 수 있다. 이러한 문제는 자율주행 로봇만이 아니라 아니라 캠퍼스 모빌리티, 전기자전거 등 미래 모빌리티의 안전성과도 직결된다. 본 서비스는 소형 자율주행 로봇을 기반으로 전방 장애물을 인식하고, 엔코더와 IMU 센서를 이용해 휠 속도, 차체 감속도, roll-pitch-yaw 변화를 측정한다. 이를 통해 주행 중 슬립 발생 여부를 추정하고, 노면 상태에 따라 제동력을 실시간으로 조절한다. 최종적으로 일반 급제동, 점진 제동, 슬립 억제 스마트 제동을 비교하여 저마찰 환경에서도 안정적으로 정지할 수 있는 제동 시스템을 구현하고자 한다. 본 프로젝트의 핵심 가치는 단순히 자율주행의 제동 시스템이 아니라 위험 상황에서 “얼마나 안전하게 멈출 수 있는가”를 데이터 기반으로 검증하는 데 있다. [기대효과] "노면 적응형 스마트 제동 자율주행 로봇"을 통해 모빌리티 시스템이 저마찰 노면이나 돌발 장애물 상황에서도 더 안정적으로 정지할 수 있는 스마트 제동 기술의 실효성을 확인할 수 있다. 일반적인 자율주행 프로젝트가 경로 추종이나 장애물 회피에 집중하는 것과 달리, 본 프로젝트는 위험 상황에서의 안전 정지 성능에 초점을 맞춘다는 점에서 차별성이 있다. 기술적으로는 엔코더와 IMU 기반의 슬립 추정 및 PWM 제동 제어를 통해 휠 락과 차체 불안정을 줄일 수 있다. 이를 통해 정지거리 감소, 충돌 위험 감소, yaw 흔들림 감소, 정지 안정성 향상 등의 효과를 기대할 수 있다. 또한 일반 급제동, 점진 제동, 스마트 제동을 비교 실험함으로써 제어 알고리즘의 성능을 정량적으로 검증할 수 있다. 응용 측면에서는 자율주행 배송로봇, 캠퍼스 이동 로봇, 실내외 물류로봇, 자율주행 셔틀 등 다양한 미래 모빌리티의 안전 시스템에 적용할 수 있다. 특히 미끄러운 바닥처럼 실제 주행 환경에서 자주 발생하는 문제를 다루기 때문에 실용성이 높다. 또한 전기자전거, 전동킥보드의 차세대 시스템의 제동에도 적용이 가능하다. 향후에는 카메라 기반 노면 인식과 이를 통한 마찰계수 추정 알고리즘, 차동 제어 등을 추가하여 더 고도화된 자율주행 안전 제동 시스템으로 확장할 수 있다.

프로젝트 컨셉

4m × 3m 내외의 제한된 공간에서 일반 노면, 저마찰 노면, 돌발 장애물 구간을 구성한 뒤, 소형 자율주행 로봇이 주행하며 제동 성능을 검증하는 방식으로 구현한다. 로봇은 라인트레이싱 또는 지정 경로 주행 방식을 기반으로 이동한다. 전방 ToF 거리센서 또는 초음파 센서를 통해 장애물을 감지하고 장애물까지의 거리와 로봇의 주행 속도를 이용해 TTC(Time To Collision)를 계산하여, 충돌 위험이 일정 기준 이상으로 높아지면 감속 또는 긴급제동 모드로 전환한다. 제동 제어에는 모터 엔코더와 IMU 센서를 활용한다. 엔코더를 통해 휠 속도와 휠 감속도를 측정하고, IMU를 통해 차체 감속도와 각 좌표계의 rate를 측정한다. 휠 속도 변화와 차체 감속도 차이를 비교하여 슬립 발생 가능성을 판단하고, 슬립이 커질 경우 제동력을 일시적으로 줄여 락킹을 방지한다. 반대로 접지력이 회복되면 다시 제동력을 증가시켜 안정적으로 정지하도록 제어한다. 실험은 세 가지 제동 모드를 비교하는 방식으로 진행한다. 첫째, 장애물 감지 후 즉시 모터 출력을 차단하는 일반 급제동 모드, 둘째, PWM을 단계적으로 낮추는 점진 제동 모드, 셋째, 센서 데이터를 기반으로 슬립을 억제하는 스마트 제동 모드이다. 각 모드에 대해 정지거리, 제동시간, 최대 슬립 지표, yaw 흔들림, 충돌 여부를 측정하고 CSV 데이터와 그래프로 정리한다. 하드웨어는 4륜 구동 로봇 플랫폼, DC 기어드 모터, 엔코더, 모터 드라이버, Arduino 또는 ESP32, Raspberry Pi, IMU 센서, ToF 거리센서, 배터리로 구성한다. 모터 제어는 Arduino 또는 ESP32에서 실시간으로 처리하고, 센서 데이터 저장 및 시각화는 Raspberry Pi를 활용한다. [개발 역량] 본 프로젝트를 위해서는 기계공학적 제동 해석, 센서 기반 제어, 임베디드 시스템 구현, 데이터 분석 역량이 종합적으로 요구된다. 제동 시스템을 구현하기 위해서는 노면 마찰계수, 브레이크 토크, 휠 슬립 등 차량 동역학에 기반한 기계공학적 이해가 필요하며 이를 바탕으로 일반 제동과 스마트 제동의 차이를 수치적으로 분석할 수 있어야 한다. 하드웨어 측면에서는 DC 모터, 모터 드라이버, 엔코더, IMU, 거리센서를 이용한 로봇 플랫폼 제작 역량이 필요하다. 특히 엔코더를 이용한 휠 속도 측정, IMU를 이용한 차체 가속도 및 yaw rate 측정, PWM 기반 모터 제어가 핵심이다. 소프트웨어 측면에서는 캡스톤 디자인을 통해 습득한 Arduino의 모터 실시간 제어, 자율주행 프로젝트를 통해 습득한 Raspberry Pi를 이용한 센서 데이터 처리, Python 기반 데이터 분석 및 그래프 작성 역량을 활용한다. 또한 실험 환경의 일반 노면과 저마찰 노면에서 반복 실험을 수행하여 제동 성능을 비교해야 한다. 이를 통해 단순한 아이디어 제안이 아니라 실제 프로토타입을 제작하고, 실험 데이터로 성능을 검증하는 개발 역량 향상을 도모한다. [지원 동기] 미래 모빌리티에서 가장 중요한 가치는 안전성이라고 생각합니다. 자율주행은 단순히 스스로 주행하는 것뿐만 아니라, 돌발 상황에서 안정적으로 멈추는 능력이 필수적입니다. 이에 저마찰 노면과 장애물 환경에서 자율주행 로봇이 안전하게 정지할 수 있는 스마트 제동 시스템을 개발하며 미래 모빌리티 역량을 키우고 안전을 책임지는 제동 시스템을 직접 구현하고자 지원하게 되었습니다. 본 프로젝트에서는 엔코더와 IMU 센서를 활용해 다양한 속도와 감속도, yaw rate를 측정하고 슬립 발생 가능성에 따라 제동력을 조절하는 시스템을 구현할 계획입니다. 이를 통해 각 환경 조건과 제동 메커니즘에 따른 정지거리, 제동시간, 자세 안정성을 데이터로 검증하겠습니다. 이번 콘테스트를 통해 이번 학기에 배운 차량 동역학과 제어 지식을 실제 로봇 시스템에 적용하고, 향후 미래 모빌리티 안전 기술로 확장할 수 있는 개발 역량을 키우고자 합니다.

팀원 기여도

• 김보성e4ds 회원
• 아오이e4ds 회원