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:
- 작음 — 핵심 코드가 컴팩트(약 2,000줄)하여 이해하고 수정하기 쉽습니다.
- 견고함 — 다양한 장면과 실제 조건에서 안정적으로 작동하도록 설계되었습니다.
- 다중 로봇 플랫폼 — 다양한 로봇 유형에 대한 "즉시 사용 가능한" 지원을 목표로 합니다.
- 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:
- 리포지토리를 클론하고 환경을 확인하는 체크 스크립트를 실행합니다
- Dev Containers 확장을 사용하여 VS Code에서 프로젝트를 엽니다
- 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 모듈tinynav/cpp/— 성능이 중요한 작업을 위한 C++ 백엔드tinynav/models/— 사전 훈련된 모델 및 변환 스크립트scripts/— 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:
- 초당 30프레임 이상의 실시간 인식을 지원하는 고최적화 신경망 모델
- 맵 모듈의 일관성 및 정확성 향상
- 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