최근 일반 산업에서뿐만 기초 산업 분야는 물론이고 농업환경에까지 작업 및 공정을 자동화, 무인화, 로봇화하려는 연구와 시도가 증가하는 추세이다. 본 논문의 연구 목적은 지능형 농업로봇의 핵심인 자율주행의 상황판단 시스템을 개발 함에 있어 알고리즘의 성능을 높일 수 있는 효과적인 방법을 제시하려는 데 있다. 연구의 결과물로 지능형 로봇개발의 이론적 기틀 마련에 이바지하려 한다. 본 논문 연구의 중요성은 지능형 로봇의 자율주행을 위해 디지털 트윈 환경에서 인공 지능 기반의 상황 인식시스템을 개발하는 효율적인 방법론을 제안하기 위해 다음과 같은 연구를 진행하였다.
첫째, 2D기반의 지형 이미지를 활용하여 직선과 오브젝트를 검출하여 어노테이션하는 방식으로 인공지능 학습용 데이터를 구축하였다.
둘째, 인공지능 학습모델을 통해 지형의 형태를 추론하였다. 다중계층(여러 개의 오브젝트 인식)에 적합한 R-CNN 학습모델을 적용하였고 결괏값을 재학습 시키는 방식으로 알고리즘의 성능을 개선하였다.
셋째, 실험에 요구되는 학습데이터 구축을 빠르게 하고 학습모델의 성능을 검증하기 위해 Unity 3D game engine으로 애플리케이션을 만들어 디지털 트윈 환경을 구축하였다. 애플리케이션에서는 학습모델을 통해 추론한 결괏값으로 상황판단을 할 수 있는 알고리즘을 만들었고 알고리즘의 성능을 높이기 위해 인공지능학습용 데이터의 재학습 효과를 구체적으로 제시하여 그 실효성을 검증하였다. 학습 서버와 애플리케이션의 상호작용을 위한 통신 방법은 TCP/IP 기반의 웹소켓 방식을 제안하였다.
본 논문 연구의 주요 결과를 통한 시사점으로는 먼저, 2족 보행 로봇의 자율주행 상황판단 알고리즘의 성능을 높이기 위해 제안한 인공지능 학습용 데이터 구축 방법에 대한 실효성을 검증하였다. 그다음으로는, 지형 인식을 위해서 지리정보시스템 등의 대규모 데이터를 활용하거나, 복잡한 공정이 요구되는 정밀한 센서를 이용하지 않고 2D지형 이미지만을 가지고 지형을 추론할 수 있다는 이론적 근거를 마련하였다. 마지막으로는, 지능형 로봇의 물리적인 성능테스트가 필요한 실험을 디지털 트윈 기반 환경에서의 실험이 효과적이라는 사실을 확인하고 구체적인 방법을 제시하여 향후 관련 연구의 기초를 마련하였다는 점에 의의를 둔다.