UniflexAI/tinynav

TinyNav: A lightweight, hackable system to guide your robots anywhere.

TinyNav — 경량 로봇 내비게이션 시스템

TinyNav는 로봇이 자신의 위치와 목적지에 도달하는 방법을 이해하도록 돕는 오픈소스 프로젝트입니다. README에서는 "로봇을 어디든 안내하는 경량의 해킹 가능한 시스템"으로 설명합니다. Uniflex AI라는 그룹이 유지 관리합니다.

기능

TinyNav는 로봇에 맵 기반 내비게이션을 제공합니다: 로봇은 주변 환경의 맵을 구축하고, 해당 맵 내에서 자신의 위치를 파악하며(재로컬라이제이션), 목적지까지의 경로를 계획합니다. 시스템은 전체 파이프라인을 처리합니다:

  • 인식 — 센서 데이터(카메라, IMU)를 처리하여 환경 이해
  • 매핑 — 맵 구축 및 업데이트
  • 계획 — 경로 및 궤적 계산
  • 제어 — 로봇 모터에 명령 전송

지원 하드웨어

README에는 초기 초점으로 두 로봇 플랫폼이 나열되어 있습니다:

  • Unitree GO2 — 4족 보행 로봇(네 다리)
  • LeKiwi — 바퀴 달린 로봇

또한 두 가지 카메라 유형을 지원합니다:

  • Intel RealSense — 일반적인 깊이 카메라
  • Looper — 깊이 감지와 시각-관성 오도메트리(VIO)가 내장된 최신 카메라로, 로봇의 움직임 추적에 도움

컴퓨팅 하드웨어의 경우 Jetson Orin(NVIDIA의 임베디드 AI 플랫폼) 및 데스크톱 PC에서 실행되며, RK3588과 같은 저렴한 플랫폼을 지원할 계획입니다.

설계 목표

프로젝트에는 네 가지 목표가 있습니다:

  1. 작음 — 핵심 코드가 컴팩트(약 2,000줄)하여 이해하고 수정하기 쉽습니다.
  2. 견고함 — 다양한 장면과 실제 조건에서 안정적으로 작동하도록 설계되었습니다.
  3. 다중 로봇 플랫폼 — 다양한 로봇 유형에 대한 "즉시 사용 가능한" 지원을 목표로 합니다.
  4. 다중 칩 플랫폼 — 더 넓은 접근성을 위해 다양한 컴퓨팅 하드웨어를 지원합니다.

주요 기능(버전 기록에서)

v0.1(초기 릴리스):

  • 재로컬라이제이션 및 전역 계획을 갖춘 맵 기반 내비게이션
  • Unitree 및 LeKiwi 로봇 지원
  • 업그레이드된 스테레오 깊이 모델
  • 로봇 공학용으로 조정된 RealSense 노출
  • Gazebo 시뮬레이션 환경
  • Docker 이미지 빌드 파이프라인

v0.2 추가:

  • 3D 가우시안 스플래팅(3DGS) 맵 표현 — 고품질 시각화와 직관적인 편집기를 갖춘 맵 표현 방식
  • ESDF 기반 장애물 회피 — 로봇이 장애물을 피할 뿐만 아니라 안전 거리를 유지
  • 로컬라이제이션 벤치마크 — 개선 사항을 측정하는 표준 테스트
  • CUDA 그래프 최적화 — Jetson Nano에서 20Hz 이상으로 실행되어 지연 시간 감소
  • 맵은 키-값 데이터베이스(shelve)를 사용하여 저장되어 성능 향상
  • 50개 이상의 풀 리퀘스트 병합

v0.3 추가:

  • IMU-비주얼 융합 — 관성 측정 데이터와 카메라 데이터를 결합하여 피치 각도 정확도 향상
  • 탄력적인 매핑 — 메시지 손실을 우아하게 처리하고 재설계된 시각화 도구 제공
  • 통합 모델 훈련 — 인식과 계획 작업을 모두 처리하는 단일 신경 모델
  • 개선된 C++ 코드 품질 검사(clang-tidy, Address Sanitizer)

선택 기능: FlexGlue 매처

기본적으로 TinyNav는 매핑 및 재로컬라이제이션에 LightGlue라는 특징 매칭 알고리즘을 사용합니다. FlexGlue라는 선택적 대안이 있으며 느리지만 특정 경우에 유용할 수 있습니다. README에는 LightGlue가 훨씬 빠르다는 것을 보여주는 벤치마크 표가 포함되어 있습니다(예: 단일 쌍 매칭에서 9.9ms 대 502.2ms). 그러나 FlexGlue는 다른 일관성 특성을 가지고 있습니다.

실행 방법

사전 요구 사항: git, git-lfs, Docker, 그리고 NVIDIA Container Toolkit(PC용) 또는 JetPack SDK 6.2+(Jetson Orin용).

빠른 시작:

  1. 리포지토리를 클론하고 환경을 확인하는 체크 스크립트를 실행합니다
  2. Dev Containers 확장을 사용하여 VS Code에서 프로젝트를 엽니다
  3. 기록된 데이터셋(ROS bag 파일)을 재생하고 RViz(시각화 도구)를 사용하여 로봇의 계획을 실시간으로 표시하는 데모 스크립트를 실행합니다

데모 스크립트는 사전 기록된 데이터셋을 스트리밍하고, 인식 및 계획 모듈을 실행하며, 로봇의 상태와 계획된 궤적을 표시합니다.

프로젝트 구조

코드는 다음과 같이 구성됩니다:

  • tinynav/core/ — 인식, 매핑, 계획, 제어를 위한 Python 모듈
  • tinynav/cpp/ — 성능이 중요한 작업을 위한 C++ 백엔드
  • tinynav/models/ — 사전 훈련된 모델 및 변환 스크립트
  • scripts/ — 데모, Docker 관리, 데이터 기록을 위한 셸 스크립트

코드 크기

README에는 모든 파일에서 약 2,660줄, 약 1,959줄의 Python, 292줄의 C++, 그리고 소량의 셸 스크립트, Dockerfile, 구성 파일을 보여주는 코드 줄 수 표가 포함되어 있습니다.

커뮤니티 및 지원

  • 바운티 프로그램 — 프로젝트는 유료 작업을 제공합니다. 스프레드시트에는 사용 가능한 바운티와 보상이 나열되어 있습니다.
  • 기여자 — 5명이 코드 기여자로 나열되어 있습니다.
  • 스폰서 — DeepMirror와 Looper Robotics가 프로젝트를 지원합니다.
  • 연락 채널 — Discord 서버 및 X(Twitter) 계정이 연결되어 있습니다.

향후 계획

README에는 세 가지 미래 목표가 나열되어 있습니다:

  1. 초당 30프레임 이상의 실시간 인식을 지원하는 고최적화 신경망 모델
  2. 맵 모듈의 일관성 및 정확성 향상
  3. 통합 의미 정보를 갖춘 엔드투엔드 궤적 계획

쉬운 설명

TinyNav는 내비게이션이 필요한 로봇을 위한 컴팩트한 오픈소스 "두뇌"입니다. 카메라와 센서 데이터를 받아 맵을 구축하고, 로봇의 위치를 파악하며, 안전한 경로를 계획합니다. 이 모든 것이 개발자가 쉽게 수정할 수 있을 만큼 작은 코드베이스에서 이루어집니다. 특정 기성 로봇(4족 Unitree와 바퀴 달린 LeKiwi)과 함께 작동하도록 설계되었으며, NVIDIA의 임베디드 하드웨어에서 실행되고 실시간 작동에 충분한 속도에 중점을 둡니다.

관련

  • 프로젝트
  • 프로젝트
  • 프로젝트
  • 프로젝트
  • 프로젝트