패스트캠퍼스 환급 챌린지 31일차 : Nav2 개요

[ 본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성하였습니다. ]

https://fastcampus.info/4oKQD6b

💙 2026 패캠구독제 LAST SALE : UP TO 98% 💙 | 패스트캠퍼스

 

 

https://fastcampus.co.kr/data_online_selfdriving

자율주행 로봇을 위한 ROS 2 & SLAM & Nav2 한번에 끝내기 | 패스트캠퍼스

본 글은 위 강의를 참고하여 작성되었습니다

 

 

[강의시작 | 강의종료]

 

 

[완강 인증]

 

 

[학습 내용]

 

[강의 후기]

 

Nav2 개요에 대해 학습했습니다.

 

-Nav2에 사용되는 ROS2 개념-

 

Action Server

: 작업을 수행하는 로봇 동작을 제어

 

Lifecycle Node 

: ROS2에서 Node의 상태를 관리

 

Behavior Tree

: Tree 구조로 여러 Node들이 나무 가지처럼 연결된 계층적 자료 구조

 

Planner Server

: 알려진 장애물 및 벽 정보를 바탕으로 이동경로 탐색

 

Controller Server

: 반응형 경로 계획을 수행

 

Smoother Server

: 로봇의 경로를 부드럽게 조정

 

Behavior Server

: 로보스이 동작을 제어하고 관리

 

Costmap

: 로봇이 이동할 수 있는 영역과 이동할 수 없는 영역을 나타내는 2차원 그리드 맵

 

Layer

: Costmap에 특정 기능을 추가

 

Costmap Filter 

: Costmap 유형에 따라 로봇의 행동을 변경

 

 

-생각해 볼 점-

이번 강의에서는 Nav2 개요에 대해 학습했습니다. Action Server, Lifecycle Node 등 이전에 배웠던 내용들도 있었고, Behavior Tree, Controller Server, Costmap Filter 처럼 새로 다루는 내용들도 있었습니다. 지금까지 다뤘던 SLAM은 센서에서 받는 데이터를 기반으로 모르는 지도를 작성하고 저장하는 알고리즘이었습니다. Cartographer SLAM, RGB-D Visual SLAM등이 있었습니다. 추가로 SLAM으로 얻은 지도를 로봇에 학습시켜 자신의 정확한 위치를 추정하고 보정하는 Localization에도 이용할 수 있었습니다. 이후의 Nav2는 지도가 작성이 완료되고, 로봇의 정확한 위치가 추정이 완료되었을 때, 목적지까지의 경로를 찾고 이동하는 알고리즘입니다. 로봇이 이동할 수 있는 경로를 찾고 실제로 움직여야 하기 때문에 이전과 같은 LiDAR, Camera, Ultrasonic과 같은 센서들도 사용하게 될 것입니다. 따라서 지금까지 사용해왔던 Node들과 Service를 여전히 사용하게 되겠습니다. 경로를 계산할 때 주변에 있는 장애물과 빈 공간을 구별할 수 있는 Costmap과 추가적인 정보를 통해 로봇의 움직임을 제어할 수 있는 Costmap Filter등 Nav2에 관련된 새로운 Node들도 다룰수 있어야겠습니다. 자율 주행으로 미로를 탈출하는 프로젝트에서 SLAM을 통해 지도를 학습하고 Localization으로 위치를 추정할 수 있다면 Nav2를 사용해 목적지까지의 경로를 계산하고 이동시킬 수 있겠습니다. 자세한 내용은 이후 실습에서 더 자세히 다룰 예정입니다. 지도 작성, 위치 추정까지 다뤘으니 경로 계산과 이동까지 학습해 안정적인 구조를 만들 수 있도록 공부하겠습니다.