자율주행 자동차나 로봇이 스스로 주행하기 위해 가장 먼저 풀어야 할 숙제는 “내가 지금 맵 어디에 있는가” 를 아는 것입니다. 하지만 현실 세계의 센서는 해상도 한계와 노이즈가 있고, 모터나 구동축 역시 마모·제어 노이즈 때문에 완벽하게 움직이지 못합니다. 이 글에서는 이러한 로봇의 본질적인 불확실성을 다루기 위해 선택한 파티클 필터(Particle...

The first problem an autonomous car or robot must solve to drive on its own is knowing “where am I on the map right now.” But real-world sensors have resolution limits and noise, and motors and dri...

로봇을 개발할 때 가장 먼저 마주치는 문제 중 하나가 센서 좌표계 설정입니다. LiDAR, IMU, 카메라의 데이터를 융합하려면 각 센서가 로봇의 어디에, 어떤 방향으로 장착되어 있는지를 시스템에 정확히 알려줘야 합니다. 이 글에서는 RoboRacer 플랫폼에서 ROS의 TF(Transform) 시스템으로 센서 좌표계를 설정하는 방법을 다룹니다. T...

One of the first problems you hit when developing a robot is setting up sensor coordinate frames. To fuse LiDAR, IMU, and camera data, you must tell the system exactly where and in what orientation...

Mapping을 위한 SLAM 알고리즘에는 GMapping, Hector SLAM, Karto SLAM 등 다양한 선택지가 있습니다. UNICORN Racing 팀은 그중에서도 Google이 개발한 Cartographer 를 메인으로 사용하는데, 다른 알고리즘 대비 안정성과 성능이 뛰어나기 때문입니다. Mapping에 사용할 수 있는 데이...

There are many SLAM algorithms for mapping — GMapping, Hector SLAM, Karto SLAM, and more. Among them, the UNICORN Racing team uses Google’s Cartographer as our main choice, because it offers better...

들어가며 — 우리가 풀려는 문제 자율주행 레이싱에서 내 차(ego)는 트랙 위를 달리면서 “내 앞에 다른 물체(상대 차)가 있는가? 있다면 어디에, 얼마나 빠르게 움직이는가?” 를 실시간으로 알아야 합니다. 그래야 추월할지, 따라갈지, 피할지를 판단할 수 있습니다. 이걸 담당하는 게 인지(perception) 이고, 두 단계로 나뉩니다. D...

Intro — The Problem We’re Solving In autonomous racing, while my car (ego) drives the track it must know, in real time, “is there another object (an opponent car) ahead of me? If so, where, and ho...

자율주행 레이싱에서 가장 기초적이면서도 동시에 가장 까다로운 영역인 Localization(자기 위치 추정) 을 알아봅니다. 내 차가 트랙 위 어디에 있는지를 아는 것 — 이 하나가 뒤따르는 인지·계획·제어 전부의 출발점입니다. 왜 Localization이 그토록 중요한가 레이싱 스택의 거의 모든 모듈은 “내가 지금 트랙 위 어디에 있는가”를 암묵...

Let’s look at Localization (self-position estimation) — the most fundamental yet also the trickiest area in autonomous racing. Knowing where your car is on the track is the single starting point fo...