AI로 로봇 경로 계획하는 법 — SLAM과 생성형 AI 결합 튜토리얼

로봇이 스스로 길을 찾아가려면 어떤 기술이 필요할까요? 바로 경로 계획(Path Planning)과 SLAM이에요. 여기에 생성형 AI를 결합하면 로봇의 내비게이션 능력이 한층 더 똑똑해집니다. 오늘은 로봇 경로 계획의 기초부터 AI 활용법까지, 직접 따라할 수 있는 단계별 가이드를 준비했어요!

로봇 경로 계획과 SLAM이란

경로 계획(Path Planning)의 개념

경로 계획이란, 로봇이 출발점에서 목적지까지 장애물을 피하며 최적의 경로를 찾아가는 기술이에요. 내비게이션 앱이 최적 경로를 안내하는 것과 비슷하지만, 로봇은 실시간으로 변하는 환경에 대응해야 하기 때문에 훨씬 더 복잡한 알고리즘이 필요합니다.

SLAM이란

SLAM은 Simultaneous Localization and Mapping의 약자로, 로봇이 이동하면서 동시에 주변 지도를 만들고 자신의 위치를 파악하는 기술이에요. 카메라나 라이다(LiDAR) 센서로 주변 환경을 스캔하면서 지도를 구축하고, 그 지도 위에서 자신의 위치를 추정합니다. 자율주행차, 배송 로봇, 청소 로봇 등 거의 모든 이동형 로봇에 핵심적으로 사용되는 기술이에요.

Step 1 — 개발 환경 준비하기

로봇 경로 계획을 실습하려면 먼저 개발 환경을 세팅해야 해요. 필요한 것들을 정리하면, 컴퓨터(우분투 22.04 권장), ROS 2 Humble 버전, 파이썬 3.10 이상, 그리고 Gazebo 시뮬레이터입니다. ROS 2는 로봇 운영체제로, 로봇의 각종 기능을 모듈화해서 관리할 수 있게 해줍니다.

터미널에서 ROS 2와 관련 패키지를 설치하세요. nav2 패키지가 경로 계획의 핵심이고, slam_toolbox가 SLAM 기능을 제공합니다. 설치 명령어가 복잡하다면, ChatGPT에게 "ROS 2 Humble에서 nav2와 slam_toolbox를 설치하는 명령어를 알려줘"라고 물어보면 한 번에 정리해줍니다.

Step 2 — Gazebo에서 로봇 시뮬레이션 환경 만들기

Gazebo는 ROS와 연동되는 3D 로봇 시뮬레이터예요. 실제 로봇 없이도 가상 환경에서 경로 계획을 테스트할 수 있습니다. TurtleBot3라는 교육용 로봇 모델을 사용하면 별도의 로봇 없이도 실습이 가능해요.

TurtleBot3 시뮬레이션 패키지를 설치하고, Gazebo에서 가상 환경(예: 사무실, 가정)을 불러옵니다. 그러면 화면에 가상 로봇이 가상 공간에 놓인 모습을 볼 수 있어요.

Step 3 — SLAM으로 지도 만들기

slam_toolbox 노드를 실행하면, 로봇이 이동하면서 라이다 센서로 스캔한 데이터를 바탕으로 2D 점유 격자 지도(Occupancy Grid Map)를 생성합니다. 키보드로 로봇을 조종하면서 방 구석구석을 돌아다니면, 점점 지도가 완성되는 모습을 RViz 화면에서 실시간으로 볼 수 있어요.

지도가 완성되면 저장 명령어로 지도 파일을 저장합니다. 이 지도 파일이 경로 계획의 기반이 됩니다.

Step 4 — Nav2로 자율 경로 계획 실행하기

저장한 지도를 Nav2 내비게이션 시스템에 로드합니다. RViz 화면에서 목적지를 클릭하면, Nav2가 자동으로 최적 경로를 계산하고 로봇이 스스로 이동하기 시작해요. 경로 중간에 장애물이 나타나면 실시간으로 경로를 재계산하는 모습도 확인할 수 있습니다.

Nav2는 글로벌 플래너(전체 경로 계획)와 로컬 플래너(실시간 장애물 회피)를 조합해서 안전하고 효율적인 내비게이션을 구현합니다.

Step 5 — 생성형 AI와 결합하기

자연어 명령으로 목적지 설정

여기서 생성형 AI가 등장합니다. ChatGPT나 Claude API를 연동하면, 사용자가 "주방으로 가줘"라고 말했을 때 AI가 지도 상의 좌표로 변환해 Nav2에 목적지를 전달할 수 있어요. 지도의 각 영역에 이름을 매핑하는 설정 파일을 만들고, AI가 자연어를 분석해 해당 좌표를 찾아주는 방식입니다.

동적 환경 설명 생성

로봇의 카메라 영상을 GPT-4o의 비전 기능으로 분석하면, "앞에 의자가 놓여있어서 우회해야 합니다"와 같은 상황 설명을 자동 생성할 수 있어요. 이를 경로 계획에 반영하면 더 지능적인 내비게이션이 가능합니다.

경로 최적화 제안

AI에게 현재 지도와 로봇의 이동 패턴 데이터를 제공하면, 자주 이동하는 경로의 효율성을 분석하고 개선 방안을 제안받을 수 있어요. 예를 들어 "오전 시간대에는 복도가 혼잡하니 우회 경로를 기본으로 설정하세요"와 같은 인사이트를 얻을 수 있습니다.

마무리하며

SLAM과 Nav2를 활용한 로봇 경로 계획은 로봇 개발의 핵심 기술이에요. 여기에 생성형 AI를 결합하면 자연어 명령, 상황 인식, 경로 최적화까지 한층 더 똑똑한 로봇을 만들 수 있습니다. 오늘 소개한 5단계를 따라 하시면, 시뮬레이션 환경에서 자율 내비게이션 로봇을 직접 체험해보실 수 있어요. 도전해보세요!