연구개발개요 |
● 본 연구는 건설산업에서 노동집약적 패러다임을 전환하고 건설장비 대상 자율주행 연구 기초기술을 확보하기 위한 “건설현장 자동화를 위한 4D 시뮬레이션 및 강화학습 기반 타워크레인 자율운행 기초 기술 개발”연구로, 건설현장을 4D 시뮬레이션 환경으로 구축하고 타워크레인 자율화기능을 강화학습 기반으로 설계, 실험 및 검증하는 것을 최종 목표로 함.● 연구 1차년도에는 건설현장 4D 시뮬레이션 기반 타워크레인 운행환경을 구축하는 기술을 개발하는 연구를 수행함. 건설현장의 특성을 반영한 3차원 공간을 모델링, 작업계획 및 자재 등을 연계한 4D 시뮬레이션 환경을 구축, 타워크레인의 동작요소를 반영한 운행 모델링, 모방학습 인터페이스 개발 및 데이터셋 구축을 실시함.● 연구 2차년도에서는 강화학습을 활용한 타워크레인 자율화 작업기능을 개발하는 연구를 수행함. 타워크레인의 자율운행을 위한 강화학습 프레임워크를 개발, 타워크레인의 자재 이송 기능과 안전 및 반진동 성능을 위한 강화학습을 수행함. 자율운행 성능을 검증하고 강화학습 모델을 보완함으로써 향후 확장 전략을 제안함.● 이에 따라 본 연구의 핵심 성과물은 A) 건설현장 4D 시뮬레이션 기반 타워크레인 운행환경 구축 기술, B) 강화학습을 활용한 타워크레인 자율화 작업기능 개발 기술, C) 타워크레인 자율운행 Virtual-Model, 세 가지로 도출됨.
|
연구내용 및 범위 |
(A) 건설현장 및 외부환경 모델링을 통한 가상환경 구축A-1. 건설현장의 3차원 환경 모델링■ 건설현장에 적합한 물리엔진 환경설정 최적화: Unity, Unreal Engine 등 3D환경 구현 엔진들의 비교분석을 통해 최적 플랫폼 선정하고, 건설현장 모델링을 위한 기초적인 물리엔진 환경설정 수행■ 건설현장 외부환경 조절을 위한 Parametric Model 개발: 건설장비운영에 있어 센서 인식률에 영향을 미치는 외부환경 요인을 도출하고, 이를 3D 환경 엔진 내 구현. 또한 실제 외부환경 데이터 기반 외부요인의 시간에 따른 변화 및 발생확률을 포함한 Parametric Model 개발A-2. 건설현장의 동적/정적 객체 모델링■ 가상환경 Fidelity 향상을 위한 3D 객체 생성: 건설현장 내 존재하는 건축물, 가시설물, 장비, 인부 등 주요 객체를 선정하고, 크기, 무게, 재질, 이동속도, 작동범위 등을 실제 데이터 기반으로 하여 3D 객체 생성■ 가상환경 Fidelity 향상을 위한 동적객체 행동패턴 모델링: 각종 건설장비, 인부 등 동적 객체별로 주변 환경에 따라 변화하는 상태와, 상태에 따른 행동규칙을 Agent-based model 기반으로 모델링 및 3D 엔진에 연동하는 작업 수행A-3. 건설현장 공사진행 단계별 시나리오 생성■ 자율화장비 설계/실험을 위한 건설현장 시나리오 생성: 타워크레인 자율운행 초기모델의 학습 속도 및 작업 효율성 향상 도모하기 위하여 공종별 공사 데이터를 통한 객체 및 환경 정보를 반영한 학습 시나리오 생성■ 장비자율화 기능 안정성 향상을 위한 주요 위험 이벤트 생성: 건설장비 관련 안전사고 사례 보고서 데이터 수집 및 분석하여 시나리오 대상 사례를 선정하고, 이를 반영한 가상환경 내 위험 이벤트를 생성함. 초기 모델개발 이후의 커리큘럼으로, 타워크레인 자율운행 모델이 난이도가 높은 시나리오를 학습하는 빈도를 높여 위험 상황에 대한 대응력을 높아지도록 유도 (B) 가상현장 시나리오 기반 건설장비 자율화기술 개발B-1. 가상 운전 필요 데이터 수집을 위한 센서 모듈 개발 ■ 가상환경 내 데이터 수집을 위한 센서 구현: 타워크레인이 주어진 시나리오에서 환경 및 객체를 인지할 수 있도록 라이다, 레이더, GPS, IMU와 같은 다양한 센서를 3D 엔진에서 제공하는 raycast, object global position 등 툴을 활용하여 구현함. 실제 센서를 3D 엔진 API 활용하여 가상센서로 구현■ 안전한 장비운영을 위한 장애물 탐지기능 개발: 타워크레인이 이송 중 충돌사고가 발생하지 않기 위해 가상환경 내 구현된 센서를 사용하여 장애물의 크기, 위치를 탐지 및 추적■ 자율화 모델의 이전성(Transferability) 확보를 위한 데이터 처리: 이미지 데이터 정보손실에 대응하기 위한 데이터 왜곡 (data distortion), 센서 위치 조정, 다양한 각도의 가상이미지 데이터 확장 (data augmentation) 등 기법을 활용하여 타워크레인 자율화 모델의 가상환경-현실 간 이전성 확보B-2. 안전 작업수행 위한 Path Planning 기술■ 장애물을 고려한 최적 경로 탐색알고리즘 개발: 객체 배치 시나리오 모듈을 통해 설정된 작업대상을 목적지로 양중하기 위하여 장애물의 위치 및 건설장비의 특성을 고려한 Path Planning 최적화 알고리즘 개발 및 가상환경 내 검증 수행■ 타워크레인 자유도를 고려한 경로변환: 다관절 장비인 타워크레인의 자유도를 고려하여 장애물 회피할 수 있는 역동역학적 방법의 야코비안 행렬 활용을 통해 적절한 경로로의 변환 모델 개발B-3. 자율제어 품질 향상을 위한 강화학습 모델 개발■ 이송물 진동 최소화를 위한 강화학습 모델 개발: 장비 이송물 진동 감소를 위한 장비 운행기능을 위한 강화학습 프레임워크 개발 및 가상환경과 강화학습 프레임워크 연동 이후 최적 프레임워크 도출을 위한 다수환경 실험 수행 (C) 자율화 기능 Scale-Model 검증C-1. Scale Model 제작 ■ 가상데이터 기반으로 구현된 자율화기능 검증을 위한 Scale 모델 제작: 타워크레인 자율화 기능의 생산성, 안정성 검증을 위해 타워크레인 및 환경/객체 Scale 모델 제작C-2. Scale Model 활용 자율화 기능 검증 수행■ 가상환경 기반 자율화기능의 Transfer 실험 수행: 가상환경에서 개발된 기능을 제작된 Scale-Model 하에서 실험 수행하여 환경 인식, 이송 경로, 진동 최소화 등 움직임 제어 기능의 검증 수행■ Scale-Model Test 결과를 활용한 자율화기능 보완: Scale 모델 실험에서의 문제점들을 분석하여 자율화 모델의 가상환경 및 인지, 판단, 제어 기능들을 보완
|