초보도 15분이면 끝! GPT로 로봇 경로 계획 코드 만들기

🗺️ 로봇이 스스로 길을 찾게 만들어보자

이거 진짜 신기한 이야기예요. 로봇이 "A 지점에서 B 지점까지 장애물을 피해서 가줘"라는 명령을 이해하고, 최적의 경로를 직접 계산해서 움직이는 거 상상해보신 적 있으세요? 예전에는 이런 경로 계획(Path Planning) 코드를 작성하려면 로보틱스 전공 지식이 필수였는데, 이제는 GPT에게 부탁하면 15분 만에 뚝딱 만들어줘요.

오늘은 ChatGPT를 활용해서 로봇 경로 계획 알고리즘인 A* 알고리즘 코드를 생성하고, 실제로 시각화까지 해보는 과정을 단계별로 알려드릴게요. 코딩 초보자도 따라만 하면 됩니다!

📌 Step 1 — 먼저 뭘 만들 건지 이해하기

경로 계획이 뭔지 간단히 설명할게요. 우리가 네이버 지도에서 길찾기를 하면 최단 경로를 알려주잖아요? 로봇 경로 계획도 비슷한 원리예요. 다만 로봇은 실내 환경에서 벽, 가구, 사람 같은 장애물을 피해야 하니까 조금 더 복잡하죠.

우리가 오늘 만들 건 2D 격자 맵에서 시작점부터 도착점까지 장애물을 피해 최단 경로를 찾는 A* 알고리즘이에요. A*(에이스타)는 게임 AI에서도 많이 쓰이는 대표적인 경로 탐색 알고리즘인데, 직접 코딩하려면 좀 복잡해요. 하지만 GPT가 있으니까 걱정 없죠!

📌 Step 2 — ChatGPT에게 코드 요청하기

ChatGPT(GPT-4o 추천)에 접속해서 아래와 비슷하게 프롬프트를 입력해보세요.

프롬프트 예시

"Python으로 A* 경로 계획 알고리즘을 구현해줘. 20x20 격자 맵에서 시작점(0,0)부터 도착점(19,19)까지 장애물을 피해 최단 경로를 찾는 코드를 만들어줘. matplotlib로 맵과 경로를 시각화하는 코드도 포함해줘. 장애물은 랜덤으로 30% 배치해줘."

이렇게 구체적으로 요청하는 게 핵심이에요. 맵 크기, 시작점과 도착점 좌표, 장애물 비율, 시각화 방법까지 명확하게 적어줄수록 GPT가 더 정확한 코드를 생성해줘요.

📌 Step 3 — 생성된 코드 이해하기

GPT가 생성해준 코드는 크게 4개 부분으로 나뉘어요.

첫째, 맵 생성 부분이에요. numpy로 20x20 격자를 만들고, 랜덤으로 장애물(1)을 배치해요. 시작점과 도착점은 장애물이 없도록 보장하고요.

둘째, A* 알고리즘 구현 부분이에요. 휴리스틱 함수(맨해튼 거리), 오픈 리스트, 클로즈드 리스트를 활용해서 최적 경로를 탐색해요. 이 부분이 핵심 로직이에요.

셋째, 경로 역추적 부분이에요. 도착점에서 시작점까지 부모 노드를 따라가면서 최종 경로를 구성해요.

넷째, 시각화 부분이에요. matplotlib로 격자 맵을 그리고, 장애물은 검정, 경로는 빨강, 시작점은 초록, 도착점은 파랑으로 표시해요.

📌 Step 4 — 코드 실행하고 결과 확인하기

먼저 필요한 라이브러리를 설치해야 해요. 터미널에서 아래 명령어를 실행하세요.

pip install numpy matplotlib

그다음 GPT가 만들어준 코드를 Python 파일(예: robot_path.py)로 저장하고 실행하면 돼요. 실행하면 장애물 사이로 빨간색 최적 경로가 그려진 격자 맵이 나타날 거예요. 이게 바로 로봇이 따라갈 경로예요! 🎉

만약 경로를 찾지 못했다는 메시지가 나온다면, 장애물이 너무 많아서 길이 막힌 거예요. 장애물 비율을 20%로 낮추거나 맵 크기를 30x30으로 키워보세요.

📌 Step 5 — 코드 커스터마이징하기

기본 코드가 잘 돌아가는 걸 확인했다면, GPT에게 추가 요청을 해서 기능을 확장해볼 수 있어요.

"대각선 이동도 가능하게 수정해줘" — 상하좌우만 이동하던 로봇이 대각선으로도 움직일 수 있게 돼요. 이렇게 하면 경로가 더 자연스러워지죠.

"경로 탐색 과정을 애니메이션으로 보여줘" — matplotlib 애니메이션 기능으로 A*가 어떻게 경로를 탐색하는지 과정을 실시간으로 볼 수 있어요. 교육용으로 정말 좋아요.

"동적 장애물을 추가해줘" — 움직이는 장애물이 있는 환경에서 경로를 재계산하는 기능이에요. 실제 로봇 환경과 더 비슷해지죠.

💡 이걸 실제 로봇에 적용하려면?

오늘 만든 코드는 2D 시뮬레이션이지만, 실제 로봇에 적용하는 것도 가능해요. ROS2(로봇 운영체제)와 연동하면 이 경로 계획 코드를 실제 로봇에 그대로 적용할 수 있거든요. GPT에게 "이 코드를 ROS2 Nav2 플러그인 형태로 변환해줘"라고 요청하면 연동 코드도 생성해줘요.

물론 실제 환경에서는 센서 데이터, 실시간 장애물 감지 등 추가적인 요소가 필요하지만, 기본 구조를 이해하는 데는 오늘 튜토리얼만으로 충분해요.

✅ 마무리

어때요, 생각보다 어렵지 않죠? GPT 덕분에 로보틱스 전공자가 아니어도 로봇 경로 계획 코드를 뚝딱 만들 수 있는 세상이 됐어요. 중요한 건 GPT에게 "구체적으로" 요청하는 거예요. 맵 크기, 좌표, 시각화 방법까지 상세하게 적어줄수록 좋은 결과가 나와요.

오늘 배운 내용으로 한번 직접 만들어보시고, 결과 스크린샷을 댓글로 공유해주세요! 다음 튜토리얼에서는 이 경로 계획을 3D 시뮬레이션 환경에서 실행하는 방법을 다뤄볼게요. 🚀