Skip to main content
Version: 0.1.3

Software

AIMY 2의 소프트웨어 구성을 설명합니다.

개요​

AIMY 2는 ROS 2(Robot Operating System 2)를 기반으로 하는 대화형 안내 로봇 시스템입니다. 음성 인식부터 대화 생성, 음성 응답, 제스처, 표정까지 하나의 파이프라인으로 통합되어 동작합니다.

소프트웨어 스택​

  • 운영체제: Ubuntu 22.04 LTS
  • ROS 버전: ROS 2 Humble
  • 음성 인식(STT): Whisper large-v3 (로봇 내장 GPU에서 로컬 실행)
  • 대화 생성(LLM): 생성형 AI 연동 (클라우드 API)
  • 음성 합성(TTS): 클라우드 TTS API
  • 제스처 생성: 딥러닝 기반 음성-제스처 동기화 모델 (로컬 실행)
  • 얼굴 감지: YOLOv7-tiny (전용 엣지 컴퓨터에서 실행)

시스템 구성​

AIMY 2의 소프트웨어는 다음과 같이 구성됩니다.

AIMY 2 소프트웨어 아키텍처

대화 파이프라인​

방문객 발화
  → 음성 인식 (STT, 로봇 내장 GPU 로컬 실행)
  → 대화 응답 생성 (LLM, 클라우드 API)
  → 음성 합성 (TTS, 클라우드 API) + 제스처 생성 (로컬 실행)
  → 음성 응답 재생 + 제스처 연출 + 표정 변화
  • 음성 인식과 제스처 생성은 로봇 내부에서 수행되므로 네트워크 상태와 무관하게 동작합니다.
  • LLM/TTS는 클라우드 API를 사용하며, 네트워크 불안정 시에도 로봇이 중단되지 않도록 예외 처리가 적용되어 있습니다.

음성 인식 (STT)​

  • Whisper large-v3 모델을 로봇 내장 GPU에서 로컬 실행합니다. (클라우드 의존 없음)
  • silero VAD로 사람 목소리 구간을 실시간 감지하여, 말이 끝나면 바로 인식을 시작합니다.
  • 에코 캔슬링(AEC) 적용으로 로봇이 답변을 말하는 동안에도 방문객의 다음 발화를 동시에 들을 수 있습니다.

대화 생성 (LLM)​

  • 생성형 AI(LLM)가 방문객 질문에 대한 답변을 생성합니다.
  • 로봇의 페르소나(도서관 안내원)와 답변 성향은 시스템 프롬프트로 설정됩니다.

음성 합성 (TTS)​

  • 클라우드 TTS API로 자연스러운 한국어 음성을 생성합니다.
  • 음성의 종류, 속도, 톤 등은 설정으로 조정 가능합니다.

제스처 생성​

  • Seq2Seq 딥러닝 모델(양방향 GRU + 어텐션)이 발화 텍스트와 한국어 워드 임베딩을 입력받아 포즈 시퀀스를 생성합니다.
  • 생성된 제스처는 답변 음성의 길이에 맞춰 시간 배분되어 음성과 동기화되어 재생됩니다.
  • 제스처 종료 후에는 자동으로 기본 자세로 복귀합니다.

얼굴 감지 (비전)​

  • 전용 엣지 컴퓨터에서 YOLOv7-tiny 경량화 모델(TensorRT 가속)로 카메라 영상에서 얼굴을 실시간 감지합니다.
  • 감지된 방문객을 추적하여 인사 타이밍 결정과 시선 추적에 사용합니다.

상호작용​

  • 사람 감지: 카메라로 방문객을 감지하면 인사 모션과 함께 대화를 시작합니다.
  • 시선 추적: 대화 상대의 위치를 추적하여 고개 각도를 조절합니다.
  • 표정 연출: 대화 상태에 따라 눈 깜빡임, 미소 등의 표정을 표시합니다.
  • 안내 화면: 대화 진행 여부에 따라 도서관 안내 웹페이지의 화면을 전환합니다.

제어​

  • 상체 관절은 ros2_control 기반 제어기(200Hz)로 구동됩니다.
  • 이동 베이스는 바퀴 구동 명령(속도 지정)으로 제어됩니다.
  • 조이스틱 및 전용 조작 앱으로 수동 조종할 수 있습니다.

시스템 운영​

  • 전원을 켜면 로봇이 자동으로 모든 기능을 시작합니다.
  • 배터리 전압을 상시 감시하여 저전압이 일정 시간 지속되면 자동으로 안전 종료합니다.
  • 기능별로 독립 실행되므로, 일부 기능에 문제가 생겨도 나머지 기능은 계속 동작합니다.
Last updated on