UVC 조사에 대한 커버리지 계획: 집단 지능 알고리즘을 기반으로 한 로봇 표면 소독

자외선(UV) 조사는 다양한 병원체를 효과적으로 제거하기 위한 소독 전략으로 널리 활용되어 왔다. 소독 작업은 자율 이동 로봇의 운동 경로와 UVC 조사 전략을 계획함으로써 객체 표면의 완전한 커버리지를 달성한다. 이는 객체 표면의 각 지점이 일정한 복용량의 조사를 받아야 하므로 경로 계획에 추가적인 복잡성을 도입한다. 그럼에도 불구하고 바이러스 비활성화에 필요한 상당한 복용량은 소독 작업에서 에너지 소비와 복용량 중복을 상당히 초래하여 대규모 환경에서 로봇 구현에 도 challenges를 제기한다. 대규모 환경에서 소독 계획에 있어 빛의 에너지 소비를 최적화하는 것이 주요 관심사가 되었다. 이 연구는 복용량 중복과 관련된 비효율성을 해결하기 위해 MOPSO를 활용하여 UVC 복용량 커버리지를 계획하는 다목적 최적화 모델을 해결하는 복용량 커버리지 계획 프레임워크를 제안한다. 기존 경로 계획 방법론과 달리, 우리 접근 방식은 복용량 축적의 본질적 특성을 우선시하며, 에너지 지출을 줄이고 로봇 소독의 효율성을 높이기 위해 복용량 중복을 완화하는 UVC 빛 효율성 요소를 통합한다. 실제 환경에서 자율 소독 로봇으로 수행된 경험적 시험은 이 모델이 바이러스를 비활성화하는 데 효과적이라는 것을 확인했다.