인간-로봇 공유 제어 기반의 원격 작동 라이브 라인 배전 작업 로봇

요약

인간-로봇 공유 제어를 기반으로 한 원격 조작 라이브 라인 배전 작업 로봇이 개발되었습니다. 실험실 실험에서는 공유 대조 가중치가 궤적 효율성을 향상시키면서 과제 완료 시간과 하위 이동을 줄이는 것으로 나타났습니다. 갑작스러운 원격 조작 행동 탐지 알고리즘은 갑작스러운 조작자의 움직임을 줄였고, 현장 도핑 작업에서 성공적으로 검증되었습니다.

초록

전통적인 배전 전력선 작업은 수작업 작업에 의존하며, 이는 높은 위험, 높은 노동 집약, 높은 교육 비용이 특징입니다; 따라서 유통형 라이브 라인 작업 로봇 개발은 수작업 작업을 대체하는 필수 경로입니다. 하지만 작업 환경은 매우 비구조적이고 역동적이며, 복잡한 야외 조명과 예측 불가능한 바람 조건 같은 어려움이 있습니다. 기존 로봇은 주로 마스터-슬레이브 원격 조작 또는 완전 자율 모드를 사용하며, 이는 운영자에게 큰 정신적 부담을 주고, 오작동에 매우 취약하며, 환경 적응력이 제한적입니다.

이러한 문제를 해결하기 위해 본 연구는 인간-로봇 공유 제어를 기반으로 한 원격 조작식 라이브 라인 작업 로봇을 제시합니다. 최종 매니퓰레이터 궤적은 인간 조작자가 각각 제공하는 두 개의 기준 궤적과 로봇의 자동 계획 모듈이 각각 선형적으로 가중치를 부여한 조합으로 산출됩니다. 이 접근법은 로봇이 조작자에 대한 의존도를 줄이고, 운영자의 정신적 부담을 완화하며, 효율성을 높이고, 인간 조작자의 갑작스러운 조작 실패를 방지합니다. 마지막으로, 이 논문은 시스템 설계를 제시하고, 실제 라이브 라인 탭핑 작업에서의 적용을 통해 그 효과를 검증합니다.

서론

라이브 라인 작업은 고전압 장비의 점검, 시험 및 유지보수에 매우 중요한 방법입니다. 중국에서 라이브 라인 작업량이 빠르게 증가하고 있습니다. 산업 수요 관점에서 볼 때, 라이브 라인 작업 시 인력 안전 문제 해결은 장기적이고 어려운 과제입니다. 방법, 기술, 장비, 개념 등에서 혁신과 개선이 여전히 필요합니다.

배전선 작동 방식은 전력 배전 라이브 라인 유지보수에 사용되는 가장 일반적인 라이브 라인 작업 유형 중 하나입니다. 복잡한 조명 환경, 밀집된 장비 배치, 그리고 배전 전력선의 위상 간 및 위상 간 거리가 좁기 때문에, 이러한 작업은 주로 전통적인 수동 방법에 의존해 왔습니다. 그러나 이러한 전통적인 접근법은 높은 위험, 높은 노동 집약, 높은^{교육 비용 등의} 문제에 직면해 있습니다. 따라서 수작업 능력을 대체할 라이브 라인 작동 능력을 갖춘 로봇 개발은 미래 배전망 운영 및 유지보수의 불가피한 추세가 되었습니다.

1980년대 이후 일본과 미국과 같은 국가들이 이 분야에서 연구와 시험을 수행해 왔습니다( 그림 1에 나타난 바와 같이). 초기 시스템은 마스터-슬레이브 추적 원격 조작 로봇이었습니다. 예를 들어, 일본의 2단계 라이브 라인 작업 로봇² 는 이중 심도 전기 조작기 외에 3자유도(DOF) 보조 조작기를 플랫폼에 설치했습니다. 인간 조작자는 근거리에서 조작봉을 통해 조종했습니다.

미국 TOMCAT³ 모델은 작업 버킷 내에서 인간 조작자가 제어하는 유압 매니퓰레이터를 사용했습니다. 마찬가지로 중국 산둥 전력망⁴는 작업용 양동이 안에 서 있는 조작자가 제어하는 유압 매니퓰레이터를 채택했습니다. 더불어 마스터와 슬레이브 엔드 간 허용 거리를 늘리기 위해 스페인 ROBTET ^5,6은 원격 통신을 위해 광섬유 케이블을 사용하여 운영자가 지상에서 원격 조작을 수행할 수 있게 했습니다. 이러한 로봇 원격 조작 모드는 마스터-슬레이브 추적 모드로 요약할 수 있습니다. 자율 지능이 부족해 인력이 환경을 관찰하고 근거리에서 로봇을 제어해야 하며, 상당한 정신적 부담을 지녀, 고전압 위험 환경에서 인간을 대체하지 못합니다.

로봇 지능의 부족을 해결하기 위해 컴퓨터 비전, 궤적 계획, 인간-로봇 원격 상호작용과 같은 지능형 기술 연구가 필요하며, 로봇의 자율 능력을 강화해야 합니다.

배전 라이브 라인 작업에서는 탭핑 작업이 전체 작업 ^{부하의 약} 20%7을 차지합니다(배전선은 그림 2에 표시됨). 따라서 비전 센서를 사용해 전선과 그 벗겨진 부분(절연체가 제거된 부분)을 식별하고 위치를 파악하여 로봇을 안내하는 것이 매우 중요합니다. 2020년, 국가 그리드 루이차⁸은 원격 상호작용이 가능한 분산 라이브 라인 작업 로봇을 개발했으며, LiDAR와 쌍안경 카메라 정보를 융합하여 목표 인식 및 위치 파악을 수행했습니다. 또한, 형태학적 연산과 Hough 변환을 결합한 알고리즘이 전력선 추출을 용이하게 하기 위해 ^{사용됩니다.} 하우 변환은 전력선을 감지하는 데 사용되며, 이어서 2D 픽셀 데이터를 3D 공간 좌표¹¹로 변환하는 스테레오 비전 알고리즘이 사용됩니다. 후베이 전력연구소¹²는 색상-깊이 맵 융합을 기반으로 한 필터를 제안했습니다. 이 방법은 전력선 주변의 복잡한 배경을 필터링한 후, 이웃 내 픽셀 값 차이를 분석하여 명확한 전력선 윤곽을 추출합니다. 또한 중국과학기술대학교¹³은 딥러닝 기반의 전력선 인식 알고리즘을 제안하여 다중 전력선의 신속한 식별과 위치 파악을 달성했습니다.

컴퓨터 비전 알고리즘의 빠른 발전에도 불구하고, 야외 작업은 여전히 도전적입니다. 복잡한 조명 조건과 반사되는 전선 표면은 깊이 정보 손실을 초래하여 깊이 데이터에 크게 의존하는 방법에서 인식률이 낮고 위치 오차가 크다¹³. 동시에, 배전선에 존재하는 다양한 불규칙한 변형으로 인해 일련의 직선 검출 방법은 더 이상 적용되지 않으며, 이는 그림 3에 나타난 것입니다. 더불어, 고지대에서 바람 방향 변화는 선의 수직 이동을 유발하여 기존 오프라인 알고리즘의 결과에 센티미터 단위의 오차를 초래합니다.

특수작전 환경이라 불릴 수 있는 매우 위험하고 구조화되지 않으며 역동적인 환경에서는 로봇의 시야와 동적 의사결정 능력이 제한되어 복잡한 작업을 자율적으로 완수하기 어렵습니다.

따라서 인간의 지능형 의사결정 능력을 도입하고 이를 로봇의 고정밀 모션 컨트롤과 결합하는 것이 여전히 필요합니다. 앞서 언급한 초기 원격 운영 기술은 인간의 개입을 위한 통로를 제공했습니다. 이들을 빠르게 발전하는 원격 상호작용 및 원격 조작 기술과 결합함으로써, 지능형 원격 조작 배포 라이브 라인 작업 로봇에 관한 연구가 탄생했습니다.

중국과학기술대학교¹⁴ 는 마스터와 슬레이브 측 간의 점진적 위치 매핑을 구현하고, 로봇 장애물 회피를 위해 인공 퍼텐셜장(APF) 방법을 활용했습니다. 이후 입학 기반 원격 조작이 배포 라이브 라인 작업 로봇에 도입되었습니다. 마스터-슬레이브 추적을 기반으로 한 이 접근법은 로봇이 환경 접촉력 변화에 반응하여 동적으로 자세를 조정할 수 있게 합니다. 중국전자과학기술대학교¹⁵ 학과는 마스터 측에 가상 제약력을 도입하여 운영자의 원격 프레즌스 감각을 강화하였습니다. 또한, 매니토바^{대학교 16} 은 원격 조작 과정에서 조작자의 촉각 인식 몰입 경험을 강화하기 위해 일련의 가상 조명 장치를 설치했습니다.

하지만 앞서 언급한 원격 조작 로봇들은 여전히 여러 도전 과제에 직면해 있습니다. 슬레이브 측의 임무는 마스터의 운동 궤적을 추적하는 것으로, 이는 인간 조작자가 생성하는 기준 궤적에 매우 의존합니다. 짧은 작업 시간과 장애물 회피 등의 요구로 인해, 마스터 오퍼레이터에게 상당한 정신적 부담을 주어 장기 및 복잡한 운영 작업에 불리하게 작용합니다. 조작자는 부적절하거나 잘못된 행동을 하여 조작기의 실제 궤적에 갑작스러운 움직임을 일으킬 수 있습니다. 이로 인해 환경과의 충돌이나 위상 간 단락과 같은 안전 문제가 발생할 수 있습니다.

공유 제어는 인간과 로봇의 의사결정 능력을 효과적으로 결합한 방법입니다^17,18. 일반적으로 인간과 로봇이 동시에 원하는 궤적이나 궤적점을 생성하고, 선형 가중치 조합을 통해 새로운 공유 궤적을 계산해야 합니다. 이 접근법은 인간과 로봇의 의사결정 가중치를 수정하여 공유된 궤적의 선호도를 조절할 수 있게 합니다.

따라서 본 논문은 인간-로봇 공유 제어를 기반으로 한 원격 조작식 배포 라이브 라인 작업 로봇을 설계합니다. 주요 기여는 다음과 같습니다: 첫째, 원격 조작 중 인간 조작자의 기준 궤적 입력 빈도가 과도하게 발생하는 문제를 해결하기 위해 인간-로봇 공유 제어 방식을 연구합니다. 인간 조작자와 로봇에게 제어 가중치를 할당하고 기준 궤적에 선형 가중치를 부여한 결합을 수행함으로써, 시스템은 기준 궤적의 인간 조작자에 대한 의존도를 줄여 조작자의 부담을 완화합니다. 또한, 다양한 인간 조작자 무게의 영향은 배전 도청 작업의 현장 실험을 통해 검증되었습니다. 둘째, 마스터 궤적 내 위험 행동을 해결하기 위해, 조작기의 실제 궤적이 부드럽고 안전하도록 급작스러운 동작 감지 방법을 설계합니다. 셋째, 특수 운영 환경(라이브 라인 작업)에서 물리적 실험이 수행되어 공유 제어 알고리즘과 원격 운영 시스템의 효과를 검증합니다.

이 글의 나머지 부분에서는 먼저 원격 조작 로봇의 공유 제어 방식을 제시하고, 시스템 하드웨어와 설정을 소개하며, 마지막으로 실험실 실험과 현장 배치를 통해 10 kV 배전망에서 이 접근법을 검증합니다.

프로토콜

운영자가 참여한 모든 실험은 안전 지침에 따라 수행되었습니다. 원격조작 실험은 연구팀 소속인 세 명의 훈련된 조작자(모두 오른손잡이에 최소 1시간 이상의 훈련을 받은 사람)에 의해 수행되었습니다. 외부 인간 참여자는 없었으며, 이 연구는 기관 윤리 심사가 필요하지 않았습니다. 자원봉사자에게는 실험 절차에 대해 안내받았으며, 연구 기간 동안 개인적이거나 민감한 정보는 수집되지 않았습니다.

공유 제어 프레임워크

라이브 라인 작업 시나리오에서는 전선의 불규칙한 굽힘, 복잡한 야외 조명으로 인한 깊이 정보 손실, 전선의 무작위 이동 등이 매우 비구조적이고 역동적인 환경을 만듭니다. 이러한 요인들은 로봇이 환경 내에서 전력선을 정확히 인식하고 위치를 파악하기 어렵게 만듭니다. 따라서 전적으로 자율 로봇 조작에만 의존하면 과제 실패가 발생할 수 있었습니다.

완전 자율 로봇 운영의 제한된 적응성을 해결하기 위해, 인간 조작자는 원격 조작을 통해 로봇의 의사결정 과정에 개입하며, 인간의 경험을 활용해 로봇이 환경에 적응하도록 돕습니다. 더 나아가, 원격 조작 중 인간 조작자의 기준 궤적 입력 빈도가 과도하게 발생하는 문제를 해결하기 위해 인간-로봇 공유 제어 방식을 연구합니다. 이 방법은 실제 궤적의 인간 조작자에 대한 의존도를 줄여 조작자의 정신적 부담을 완화하고, 인간의 지능형 의사결정 능력과 로봇의 고정밀 제어 능력을 효과적으로 결합할 수 있게 합니다.

본 논문에서 제안한 공유 제어를 기반으로 한 원격 조작 배전 라이브 라인 작업 로봇의 구조는 그림 4에 나타난다. 여기서 x_h 는 원격 조작 장치가 출력하는 궤적점, r_h 는 인간 조작자가 제공하는 기준 궤적점(조작기의 데카르트 공간에 매핑됨), r_r 은 로봇이 자율적으로 계획한 보조 역할을 하는 기준 궤적점입니다. r 은 슬레이브 매니퓰레이터에 전송되는 통합 기준 궤적점(다음 텍스트에서는 공유 궤적이라고 부름), f_는 매니퓰레이터 끝의 힘 센서가 수집한 원시 데이터, f_e 는 중력 보상 후 도구 세트와 환경 간의 접촉력, x 는 매니퓰레이터의 현재 자세입니다.

원격 조작 배전 라이브 라인 작동 로봇은 마스터 쪽과 슬레이브 쪽 두 부분으로 나뉩니다. 마스터 쪽은 지상에 위치하며, 인간 조작자가 원격 조작 장치의 움직임을 제어합니다. 조작자의 손에 전달되는 장치에서 전달되는 힘 피드백과 비전 시스템에서 피드백을 받음으로써, 조작자는 몰입형 조작을 달성합니다. 슬레이브 쪽은 높은 높이에 위치한 로봇입니다. 마스터 측으로부터 포즈 x_h 를 받은 후, 로봇은 공간 매핑을 수행하여 r_h를 얻고, 수집된 시각 및 촉각 데이터를 마스터 측으로 다시 전송합니다.

실제 환경 내 접촉력, 목표물, 장애물에 대한 로봇과 조작자 간의 인식이 불완전하게 일치하기 때문에, 조작자는 r_h의 위험을 최소화하기 위해 강한 집중력을 유지해야 합니다. r의 r에 대한 의존도를 줄이고 장시간 작업 중 운영자의 정신적 부담을 덜기 위해, 로봇은 실제 오류를 포함한 지각 정보를 바탕으로 대략 최단 경로이자 안전한 보조 궤적 r_r을 자율적으로 계획해야 합니다. 이 r_r은 r _h에 선형 가중치를 부여하여 r을 얻고, 이는 조작기에 목표 자세로 명령됩니다.

모션 공간 매핑

이 증분 방법은 인간 연산자가 주어진 궤적 증가 Δx_h 를 계산하는 데 사용되었습니다:

Δx_h = x_h - x^′_h (1)
여기서 x^′_h 는 원격 조작 시작 지점의 자세입니다. 마스터 측과 슬레이브 측의 움직임 공간이 큰 차이가 있는 라이브 라인 작업 로봇의 경우, 점진적 매핑을 통해 조작자가 임의로 편리한 자세를 선택하여 텔레오퍼레이션 시작 자세로 설정할 수 있습니다.

궤적 증가 Δx_h 는 슬레이브 측 로봇의 데카르트 공간에 매핑되어 최종적으로 r_h 를 얻었다. 이 매핑에 대한 수학적 표현은 다음과 같습니다:

Δr_h = Δx_h * k, r_h = x^′ + Δr_h       (2)
여기서 k 는 선형 매핑 매개변수이고 x'는 원격 조작 시작 지점에서의 조작기의 자세입니다.

자율 경로 계획
자율 궤적 계획 과정은 선형 보간을 사용하여 현재 자세에서 목표 자세 P까지의 최단 궤적 r_r을 계산합니다. 계산 과정은 다음과 같습니다:

(3)

여기서 P 는 목표 지점을 비전 시스템에서 계산하며, 이 시스템은 쌍안경 카메라와 스테레오 레이저 LiDAR를 포함합니다. 마우스로 점들을 선택하고 좌표를 손-눈 보정 행렬을 사용해 변환하여 계산할 수 있습니다. N 은 보간 점의 개수이고, i 는 보간 점의 시퀀스 번호입니다. 복잡한 조명 조건에서 시각 시스템이 계산한 P 에는 오류가 포함되어 있어 r_r 이 독립적으로 작업을 완료하지 못한다는 점에 유의해야 합니다.

공유 제어 방법

r_h의 환경에 대한 적응성과 r_r의 효율성을 결합하기 위해서는 두 궤적을 통합하는 공유 제어기를 설계해야 합니다. 공유 컨트롤러는 고정된 매개변수 중재 가중치를 α 사용하며, 구현 과정은 다음과 같습니다:

r = (1 - α) * r_r + α * r_h (4)

갑작스러운 동작 동작 탐지 방법

원격 원격 조작 과정에서 조작자가 잘못된 행동을 할 수 있어 궤적이 급격히 바뀌고, 이는 환경과 충돌할 수도 있습니다. 슬레이브 측에서 매니퓰레이터의 안전하고 원활한 움직임을 보장하기 위해서는 마스터 측에서 이러한 과도한 원격 조작 동작을 감지하고 처리해야 합니다. 갑작스러운 행동 감지를 포함한 공유 제어 알고리즘 흐름은 그림 5에 나타난다.

원격 운영 시스템 구축

라이브 라인 근무 환경은 매우 비구조적이고 역동적인 특징입니다. 따라서 로봇은 자율적인 인지와 의사결정 능력만으로 작업을 수행할 수 없습니다; 인간의 지능이 반드시 보강되어야 합니다. 원격조작은 로봇의 궤적 계획 과정에 인간의 개입을 통합하는 효과적인 기법을 제시합니다. 이러한 시스템에서는 마스터 쪽이 지상에서 원격 조작 장치를 제어하는 운영자가 포함되고, 고도의 슬레이브 쪽은 여러 하위 시스템으로 구성됩니다.

이 연구는 배전망 운영을 위해 특별히 설계된 원격 조작 로봇 시스템 개발을 상세히 다루며, 라이브 라인 탭핑 작업을 수행하는 것을 목표로 합니다.

원격 조작 로봇 시스템 도입

원격 운영 시스템에는 지각 서브시스템, 제어 서브시스템, 매니퓰레이터 서브시스템, 공구 서브시스템, 절연 캐리어 서브시스템, 마스터 사이드 인간-로봇 상호작용 장치가 포함됩니다. 시스템 내 로봇이 탑재한 각 하위 시스템의 상세 사용법은 표 1에 표시되어 있으며, 하드웨어 시스템은 그림 6에 나와 있습니다.

지각 서브시스템: 서브시스템은 2D RGB 이미지와 공간 깊이 정보를 제공하여 로봇의 움직임을 안내하고 작동 안전을 보장합니다. 이를 위해 장거리 환경 모델링을 위한 레이저 LiDAR가 장착되어 있습니다; 근거리에서 고정밀 표적 인식 및 위치 파악을 위한 쌍안경 카메라; 전면적인 조작 시야를 제공하고 전체 과정 동안 조작자에게 피드백을 제공하는 팬-틸트-줌(PTZ) 모니터링 카메라입니다. 더 나아가, 외부 힘을 인지하고 인간 조작자에게 힘을 피드백하는 힘 센서가 통합되어 있어 로봇 끝과 환경 간 과도한 접촉력으로 인한 시스템 종료를 방지합니다.

조작기 하위 시스템: 작업의 주요 실행자로서 이 하위 시스템은 두 개의 조작기가 균일한 이중 팔 구성으로 구성됩니다.

제어 하위 시스템: 라이브 라인 작업 로봇의 핵심 하위 시스템으로서, 플랫폼의 계산, 제어 및 에너지 공급 센터 역할을 하며, 다른 모든 하위 시스템에 운영 명령을 전달하는 역할을 합니다. 접지 측과의 절연 및 안전 격리를 위해 전원 모듈은 고가 플랫폼에 독립적인 전원 공급장치를 사용합니다. 전원 및 구동 제어에 48V DC 전원을 사용하여 역전 손실을 줄이고 전력 시스템의 부피와 무게를 최소화합니다.

엔드 이펙터 하위 시스템: 특정 작업을 수행하기 위해 매니퓰레이터 끝에 특수 엔드이펙터(도구)가 장착되어 있습니다. 다양한 작업을 위해 표준 인터페이스를 갖춘 일련의 특수 도구가 개발되었습니다. 배전망 작업에는 스트리핑 도구와 크림핑 도구가 포함되며( 그림 7에 나타난 것처럼), 스트리핑 도구는 130 × 180 μm의 초점 스팟 크기를 가진 3개의 80 W, 450 nm 파장 레이저 발생기를 사용하며, 5V PWM으로 변조됩니다. 직경 18–24mm의 분배 케이블에서 120mm 구간을 스트립하는 평균 작동 시간은 주변 온도 조건에서 최대 출력으로 약 2분입니다. 크림핑 도구는 탭 도체 와이어를 클램프로 주 전선에 단단히 고정하여 전기적 연속성을 확보하는 역할을 합니다.

절연 캐리어 하위 시스템: 이 하위 시스템은 로봇을 고가 작업 위치로 이동시키는 데 사용됩니다. 일반적으로 크롤러 타입 또는 바퀴가 달린 단열 공중 작업 플랫폼(버킷 트럭이라고도 함)으로 구성됩니다. 전체 로봇 시스템의 통합 제어를 가능하게 하기 위해 디지털 제어 기능이 포함되어 있습니다( 그림 8에 표시됨).

마스터 측 인간-로봇 상호작용 하위 시스템: 작동 중 인간 조작자는 휴대용 태블릿, PC, 원격 조작 핸들 및 기타 컴퓨팅 장치를 통해 로봇 시스템에 명령을 내립니다. 이 장치들은 로봇에서 피드백된 시각 및 접촉력 등 센서 데이터를 재현하여 조작자가 로봇 상태를 실시간으로 모니터링하고, 조작자의 손 움직임을 조작기 끝까지 매핑할 수 있게 합니다. 서브시스템 간의 통신 연결은 그림 9에 나타났습니다.

원격 조작 장치

이 시스템에서 원격 조작을 위한 마스터 장치와 슬레이브 장치는 각각 햅틱 장치와 매니퓰레이터입니다. 각 파라미터에 대해 데나빗-하텐버그(DH) 매개변수가 소개될 것입니다.

그림 10A, B에 나타난 것처럼, 이들은 조작기의 링크 좌표계입니다. 매니퓰레이터의 여섯 개의 회전 조인트(L_{1, L 2},_{L 3}, L₄, L₅, L₆)에 대해, 오른손 규칙과 데나비트-하르텐버그(DH) 규칙에 따라 각 조인트에 좌표계가 설정됩니다.

그림 10B에서 x₁∼x₆, y₁∼y6, z₁∼z₆은 각각 각 관절의 좌표계의 x, y, z 축을 나타냅니다. 이러한 확립된 링크 프레임을 바탕으로 조작기의 순방향 운동학 모델을 만들 수 있습니다. DH 표기법은 네 가지 매개변수를 사용합니다: a_i, α_i, d_i, θ_i.

이 매개변수들은 다음과 같이 정의됩니다. _i는 i번째 막대의 z축을 x축을 따라 이동하는 거리를 나타냅니다. α_i: i번째 막대의 z축을 x축을 중심으로 (i+1)번째 막대의 z축까지 회전시키는 각도를 의미합니다; D_I: i번째 막대의 x축을 i번째 막대의 z축을 따라 x축으로 이동하는 거리를 나타냅니다;  θ_i: i번째 막대의 x축을 i번째 막대의 z축을 중심으로 회전하는 각도를 의미합니다.

운동학 모델은 DH 매개변수 방법을 사용하여 구축되며, 조작기의 DH 매개변수는 아래 표 2 에 나와 있습니다.

원격 조작 핸들은 마스터 매니퓰레이터로 사용되는 촉각 장치로, 관절이 직렬 체인으로 구성되어 있습니다. 관절 좌표좌계는 그림 10C에 나와 있습니다; 모델링 방법은 슬레이브 매니퓰레이터와 동일합니다.

실험 설계

현장 배치 전에 제안된 공유 제어 알고리즘을 정량적으로 검증하기 위해, 표준 PC에서 실행되는 Python 스크립트로 50Hz로 작동하는 6-DOF 조작자 원격 조작 플랫폼에서 두 차례 실험실 실험을 수행했습니다. 각 제어 사이클마다 스크립트는 마스터 측 포즈를 읽고 공유 궤적을 계산한 후 목표 데카르트 포즈를 조작기로 전송합니다. 연속된 명령 사이에 20ms의 고정된 간격이 적용되어 50Hz의 업데이트 속도를 얻는데, 이는 실험실 플랫폼과 동일합니다. 이 실험실 플랫폼은 원격 운영 시스템 구성에서 설명된 라이브 라인 작업 로봇과 동일한 제어 아키텍처와 공유 제어 알고리즘(방정식 4)을 공유하며, 다만 매니퓰레이터 운동학과 작업 공간 규모만 다릅니다. 모의 탭핑 작업을 사용합니다: 장애물(물병과 알루미늄 기둥)이 있을 때 조작자는 시작 위치 A에서 목표 위치 B까지 조작 종단 이펙터를 제어하며, 도청 동작을 모방합니다. 이는 그림 11에 나타난 방식입니다. 실험실 실험의 정확한 반복성을 보장하기 위해 물리적 장애물과 목표 지점은 슬레이브 매니퓰레이터의 기본 좌표계 내에 정확히 배치되었다. 작업 공간에는 두 가지 주요 장애물이 설치되었습니다: 바닥 중앙을 좌표(X = 55 cm, Y = 5 cm)에 배치한 플라스틱 물병(기본 크기: 8 cm × 8 cm, 높이: 25 cm), 그리고 바닥 중앙에 좌표(X = 35 cm)에 배치된 알루미늄 프로필(기본 치수: 2 cm × 2cm, 높이 > 50 cm)입니다. Y = -30 cm). 원격 조작 과제의 목표 종점은 좌표(X = 50 cm, Y = -17 cm, Z = 26 cm)로 설정되었습니다. 이후 검증된 알고리즘은 현장 시연을 위해 라이브 라인 작업 로봇에 배포됩니다.

실험 절차는 연속적이고 통합된 워크플로우를 통해 수행됩니다. 먼저, 시스템 초기화 과정에서 슬레이브 매니퓰레이터와 마스터 매니퓰레이터가 모두 전원이 켜지고, 제어 소프트웨어가 50Hz 주파수에서 안정적인 양자 통신을 검증하기 위해 실행됩니다. 원격 조작 시작 시 갑작스러운 제어 점프를 방지하기 위해, 능동 원격 조작 전에 마스터-슬레이브 정렬 단계가 수행됩니다. 이 단계에서 조작자는 마스터 매니퓰레이터의 최종 이펙터 데카르트 위치(마스터의 기본 프레임에 정의됨)가 슬레이브 매니퓰레이터의 현재 엔드 이펙터 데카르트 위치(슬레이브 기본 프레임에 정의됨)에서 30mm 이내로 도달할 때까지 수동으로 유도합니다. 이 직교 위치들은 각 조작기의 내장 제어 피드백에서 직접 얻으며, 제어 소프트웨어는 실시간으로 유클리드 거리를 모니터링합니다. 이 정렬이 성공하면 현재 슬레이브 위치가 시작 위치로 기록되며, A라는 위치로 표기됩니다. 그 후 목표물 지정은 조작자가 슬레이브 엔드 이펙터를 원하는 목표 위치로 수동으로 안내하여 데카르트 좌표(목표 위치 B)를 기록함으로써 수행됩니다. 자율 계획자는 시작 위치에서 위치 B까지 이어지는 선형 기준 궤적을 생성합니다. 이후 운영자는 공유 제어 원격 조작 작업을 시작합니다. 능동 실행 중에는 시스템이 20ms 제어 사이클로 작동하며, 마스터 위치를 입력으로 계속 읽고, 갑작스러운 조작자 행동을 감지하기 위해 온라인 검사를 수행하며, 공유 제어 궤적을 출력으로 계산(방정식 4에 명시됨), 슬레이브 매니퓰레이터에 대응 명령을 내립니다. 안전 조치로, 갑작스러운 움직임이 감지되면 슬레이브 매니퓰레이터는 즉시 멈춰 마지막 유효한 위치를 전용 위치-홀드 모드로 유지합니다; 이 상태에서 회복하여 공유 제어 원격 조작을 자동으로 재개하려면, 조작자는 마스터-슬레이브 엔드 이펙터 유클리드 거리가 20mm 회복 임계값 이하로 떨어질 때까지 마스터 매니퓰레이터를 수동으로 뒤로 이동시켜야 합니다. 마지막으로, 슬레이브 엔드 이펙터가 목표 위치 B에서 5mm 이내에 도달해 유지할 때 시험이 완료되고 성공으로 간주됩니다.

실험 1: 갑작스러운 동작 감지
이 실험은 실험실 플랫폼에서의 검출 메커니즘을 검증합니다. 50Hz 원격 조작 시에는 마스터 엔드 이펙터의 프레임당 변위를 모니터링합니다. D_th = 6 mm/frame(순간 속도 300 mm/s)를 초과하면 시스템은 FROZEN 상태에 들어갑니다: 슬레이브 매니퓰레이터는 추적을 중단하고 마지막 유효 구성을 유지합니다. 슬레이브는 조작자가 마스터를 얼어붙인 위치에서 20mm 이내로 되돌릴 때까지 멈춰 있습니다.

실험 2: 공유 대조군 성과 비교

세 가지 중재 가중치 α=0.3, α=0.8, α=1.0이 실험실 플랫폼에서 비교되며, 이는 보조 비디오 1, 보조 비디오 2, 보조 비디오 3에 문서화되어 있습니다. 총 45건의 실험 시험이 진행되었으며, 세 명의 운영자가 각각 세 가지 중재 조건 하에서 다섯 번의 반복을 수행했습니다. 시스템 성능은 세 가지 주요 평가 지표를 사용하여 평가되었습니다. 첫째, 완료 시간 T: 첫 번째 연산자 입력부터 슬레이브 엔드 이펙터가 목표 위치 B에 도달하는 총 시간; 시간이 짧을수록 운영 효율성이 높아집니다. 둘째, 궤적 효율 η=L_직선 /_{L 실제로}, 여기서 L_직선 은 시작 위치 A에서 목표 위치 B까지의 유클리드 거리이고, L_실제 는 시험 중 슬레이브 엔드 이펙터가 통과한 총 경로 길이입니다. η=1은 완벽하게 효율적이고 직접적인 경로를 나타냅니다; 값이 낮을수록 더 중복되고 우회가 많은 움직임이 있음을 나타냅니다. 셋째, 서브무브먼트 카운트: N_sub 는 서로 다른 움직임 세그먼트의 수를 나타내며, 이는 마스터 엔드 이펙터의 스무딩드 속도 프로필에서 제로 크로싱을 세어 계산됩니다; 숫자가 적을수록 조작자의 인지 부담이 줄어든 더 연속적이고 자신감 있는 조작임을 나타냅니다. 마지막으로, 세 가지 중재 조건에 걸친 통계적 유의성은 Kruskal-Wallis H-검정을 사용하여 평가하며, 사후 비교에는 쌍별 Mann-Whitney U-검정을 사용합니다.

실험 3: 현장 배치

실험실 검증 후, 공유 제어 알고리즘(α=0.3)과 갑작스러운 행동 감지가 원격 운영 시스템 구축에 설명된 라이브 라인 작업 로봇에 적용됩니다.

결과

갑작스러운 동작 감지
그림 12 는 두 번의 의도적인 갑작스러운 움직임을 포함하는 실험실 플랫폼에서의 대표성 임상시험의 시계열 분석을 보여줍니다.
두 가지 갑작스러운 움직임 모두 각각 1.81초와 5.72초에 감지되었으며(TPR = 100%), 정상 작동 13.2초 동안 거짓 양성은 0(FPR = 0%)로 나타났습니다. 정지 응답 시간: 1프레임(20ms), 컨트롤 루프 타이밍으로 측정.

공유 제어 성능
그림 13 은 실험실 플랫폼에서 45건의 시험(3명의 운영자 × 5번의 반복×3가지 조건)을 비교한 결과이며, 데이터 세부 사항은 표 3에 제공되어 있습니다.
결과는 적절한 공유 제어 무게가 원격 조작 성능을 크게 향상시킬 수 있음을 보여줍니다. 로봇 주도의 공유 제어(α=0.3) 하에서는 작업 완료 시간이 31.4% 감소했고, 하위 이동 수는 순수 원격조작(α=1.0)에 비해 37.9% 감소하여 조작자의 정신적 부담을 줄였습니다. 한편, 궤적 효율성은 57.8% 향상되어 로봇의 자율 궤적 계획이 중복된 경로를 효과적으로 제거하고 조작자를 보다 직접적이고 효율적인 움직임으로 안내함을 보여줍니다. 이러한 추세는 세 독립 운영자 모두에서 일관되었습니다.

라이브 라인 작업 로봇에서의 현장 배치
검증된 공유 제어 알고리즘(α = 0.3)과 갑작스러운 행동 감지가 적용되었으며, 6-DOF 산업용 매니퓰레이터가 장착된 라이브 라인 작업 로봇에 적용되었습니다. 로봇은 10 kV 배전망에서 라이브 라인 탭핑 작업을 성공적으로 완료하여 실험실에서 검증된 알고리즘이 실제 현장 시스템에 적용 가능함을 입증했습니다. 그림 14A 는 로봇이 높은 곳에서 라이브 라인 탭핑 작업을 수행하는 모습을, 그림 14B 는 지상국에서 원격 조작을 수행하는 조작자를 보여줍니다.

데이터 가용성:
이 연구 결과를 뒷받침하는 모든 원시 데이터는 https://github.com/huchenyu778797-lgtm/piper_shared_control/issues 및 보충 파일 1에서 공개되어 있습니다.

그림 1: 라이브 라인 유지보수를 위한 초기 텔레로보틱 시스템. (A) 일본에서 개발된 2상 로봇. (B) 미국에서 개발된 TOMCAT 시스템. 이 그림의 더 큰 버전을 보시려면 여기를 클릭해 주세요.

그림 2: 일반적인 10 kV 배전선. 외층은 절연 껍질이고, 내층은 금속입니다. 이 그림의 더 큰 버전을 보시려면 여기를 클릭해 주세요.

그림 3: 야외 환경에서의 시각적 도전. 이미지는 케이블의 불규칙한 굽힘과 복잡한 조명으로 인한 깊이 정보 손실을 강조합니다. 이 그림의 더 큰 버전을 보시려면 여기를 클릭해 주세요.

그림 4: 공유 제어 시스템의 구조. 이 도표는 마스터 측의 인간 조작자 입력과 슬레이브 측의 로봇 자율 계획이 융합된 궤적을 생성하는 과정을 보여줍니다. 이 그림의 더 큰 버전을 보시려면 여기를 클릭해 주세요.

그림 5: 공유 제어 알고리즘의 흐름도. 이 과정에는 데이터 수집, 갑작스러운 작전 탐지, 공유 제어 기반의 궤적 융합, 최종 모션 명령 실행이 포함됩니다. 이 그림의 더 큰 버전을 보시려면 여기를 클릭해 주세요.

그림 6: 원격 운용 배전 라이브 라인 작업 로봇 시스템. (A) 현장에 배치된 전체 시스템 개요. (B) 로봇 시스템의 상세 하드웨어 설계 및 부품 배치. 이 그림의 더 큰 버전을 보시려면 여기를 클릭해 주세요.

그림 7: 라이브 라인 탭핑 작업의 주요 단계. (A) 외부 절연층의 레이저 소작. (B) 절연층을 제거하여 금속 코어를 노출시키는 것. (C) 탭 도체선을 클램프로 메인 전력선에 고정하는 것. 이 그림의 더 큰 버전을 보시려면 여기를 클릭해 주세요.

그림 8: 현장 배치 준비. 절연된 버킷 트럭이 슬레이브 매니퓰레이터를 고전압 라인 근처의 고가 작업 위치로 운반합니다. 이 그림의 더 큰 버전을 보시려면 여기를 클릭해 주세요.

그림 9: 통신 아키텍처. 도식은 마스터 제어 스테이션과 원격 슬레이브 매니퓰레이터 간의 데이터 전송 경로를 보여주어 저지연 원격 조작을 보장합니다. 이 그림의 더 큰 버전을 보시려면 여기를 클릭해 주세요.

그림 10: 조작기의 운동학적 모델링. (A) 슬레이브 조작기를 위해 설정된 공동 좌표계. (B) 노예 조작자의 관절 프레임 상세 모습. (C) 마스터 매니퓰레이터의 공동 좌표계. 이 그림의 더 큰 버전을 보시려면 여기를 클릭해 주세요.

그림 11: 실험실 실험 환경. (A) 마스터 매니퓰레이터와 슬레이브 매니퓰레이터가 테스트에 사용됩니다. (B) 물리적 장애물과 목표 지점이 있는 시뮬레이션 탭핑 작업 환경. 이 그림의 더 큰 버전을 보시려면 여기를 클릭해 주세요.

그림 12: 실험실 원격 조작 플랫폼에서의 갑작스러운 행동 감지의 시계열 분석. (상단) X, Y, Z의 마스터(파란색)와 슬레이브(빨간색) 위치. 빨간색 음영 = 고정된 구간. (중간) 주인-종 거리(주황색); 초록색 점선 = 20 mm 재개 임계값. (아래) 프레임당 변위(보라색); 빨간 선 = D_th = 6 mm; 빨간 점 = 초과 프레임. 매개변수: 50 Hz, D_th = 6 mm/프레임. 이 그림의 더 큰 버전을 보시려면 여기를 클릭해 주세요.

그림 13: 세 가지 조건에서 실험실 원격 조작 플랫폼에서의 공유 제어 성능 비교. Bars = 평균; 오차 바 = ±1 SD. 빨간 상자 = 크루스칼-월리스 p-값. 괄호 = Mann-Whitney U 쌍별 p-값. 45회의 시험(3명의 오퍼레이터× 5회 반복× 3가지 조건). (A) 완료 시간. (b) 궤도 효율성. (C) 하위 움직임. 이 그림의 더 큰 버전을 보시려면 여기를 클릭해 주세요.

그림 14: 공유 제어 시스템의 현장 적용. (A) 슬레이브 매니퓰레이터가 라이브 배전선에서 작동하고 있습니다. (B) 제안된 공유 제어 방법을 사용하여 노출된 금속 부품을 클램프에 성공적으로 삽입하는 것. 이 그림의 더 큰 버전을 보시려면 여기를 클릭해 주세요.

하위 시스템	주요 구성 요소	주요 기능	특징
조작자 하위 시스템	싱글/듀얼 매니퓰레이터	다중 심도 모션 달성	탑재량이 많고, 가볍고, 작업 공간이 넓습니다
	매니퓰레이터 드라이버 시스템	직류 전력으로 조인트 모터를 구동하여 매뉴퓰레이터 움직임을 달성합니다	DC 입력, 높은 구동 효율
제어 하위 시스템	산업용 컴퓨터	데이터 계산, 모듈 간 통신	높은 신뢰성, 강력한 컴퓨팅 파워, 대용량 저장 용량
	통신 모듈	원격 제어 및 모니터링 구현	안정성, 신뢰성, 전자기 적합성(EMC) 요구사항을 충족
	전원 공급 모듈	로봇 플랫폼 전체에 전력을 공급합니다	시스템 안정 작동 6+시간 달성
지각 하위 시스템	쌍안경 시각 모듈	소규모, 고정밀 포인트 클라우드 획득	위치 정확도 > 1%, 작동 거리 2m >
	LiDAR 모듈	대규모 포인트 클라우드 스캐닝	작동 범위> 10m, 재구성 각도 > 25°, 점군 밀도 > 30만 점
	힘 감지 모듈	6축 힘 정보 획득	포스 피드백 주파수> 10Hz, 포스 피드백 정확도가 1N보다 더 좋습니다
도구 하위 시스템	드라이아이스 클리닝 모듈	드라이아이스 클리닝 기능을 구현함	가볍고, 절연체 청소 요구사항을 충족하며, EMC 보호 기능이 필요합니다
	제로 값 검출 모듈	고전압 펄스 제로값 검출을 구현합니다	출력 펄스 전압 0-60kV, EMC 보호 요건을 충족함
	볼트 장착/풀기 모듈	볼트 고정/풀기 기능 구현	가볍고 토크 요구사항을 충족하며, EMC 보호 기능이 필요합니다
	레이저 필링 모듈	배전선 외부 절연 외피 벗기는 구현	비접촉식, 전선 금속 부분에 손상이 없고, 반도체 차폐층을 효과적으로 벗길 수 있습니다
	기타 직렬화된 기능 모듈	와이어 접합/절단, 새 퇴치 장치 설치, 고장 표시기 설치, 나무 가지치기, 단열 수리, 과전압 보호기 설치, 순찰 작업	모듈식, 경량, EMC 보호 및 관련 기능 요구사항을 충족합니다
버킷 트럭 하위 시스템	절연 리프팅 및 장착 장치	등전위 작업 플랫폼에 대한 절연 지원을 제공하며 원격 디지털 제어를 가능하게 합니다	높은 EMC 수준을 갖추고 있으며, 250kg 이상의 부하를 견딜 수 있는 끝부분, 강한 전자기 간섭 저항성, 220kV 전압에서 아크 간섭 하에서 원격 제어 기능이 가능함
	지능형 캐리어	로봇의 지상 이동성을 달성합니다	작고 가벼워서 좁은 라이브 라인 작업 현장과 복잡한 지형에 적합합니다
마스터 사이드 서브시스템	운영자-로봇 원격 상호작용 플랫폼	로봇 플랫폼에 원격 원격 조작이 가능해. 내구성, 무게 및 기타 사용 편의성 요구를 충족합니다	작고 가벼워서 라이브 라인 작업 현장에 적합합니다

표 1: 서브시스템 사양. 라이브 라인 작동 로봇을 구성하는 다양한 하위 시스템의 상세 기능.

UR10
관절	쎄타 [방사선]	a[m]	D[m]	알파 [RAD]
관절 1	0	0	0.1273	π/2
관절 2	0	-0.612	0	0
관절 3	0	-0.5723	0	0
조인트 4	0	0	0.163941	π/2
조인트 5	0	0	0.1157	-π/2
조인트 6	0	0	0.0922	0

표 2: 조작기의 DH 매개변수. 슬레이브 매니퓰레이터의 관절 좌표계를 모델링하는 데 사용된 운동학적 매개변수입니다.

미터법	α=0.3	α=0.8	α=1.0	p 값
T	5.9±1.6	8.2±4.0	8.6±2.2	0.0061
η	0.789±0.074	0.557±0.081	0.5±0.081	<0.0001
N_sub	5.9±2.1	9.0±4.1	9.5±2.9	0.0035

표 3: 데이터 세부사항.세 가지 중재 가중치(α = 0.3, 0.8, 1.0)에 걸친 공유 통제 성과의 정량적 비교. 45건의 시험 데이터(3명의 운영자 × 5번의 반복× 3가지 조건). 지표: 작업 완료 시간 T (s), 궤적 효율성 η, 그리고 하위 이동 수 N_sub. 평균 ± 표준편차로 보고된 값들.

보조 영상 1: α = 0.3인 공유 제어 원격 조작 . 이 영상은 로봇 주도의 공유 제어 조건에서 시뮬레이션된 탭핑 과제를 위한 실험실 실험 절차를 시연합니다. 이는 로봇이 대부분의 경로 계획을 맡을 때 달성되는 높은 궤적 효율성과 조작자의 하위 움직임 감소를 보여줍니다. 이 파일을 다운로드하려면 여기를 클릭해 주세요.

보조 영상 2: α = 0.8 의 공유 제어 원격 조작. 이 영상은 인간 주도 공유 통제 조건 하에서 실험실 실험 절차를 시연합니다. 인간의 입력이 로봇 자율 계획보다 훨씬 많기 때문에, 이 작업은 시각적으로 순수 원격조작과 유사하며, 이는 기준선에 비해 효율성과 완료 시간 면에서 유의미한 양적 향상이 부족한 점과 상관관계가 있습니다. 이 파일을 다운로드하려면 여기를 클릭해 주세요.

보조 영상 3: 마스터-슬레이브 추적 원격 작전 기준선 α = 1.0 . 이 영상은 자율 보조 없이 전통적인 추적 원격 조작을 이용한 기본 실험 절차를 시연합니다. 이는 상대적으로 더 많은 작업 완료 시간과 조작자가 요구하는 수동 하위 이동을 강조하며, 궤적 효율성을 저하시킵니다. 이 파일을 다운로드하려면 여기를 클릭해 주세요.

토론

이 연구는 인간-로봇 공유 제어를 기반으로 한 원격 조작식 라이브 라인 작업 로봇 시스템을 제안합니다. 동적 야외 조명과 비구조화된 배경에 어려움을 겪는 완전 자율 시스템(¹²), 그리고 운영자에게 높은 인지적·신체적 부담을 주는 전통적인 마스터-슬레이브 추적 원격 조작(^{14, 15, 16})과 달리, 우리의 접근법은 인간의 의도와 로봇 자율 계획을 융합합니다. 또한, 이 연구는 작전 안전을 보장하기 위해 갑작스러운 움직임 감지 알고리즘을 제안하여 잠재적 조작 실수를 해결합니다. 이 연구는 고전압 유지보수를 위한 공유 제어의 현장 검증된 통합을 제공함으로써, 극한 환경에서 물리적 인간-로봇 상호작용(pHRI) 분야를 발전시키며, 이론적 공유 제어 프레임^{워크 17,18}과 실제 산업 응용 간의 간극을 메우고 있습니다.

실험실 실험에 따르면, 적절한 공유 제어 무게는 작업자의 작업 완료 시간과 수동 제어 노력(하위 이동 감소)을 크게 줄이면서 궤도 효율성을 향상시킬 수 있음을 보여줍니다. 구체적으로, 로봇 주도적 공유 제어(α = 0.3) 하에서는 완료 시간이 31.4% 감소했고, 궤적 효율은 57.8% 향상되었으며, 하위 이동 수는 추적 원격조작에 비해 37.9% 감소했습니다. 더불어, 갑작스러운 움직임 감지 메커니즘은 20ms 응답 시간에 100% 진양성률을 달성했습니다. 제안된 방법은 위험한 운영과 관련된 피로를 객관적으로 완화함으로써 전력망 유지보수를 현대화하는 데 매우 중요합니다. 전력 분배망을 넘어, 이 공유 제어 프레임워크는 화재 구조나 지질 탐사를 위해 배치되는 로봇과 같이 구조가 매우 비정확하고 위험한 환경에서 작동하는 다른 특수 목적 로봇 공학에도 잠재적 응용을 가지고 있습니다. 이때 인간의 인지 적응력과 로봇의 정밀함이 결합되어야 합니다.

이 결과들은 통제된 시나리오에서 실현 가능성을 보여주지만, 제한점은 단일 작업 유형(탭핑)과 다양한 조작자 경험에 미치는 영향에 대한 분석이 부족하다는 점입니다. 다양한 작업, 운영자, 환경 조건에 대한 추가 검증이 필요합니다. 향후 작업은 적응적 α 조정과 확대된 현장 시험에 집중할 것이며, 이 시험에서는 현재 데카르트 위치 위험에 따라 α이 갱신되고, 위험을 계산하기 위한 위험 필드 구축에 집중할 것입니다.

성공적인 시연에도 불구하고, 이 연구에는 몇 가지 한계가 있습니다. 첫째, 실험적 검증은 주로 단일 작업 유형(라이브 라인 탭핑)에 집중되었습니다. 둘째, 공유 통제 가중치가 각 작업 전에 고정되어 있어 변화하는 불확실성에 대한 실시간 적응성이 부족했습니다. 마지막으로, 연구는 제한된 수의 훈련된 운영자를 평가했으며, 조작자 경험 수준에 따른 영향은 분석하지 않았습니다. 향후 방향은 실시간 작업 상황과 운영^{자 상태에} 따라 중재 가중치를 동적으로 조정하는 적응형 공유 통제 프레임워크 개발에 중점을 둘 것입니다. 또한, 다양한 유지보수 과제, 다양한 운영자의 경험, 다양한 기상 조건을 아우르는 확대된 현장 시험을 진행하여 시스템의 견고성을 더욱 검증할 계획입니다.

재료

이 논문에 사용된 재료 목록

이름	회사	카탈로그 번호	댓글
Hikvision DS-2DC2D20IW-DE3	Hikvision	https://www.hikvision.com/cn/products/pdplist/161056/	팬-틸트-줌 (PTZ) 모니터링 카메라
KUNWEI KWR75	KUNWEItech	https://www.kunweitech.com/products/866.html	힘 센서
LivoxAVIA	Livox(DJI)	https://www.livoxtech.com/cn/avia	레이저 LiDAR
Piper	AGILEX	https://www.agilex.ai/page/690abe7b5e78cfa260412c92?mi=1&rn=PIPER+%E6%A0%87%E5%87%86%E7%89%88	실험실 플랫폼에서 실험 검증을 위한 마스터/슬레이브 매니퓰레이터
Python	Python Software Foundation	https://www.python.org/	프로그래밍 언어
RealSenseD435	Intel	https://store.realsenseai.com/buy-intel-realsense-depth-camera-d435.html	이안 카메라
Touch	3D Systems	https://cn.3dsystems.com/haptics-devices/touch	햅틱 장치
Ubuntu 24.04	Canonical Ubuntu	https://ubuntu.cn/	운영 체제
UR10	Universal Robots	https://www.universal-robots.cn/	라이브 라인 작업 로봇의 매니퓰레이터