사과 수확·분류 로봇
프로젝트 보기사과 인식부터 로봇팔 구동과 무게 분류까지 연결한 Edge 로봇
2023.07–2024.07 · 학부 졸업작품(팀) · 담당: 제어·HW/SW 통합
YOLOv5 · RealSense D415 · 제어 주기
Robotics · Perception to Control
감지한 장면을,
로봇의 다음 동작으로 연결합니다.
사과 수확·분류 Edge AI 로봇과 로봇팔 강화학습 오케스트레이션에서 인식·제어·실험의 경계를 다르게 설계한 과정을 보여줍니다.
로봇팔 강화학습
프로젝트 보기MuJoCo 학습·평가와 checkpoint 검토를 묶은 강화학습 실험 체계
개인 프로젝트 · RARL·RobotRF · 실험 설계·오케스트레이션
MuJoCo · SAC · HER
01 / Troubleshooting · Edge pipeline
사과 수확·분류 Edge AI 로봇
카메라로 사과 위치를 찾고 로봇팔 수확과 Load Cell 분류로 잇는 임베디드 Edge AI 시스템
- 기간
- 2023.07–2024.07
- 형태
- 학부 졸업작품(팀)
- 역할
- 제어 알고리즘·SW/HW 통합
사용 맥락
농촌의 고령화와 인력난에 대응하려고 과수원에서 사과를 인식하고 수확부터 분류까지 자동화하는 Edge AI 로봇을 만들었습니다.
동작 흐름
카메라가 사과 위치를 찾으면 로봇팔이 움직이고, 마지막에 무게를 재어 분류 결과를 냅니다.
전개 · 핵심 판단
목표점에서 멈추지 못했습니다. HW·SW를 따로 손봐도 진동과 오버슈트가 남았습니다.
문제가 보인 곳
목표점 직전의 오버슈트와 진동
- 증상
- 관절 명령이 목표 좌표를 지나쳤습니다.
- 확인
- 기구부 보강·모터 교체는 안정성을 조금 높였지만 비용과 시간이 늘었고, 속도만 낮추면 수확 시간이 길어졌습니다.
- 판단
- 원인을 인식·제어·구동 사이의 상호작용으로 다시 나눴습니다.
시스템 관점에서 바꾼 세 지점
접근·주기·경계를 한 흐름으로 묶었습니다.
- 접근 속도목표점에 가까워질수록 관절 속도를 낮추는 Jacobian 기반 속도 제어
- 신호 주기Raspberry Pi–Arduino–Dynamixel 제어 주기 정렬, 루프 지연 축소
- 모듈 경계RealSense·YOLOv5 좌표가 IK/Jacobian·Dynamixel·Load Cell로 이어지는 경계 통합
- YOLOv5
- RealSense D415
- Raspberry Pi
- Arduino
- Dynamixel
- Load Cell
- UART
02 / Operations design · RL orchestration
로봇팔 강화학습 오케스트레이션
MuJoCo FetchSideBinPlace-v0 로봇팔 학습을 짧은 실행·checkpoint·검토 단위로 관리하는 실험 하네스
- 형태
- 개인 프로젝트
- 역할
- 동작·실패 조건·오케스트레이션 설계
사용 맥락
로봇팔 제어, 강화학습, AI 활용을 하네스와 반복 루프로 연결해 관심 있던 세 분야를 확장해 본 개인 프로젝트입니다.
동작 흐름
하나의 긴 학습을 돌리는 대신, 조건을 고정한 짧은 실행·checkpoint·검토 단위로 다음 실험을 결정합니다.
전개 · 핵심 판단
보상 설계와 epoch별 감시를 반복하는 대신, 역할을 분리하고 checkpoint에서 다음 실험을 고르는 자동화 루프를 설계했습니다.
운영에서 막힌 지점
반복 감시와 자기평가를 구조에서 분리했습니다.
- 반복
- 보상 실험과 학습 상태를 사람이 매 epoch마다 확인해야 했습니다.
- 위험
- 설계·구현·검증이 한 에이전트에 모이면 생성과 자기평가가 겹칩니다.
- 전환
- 생성과 검증을 분리하고 checkpoint 판단을 자동화 루프로 연결했습니다.
- MuJoCo
- FetchSideBinPlace
- SAC
- HER
- Stable-Baselines3
- Python
- R30O
- TensorBoard