본 연구에서는 시설의 기하학적·운영상 제약 조건을 반영한 경로망을 따라 대형 이기종 무인운반차(AGV) 여러 대가 운용되는 비표준화 산업 환경을 다룬다. 이 경로망에는 폭이 좁고 양방향 통행이 가능한 통로, 교차로, 불규칙한 배치 등이 포함된다. 차량마다 크기, 운동학적 특성, 이동 능력이 다르며, 공유 작업 공간 안에서 일련의 픽업 및 하역 작업을 수행해야 한다.
사전 지식
이 절에서는 문제를 정의하고, 환경을 모델링하는 데 사용되는 핵심 개념과 제안된 접근법의 실행 가능성을 보장하는 가정을 설명한다.
문제 정의
교통 관리 시스템의 목표는 모든 차량이 할당된 작업을 수행하면서 안전하고 효율적으로 이동할 수 있도록 협조된 이동 계획을 생성하는 것이다. 이 문제는 경로 계획과 차량군 협조를 하나의 통합된 프레임워크로 결합한다. 이를 통해 충돌이 없고 동역학적으로 실행 가능한 이동을 보장하는 동시에 교착 상태를 탐지·해결하고, 처리량과 이동 시간을 기준으로 한 전체 주행 비용을 최소화한다. 공간적 충돌과 시간적 충돌을 모두 방지해 안전한 운용을 보장해야 하며, 교통 밀도가 높은 상황에서도 흐름이 지속적으로 유지되어야 한다.
산업 환경은 본질적으로 동적이다. 작업이 재할당될 수 있고, 임시 장애물이 나타날 수 있으며, 실행 중 운영 우선순위가 바뀔 수 있다. 따라서 협조 프레임워크는 실시간으로 작동하면서 변화하는 시스템 상태, 작업 할당이나 작업 공간 구성의 변동, 통로 차단이나 에이전트 간 상호 대기처럼 교착 상태를 일으킬 수 있는 상황에 맞춰 차량 궤적을 지속적으로 조정해야 한다.
가정
산업 플랜트의 환경은 다음 조건을 충족해야 한다.
AGV에 대해서는 다음과 같은 단순화 가정을 적용한다.
- 경로망에서 운용되는 AGV는 특정 위치에서 대기하거나 선분을 따라 이동할 수만 있다.
- Task List, 즉 각 AGV가 수행해야 할 작업 목록은 Task Manager가 제공한다.
- AGV는 특정 작업을 수행하기 위해 작업 할당 단계에서 계산된 고정 경로를 따른다.
교통 관리 아키텍처
제안 전략의 전체 작업 흐름은 Traffic Manager(TM)라 부르는 중앙 제어 장치를 기반으로 한다. TM은 각 AGV의 위치 정보와 상태 지표를 비롯한 최신 상태 정보를 주기적으로 수신한다.
TM은 Task Manager가 제공하는 Task List도 전달받는다. 이 목록에는 각 차량에 현재 할당된 작업이 기록되며, 여기에는 물품 픽업 또는 하역, 지정된 위치로의 이동, 배터리 잔량이 낮을 때 충전소로 이동하는 작업 등이 포함된다.
L-MAPF Coordinator
L-MAPF coordinator는 모든 활성 AGV에 대해 시공간적으로 일관된 궤적을 생성한다. 이 과정에서 충돌 없는 이동을 보장하고, 각 차량에 할당된 고정 경로를 준수하며, 산업 시설 배치의 구조적 제약을 반영한다.
한 번만 계획을 수립하는 방식과 달리 L-MAPF coordinator는 롤링 호라이즌 방식으로 작동한다. 각 인스턴스는 여러 궤적의 집합으로 구성되며, 새로운 작업 할당, 변화하는 AGV 상태, 실행상의 불확실성에 시스템이 지속적으로 대응할 수 있도록 주기적으로 다시 계산된다.
각 인스턴스에서 해결하는 협조 문제를 엄밀하게 정식화하려면 궤적 생성에 관여하는 모든 양을 정확히 정의해야 한다. 주요 요소는 다음과 같다.
- 각 AGV에 대응하는 현재 목표 위치
- 협조가 수행되는 고정 경로
- 계획에 사용되는 경로망 부분 그래프
- 환경 및 교통 제약을 나타내는 정적·동적 장애물
사례 연구
해결책은 C#으로 구현되었으며, Task Manager 모듈을 포함하는 AGV 시스템용 TecnoFerrari Supervisor 소프트웨어에 통합되었다.
모든 실험은 2.80GHz Intel Core i7-1165G7 프로세서와 16GB DDR4-3200 RAM을 탑재한 노트북에서 수행했다. 또한 기업과 협력해 실제 산업 환경에서 실험 결과를 검증했다.
보충 영상에는 자동화 공장에서 수행한 일부 시험 장면이 담겨 있다.
연구 결과
분석 결과는 제안 시스템이 다양한 운용 조건에서 어떻게 작동하는지 종합적으로 보여준다.
제안된 교통 관리 시스템은 폭이 좁은 양방향 통로와 제한된 조작 공간을 갖춘 비표준화 산업 경로망에서 이기종 AGV 차량군을 효과적으로 조정했다. 동시에 더 규칙적이고 넓은 배치에서도 일관된 성능을 보였다.
차량군 규모가 커질수록 처리량은 증가하지만, 각 배치가 기하학적 구조와 상호작용 밀도로 인해 정해지는 포화점에 도달하면 증가를 멈춘다. 그 한계를 넘어서 AGV를 추가해도 생산성은 향상되지 않는다. 다만 가장 혼잡한 구성을 제외하면 L-MAPF coordinator는 실시간 제약 안에서 충돌을 계속 처리한다.
할당 호라이즌 매개변수는 시스템 수준의 성능에 미치는 영향이 제한적이었다. 폭넓은 값의 범위에서 유사한 결과가 나타났으며, 불규칙한 배치에서는 짧은 호라이즌이, 보다 구조화된 환경에서는 긴 호라이즌이 더 유리했다.
절제 연구 결과, 복잡한 배치에서는 anytime 메커니즘과 EHC 전략이 모두 핵심적인 역할을 하는 것으로 나타났다. 둘 중 하나라도 비활성화하면 충돌 탐지가 늦어지고 교착 상태가 늘어나며, 처리량·플로 타임·관리 효율이 저하된다. 이러한 영향은 크고 규칙적인 환경에서는 약해지지만, 상호작용 밀도가 높아질 때는 여전히 효과가 있다.
비교 평가에서 제안 시스템은 모든 비표준화 배치에서 규칙 기반 TM, 최신 TM, 우선순위 기반 L-MAPF 변형을 능가했다. 충돌을 미리 예측하고, 교통 밀도가 높은 상황에서 이동을 협조하며, 교착 상태를 안정적으로 탐지·해결한 덕분에 기하학적 제약이 큰 환경에서 일관되게 더 높은 처리량과 더 짧은 이동 시간을 달성했다.
수렴 분석 결과, 시간 호라이즌이 늘어날수록 ABH-CBS solver는 최적성과 완전성을 갖춘 CBS 해법에 가까워지는 것으로 확인되었다. 실행 시간 측정에서도 추가 계산 시간이 제공될 경우 전체 CBS 해를 복원할 수 있는 능력을 유지하면서, 모든 인스턴스에서 실시간 제약을 충족했다.
감사의 글
저자들은 본 논문 준비를 지원해 준 Gruppo TecnoFerrari S.p.A.와 특히 Software Development Office의 Anna Bellodi, Riccardo Benedetti, Andrea Bargi에게 깊이 감사드린다.
이해상충 선언
저자들은 본 논문의 연구, 저술 또는 출판과 관련해 잠재적인 이해상충이 없음을 밝혔다.
연구비 지원
본 연구는 유럽연합 Horizon Europe 연구·혁신 프로그램의 Socially-acceptable Extended Reality Models and Systems (SERMAS) 프로젝트(보조금 협약 번호 101070351)의 지원을 받았다.
ORCID ID
- Alessandro Bonetti: 0009-0008-2068-6165
- Silvia Proia: 0000-0002-3801-4745
- Simone Guidetti: 0009-0002-1446-1142
- Lorenzo Sabattini: 0000-0002-2734-5549
자주 묻는 질문
교통 관리 시스템은 어떤 문제를 해결하는가? 좁은 통로와 교차로, 불규칙한 배치를 갖춘 비표준화 산업 환경에서 운용되는 대형 이기종 AGV를 협조한다.
L-MAPF coordinator는 변화하는 조건에 어떻게 대응하는가? 새로운 작업, 변화하는 AGV 상태, 실행상의 불확실성에 대응하기 위해 롤링 호라이즌 방식으로 궤적 인스턴스를 주기적으로 다시 계산한다.
차량군이 배치의 포화점에 도달하면 어떻게 되는가? 기하학적 제약과 상호작용 밀도의 한계로 처리량은 더 이상 증가하지 않는다. 다만 대부분의 구성에서 coordinator는 실시간 제약 안에서 충돌을 계속 처리한다.
복잡한 배치에서 중요한 구성 요소는 무엇인가? anytime 메커니즘과 EHC 전략이 모두 중요하다. 어느 하나라도 비활성화하면 충돌 탐지가 늦어지고 교착 상태가 늘어나며 성능이 떨어진다.