이 레슨과 관련된 학습 키워드
인공지능(AI) — 기계가 생각하는 법 → AI 로보틱스 & Embodied AI — 몸을 가진 지능 → AI 로보틱스 & Embodied AI — 물리 세계의 지능 → 학습 기반 로보틱스
MoveIt2 architecture, kinematics (FK/IK, KDL/TracIK), motion planning (OMPL, RRT*, PRM), collision avoidance, Pick & Place, gripper control, MoveIt Setup Assistant, Servo teleoperation.
로봇 팔에게 물건을 집으라고 명령하면, 그 뒤에는 복잡한 계산들이 숨어 있어요.
무브잇2는 로스 2에서 공식 지원하는 매니퓰레이션 프레임워크입니다.
전 세계 천 개 이상의 로봇 프로젝트에서 검증된 시스템이에요.
그림 상단 가운데를 보세요. 무브 그룹이 모든 요청을 처리하는 중앙 코디네이터예요.
사용자가 목표 포즈를 설정하면, 무브 그룹이 각 모듈에 작업을 분배합니다.
왼쪽의 모션 플래닝 모듈을 보세요. 오엠피엘 기반으로 충돌 없는 경로를 생성해요.
알알티스타, 피알엠 같은 샘플링 기반 플래너가 여기서 동작합니다.
그 옆의 플래닝 씬을 보면, 로봇 주변 환경의 3D 모델을 관리해요.
장애물 위치와 로봇 상태를 실시간으로 업데이트하면서 콜리전 검사를 수행합니다.
에프씨엘 라이브러리가 밀리초 단위로 충돌 여부를 판단해요.
오른쪽의 키네매틱스 모듈은 순운동학과 역운동학을 계산합니다.
순운동학은 관절 각도로부터 손끝 위치를, 역운동학은 그 반대를 구해요.
케이디엘이나 트랙 아이케이 솔버가 6자유도 계산을 담당합니다.
맨 오른쪽의 컨트롤러 매니저를 보세요. 로스2 컨트롤과 통합되어 실제 모터에 명령을 전달해요.
그림 하단의 파이프라인을 보면, 목표 설정부터 실행까지 다섯 단계가 자동으로 진행돼요.
첫째 목표 포즈 설정, 둘째 역운동학 계산, 셋째 충돌 검사예요.
넷째로 궤적을 생성하고, 마지막으로 컨트롤러가 모터를 움직입니다.
이 다섯 단계가 무브 함수 한 번 호출할 때마다 자동으로 실행돼요.
즉 개발자는 목표만 지정하면, 나머지는 무브잇2가 알아서 처리하는 거예요.
이것이 무브잇2가 로봇 팔 제어의 사실상 표준이 된 이유입니다.
다음 블록에서는 무브잇의 역사를 살펴보겠습니다.
선생님: 무브잇2에서 무브 그룹 노드가 하는 역할을 설명해볼까요?
학생: 무브 그룹은 사용자의 모션 요청을 받아서 플래너, 키네매틱스, 콜리전 체커 등 각 모듈에 작업을 분배하는 중앙 코디네이터예요.
선생님: 맞아요! 그러면 왜 충돌 검사를 경로 계획과 분리했을까요?
학생: 환경이 실시간으로 변할 수 있으니까 플래닝 씬을 독립적으로 업데이트하면서, 플래너가 매 스텝마다 충돌 여부를 확인할 수 있게 한 거예요.
선생님: 정확해요. 에프씨엘이 밀리초 단위로 빠르게 검사하니까 실시간 계획이 가능한 거죠.