Underground mining is one of the most dangerous occupations globally—hazards include rock falls, toxic gases, flooding, equipment collisions, and blasting accidents. Autonomous vehicles could significantly reduce human exposure to these risks by performing haulage, inspection, and rescue operations without human operators in the most dangerous areas. But underground environments present technical challenges that surface autonomous vehicles do not face: no GPS signals, limited or absent lighting, dust and particulates that degrade sensors, narrow and irregular tunnel geometries, and the need to operate safely alongside human workers.

The Research Landscape

Post-Blast UAV Inspection

Nordström and Dahlquist (2025), with 5 citations, report what they describe as the first fully autonomous UAV mission to perform gas measurements after a real blast in an underground mine. The mission was deployed approximately 40 minutes after blasting—a period when the area is hazardous due to residual gases (CO, NO₂, SO₂) and unstable rock.

The UAV navigated autonomously through the mine using LiDAR-based SLAM (Simultaneous Localization and Mapping), measured gas concentrations at multiple points, and returned safely. The practical value is clear: currently, human workers must wait hours before entering post-blast areas for gas clearance. Autonomous UAV inspection can perform this assessment much sooner—potentially allowing production to resume faster while keeping workers safe.

Behavior-Based Navigation for Narrow Tunnels

Badr and Almaghout (2024), with 1 citation, address the specific challenge of autonomous navigation in narrow mine tunnels where conventional path planning algorithms struggle. Their behavior-based control approach draws on robotics techniques that decompose complex navigation into simple reactive behaviors (wall-following, obstacle avoidance, goal-seeking) that combine to produce robust tunnel navigation.

The approach is notable for its robustness: it handles irregular tunnel geometries, dynamic obstacles (fallen rock, other vehicles), and sensor degradation (dust, water on LiDAR lenses) better than optimization-based planners that assume accurate environmental models.

Articulated LHD Automation

Wu and Lu (2025) present an autonomous driving system for articulated Load-Haul-Dump (LHD) machines—large vehicles that scoop ore and transport it through tunnels. LHDs present additional challenges: they are articulated (bending in the middle), non-holonomic (cannot move sideways), and operate in feature-poor environments where LiDAR scans show little variation between one section of tunnel and the next.

Their system was validated in a real underground mine, demonstrating autonomous loading, hauling, and dumping cycles—the core operational workflow that LHDs perform continuously during production.

Cyber-Physical Safety System

Behera, Agarwal, and Badr & Almaghout (2024), with 2 citations, take a systems approach: building a cyber-physical system (CPS) that integrates an unmanned ground vehicle with environmental mapping, gas sensing, and computational intelligence for mine safety and rescue support. The UGV maps unknown mine sections, identifies hazards, and communicates findings to surface operators through a real-time data link.

Critical Analysis: Claims and Evidence

What This Means for Your Research

For mining engineers, autonomous vehicles are moving from research prototypes to operational systems. The post-blast UAV inspection use case (Nordström et al.) is likely the nearest to commercial deployment. For robotics researchers, underground mines provide a uniquely challenging testbed for autonomous navigation.

Explore related work through ORAA ResearchBrain.

면책 조항: 이 게시물은 정보 제공을 위한 연구 동향 개요이다. 학술 연구에서 인용하기 전에 특정 연구 결과, 통계 및 주장은 원본 논문을 통해 반드시 검증해야 한다.

지하의 자율주행 차량: GPS 없이 광산을 항법하다

지하 광산 채굴은 전 세계적으로 가장 위험한 직업 중 하나이다—낙석, 유독 가스, 침수, 장비 충돌, 발파 사고 등의 위험이 존재한다. 자율주행 차량은 가장 위험한 구역에서 인간 운전자 없이 운반, 점검, 구조 작업을 수행함으로써 인간이 이러한 위험에 노출되는 것을 크게 줄일 수 있다. 그러나 지하 환경은 지상 자율주행 차량이 직면하지 않는 기술적 과제를 안고 있다: GPS 신호 부재, 제한적이거나 완전히 없는 조명, 센서를 저하시키는 먼지와 미립자, 좁고 불규칙한 터널 형상, 그리고 인간 작업자와 함께 안전하게 운용되어야 할 필요성이 그것이다.

연구 현황

발파 후 UAV 점검

Nordström과 Dahlquist(2025)는 5회 인용을 기록하며, 실제 지하 광산에서 발파 후 가스 측정을 수행한 최초의 완전 자율 UAV 임무라고 설명하는 내용을 보고한다. 해당 임무는 발파 약 40분 후에 투입되었는데, 이 시기는 잔류 가스(CO, NO₂, SO₂)와 불안정한 암석으로 인해 해당 구역이 위험한 상태에 있는 때이다.

UAV는 LiDAR 기반 SLAM(동시 위치 추정 및 지도 작성)을 사용하여 광산 내를 자율적으로 항법하고, 여러 지점에서 가스 농도를 측정한 후 안전하게 귀환하였다. 실용적 가치는 명확하다: 현재 인간 작업자는 가스 제거를 위해 발파 후 몇 시간이 지나야 해당 구역에 진입할 수 있다. 자율 UAV 점검은 이 평가를 훨씬 더 빨리 수행할 수 있어—잠재적으로 작업자를 안전하게 보호하면서 생산을 더 빠르게 재개할 수 있다.

좁은 터널을 위한 행동 기반 항법

Badr와 Almaghout(2024)은 1회 인용을 기록하며, 기존의 경로 계획 알고리즘이 어려움을 겪는 좁은 광산 터널에서의 자율 항법이라는 구체적인 과제를 다룬다. 이들의 행동 기반 제어 접근법은 복잡한 항법을 단순한 반응적 행동(벽 추종, 장애물 회피, 목표 탐색)으로 분해하여 조합함으로써 강건한 터널 항법을 구현하는 로봇공학 기법을 활용한다.

이 접근법은 강건성 면에서 주목할 만하다: 정확한 환경 모델을 가정하는 최적화 기반 계획기보다 불규칙한 터널 형상, 동적 장애물(낙석, 다른 차량), 그리고 센서 저하(먼지, LiDAR 렌즈의 수분)에 더 잘 대처한다.

굴절식 LHD 자동화

Wu와 Lu(2025)는 굴절식 LHD(Load-Haul-Dump) 기계—광석을 퍼올려 터널을 통해 운반하는 대형 차량—를 위한 자율주행 시스템을 제시한다. LHD는 추가적인 과제를 안고 있다: 굴절식(중간에서 꺾이는 구조)이고, 비홀로노믹(측면 이동 불가)이며, 터널의 한 구간과 다음 구간 사이에 LiDAR 스캔이 거의 변화를 보이지 않는 특징이 빈약한 환경에서 운용된다.

이들의 시스템은 실제 지하 광산에서 검증되었으며, 자율 적재, 운반, 하역 주기—생산 중 LHD가 지속적으로 수행하는 핵심 운용 작업 흐름—를 시연하였다.

사이버-물리 안전 시스템

Behera, Agarwal, 그리고 Badr와 Almaghout(2024)은 2회 인용을 기록하며, 시스템적 접근법을 취한다: 무인 지상 차량(UGV)을 환경 지도 작성, 가스 감지, 그리고 광산 안전 및 구조 지원을 위한 계산 지능과 통합하는 사이버-물리 시스템(CPS)을 구축한다. UGV는 미지의 광산 구역을 지도화하고, 위험 요소를 식별하며, 실시간 데이터 링크를 통해 지상 운용자에게 결과를 전달한다.

비판적 분석: 주장과 근거

What This Means for Your Research

For mining engineers, autonomous vehicles are moving from research prototypes to operational systems. The post-blast UAV inspection use case (Nordström et al.) is likely the nearest to commercial deployment. For robotics researchers, underground mines provide a uniquely challenging testbed for autonomous navigation.

Explore related work through ORAA ResearchBrain.