패스트캠퍼스 환급 챌린지 32일차 : Path Planning 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]

 

Path Planner 개요에 대해 학습했습니다.

 

-Path Planning-

: 로봇이 출발지에서 목적지까지 이동하는 경로를 계산하는 알고리즘

 

 

-Path Planning을 위해 실행되어야 하는 노드-

- map_server
- amcl

 

 

-Path Planning을 위한 노드-

- controller_server

- smoother_server

- planner_server

- behavior_server

- bt_navigator

- waypoint_follower

- lifecycle_manager

 

 

-생각해 볼 점-

이번 강의에서는 Path Planning 개요에 대해 학습했습니다. Path Planning이란 출발지에서 목적지까지 이동하는 경로를 계산하는 알고리즘입니다. ROS 2에서 Path Planning을 사용하려면 map_server, amcl이 실행되어야 합니다. Path Planning은 미리 제작된 지도의 데이터와 로봇의 실시간 위치 데이터를 기반으로 최적의 거리를 계산하기 때문에 SLAM, Localization이 완료된 상태여야 합니다. map_server와 amcl은 SLAM과 Localization에 중요한 노드이기 때문에 Path Planning에도 마찬가지로 필요한 것입니다. Path Planning 알고리즘이 경로를 계산하는 방법은 다음과 같을 것입니다. SLAM으로 작성된 지도에 장애물, 공백, 식별불가와 같은 지점엔 값이 매겨져 있습니다. 우선 Path Planning 알고리즘은 Localization된 로봇의 위치와 목적지를 표기하고 출발 지점부터 목적지까지의 모든 칸에 값을 매깁니다. 장애물이 있는 지역의 값이 높다는 가정하에, 출발지부터 목적지까지의 값이 가장 낮은 최소값을 찾습니다. 이와 같이  계산된 최소값이 로봇의 위치부터 목적지까지의 최소 거리 일 것입니다. 자율 주행 자동차가 미로를 탈출하는 프로젝트에서 다음과 같이 사용할 수 있겠습니다. SLAM을 통해 지도를 제작, 저장하고 로봇에 이를 학습시킵니다. Localization을 통해 로봇의 현재 위치를 추정합니다. 추정된 값을 기준으로 목적지까지의 거리를 비교합니다. 여기서 2D 지도를 사용하는 것이 효율적일 것입니다. 지도에서 로봇의 위치에서 목적지 사이의 칸에 값을 매기고 칸씩 움직일 때마다 값을 높입니다. 장애물은 정해진 만큼 높은 값을 갖습니다. 이와같은 작업을 반복해 가장 적은 값을 갖는 경로가 최소경로가 되고, 이를 로봇에게 전달합니다. 로봇은 만들어진 경로대로 따라 움직입니다. 아직 실습전이고 직접 다뤄본 적이 없어서 어떻게 작동하는지는 정확히 알지 못하지만, 지금까지 배웠던 내용을 토대로 구상해보았습니다. 이후 강의부터는 경로를 찾아내는 실습을 진행할 것입니다. 실습은 직접 하는만큼 얻는것도 많고 빠르게 익숙해지는데 도움이 됩니다. 이번에 구상한 내용과 실제 구동하는 방법을 비교하며 복습하고 공부하겠습니다.