simulator 환경 도입

목적

• 로봇 sensor의 extrinsic 기반, depth image -> Point cloud로 전환하는 로직 테스트
• human bounding box 기반, human info local map 만들기
• 로봇 n대가 돌아다니면서, 정적 장애물을 표시하는 2.5d global map 만들기

필요 요소들

• agent spec 모듈 개발
  • output
    • 어떤 센서를 설치할 것인가?
• local planner 모듈 개발
  • input
    • 경로
    • 센서 데이터
  • output
    • v, w
  • 필요한 로직 (최대한 심플하게)
    • dwa planner
• agent spawner 개발
• map generator 개발

map generator

• input
  • 없음
• output
  • 맵의 크기와 장애물 위치
• 알고리즘

agent spec

• input
  • 없음
• output
  • 센서 종류 및 위치

task generator

• 향후 다시 설계해야할 수 있음
  • Multi agent Path Finding로 대체될 수도 있음
  • task를 인당 1개씩 줄 수도 있고, task를 n마리에게 1개 줄 수도 있음
• 그러므로, 매우 심플하게 만들자.
  • 목적지를 random하게 주는 task generator로 만들기
• input
  • 로봇 대수
  • 지도 정보
• output
  • 각 로봇의 목적지
• 알고리즘
  • 지도 정보에서, 로봇의 목적지를 random sampling
• 프로세스화

agent spawner

• input
  • 로봇 대수
  • 지도 정보
• output
  • 각 로봇의 목적지
• 알고리즘
  • 지도 정보에서, 로봇의 위치를 random sampling
  • 프로세스화 할 필요가 없다.

simulator

• pybullet 시뮬레이터 노드
  • 로봇에 RGBD sensor을 붙여서, 움직이게 하기.
  • reset 시
    • input
      • agents 위치
        • agent spawner
      • agents의 센서 배치
        • agent spec
      • map과 장애물의 위치
        • map generator
    • output
      • 없음
  • step 시,
    • input
      • v, w
        • local planner
    • output
      • 센서 데이터
      • 로봇 위치