연구진은 ADMM(교대 방향 승수법)을 이용한 예측 계획과 안전이 인증된 제어 장벽 함수(CBF)를 결합한 하이브리드 제어 프레임워크를 개발하여 모듈형 로봇 보트의 자가 조립 및 재구성을 가능하게 했습니다. 이 접근 방식은 실시간으로 충돌과 교착 상태를 해결하며, 온보드 마이크로컴퓨터에서 5Hz로 작동합니다.
목차
연구 내용
연구팀은 자가 재구성 로봇 보트 함대를 위한 분산 운동 계획 시스템을 구축했습니다. 이 모듈형 선박은 직사각형, 삼각형 등 임의의 형태를 자율적으로 형성했다가 다시 분해하여 새로운 형태로 재구성할 수 있습니다. 각 보트는 비홀로노믹(unicycle) 운동학 모델과 속도 제약 조건을 가지며, 통신 그래프에서 인접한 이웃과만 통신합니다.
프레임워크는 세 계층으로 구성됩니다: 원하는 형태에 대한 목표 위치를 할당하는 중앙 집중식 작업 계층, ADMM을 사용하여 유한 시간 범위 내에서 충돌 없는 궤적을 생성하는 분산 예측 제어 계층, 그리고 제어 장벽 함수 기반의 반응형 안전 필터로 즉각적인 충돌 회피를 보장합니다. CBF 필터는 ADMM 계획기보다 높은 주파수로 작동하여 충돌을 유발할 궤적을 무시합니다. 이 하이브리드 설계는 시뮬레이션과 소형 로봇 보트를 이용한 실제 하드웨어에서 검증되었습니다.
주요 결과
제거 연구에서 연구진은 하이브리드 ADMM-CBF 프레임워크를 두 가지 기준 접근 방식(ADMM 단독(반응형 안전 필터 없는 예측 계획)과 CBF 단독(예측 계획 없는 순수 반응형 장애물 회피))과 비교했습니다. ADMM 단독 방식은 소규모 군집에서도 충돌이 발생했는데, 이는 다중 에이전트 충돌 회피 문제가 강한 비볼록 문제이며, 제어 단계당 단일 반복으로 제한된 분산 ADMM이 안전한 합의에 도달하지 못하기 때문입니다. CBF 단독 방식은 충돌을 피했지만, 보트가 목표 위치 근처에서 진동하며 서로를 피해 항해하지 못하는 교착 상태가 자주 발생했습니다.
하이브리드 프레임워크는 테스트된 군집 크기에서 충돌 없고 교착 상태 없는 형성 제어를 성공적으로 달성했으며, 온보드 마이크로컴퓨터에서 5Hz로 작동했습니다. 소형 보트를 이용한 실제 실험에서 시뮬레이션 결과를 확인했으며, 수조에서 부드러운 재구성을 보여주었습니다. 계산 비용은 에이전트 수에 선형적으로 증가하여 실시간 작동에 적합합니다.
작동 원리
시스템은 계층적 제어 아키텍처로 작동합니다. 최상위 레벨에서 중앙 집중식 알고리즘이 각 보트에 원하는 형성에서 목표 위치를 할당합니다. 이 목표는 분산 제어 계층으로 전송됩니다.
분산 계층은 ADMM을 사용하여 분산 모델 예측 제어(MPC) 문제를 해결합니다. 각 보트는 예측 범위 내에서 자체 계획 궤적을 계산하고 계획을 이웃과 공유합니다. ADMM 알고리즘은 모듈 간 합의를 찾기 위해 반복하여 충돌을 피하면서 목표 위치로 수렴하는 궤적을 모색합니다. 그러나 실시간 제약 조건을 충족하기 위해 제어 단계당 단일 반복으로 제한되므로 단독으로 안전을 보장할 수 없습니다.
이때 CBF 안전 필터가 사용됩니다. 제어 장벽 함수는 시스템이 안전 집합(예: 보트 간 최소 거리) 내에 머무르도록 보장하는 수학적 증명서입니다. CBF 필터는 ADMM 계획기의 속도 명령을 최소한으로 수정하는 2차 프로그래밍(QP)으로 구현됩니다. 명령이 안전 장벽을 위반할 경우 필터는 가장 가까운 안전 속도로 재정의합니다. CBF는 ADMM 계획기(5Hz)보다 높은 업데이트 속도(예: 50Hz)로 작동하여 계획기 업데이트 사이에 지속적인 안전을 제공합니다.
또한 프레임워크에는 거리 적응 메커니즘이 포함됩니다. 두 모듈이 가까운 위치에 할당되면 CBF 제약 조건이 안전 거리 임계값을 동적으로 줄여 형성을 조여 고정 안전 마진으로 인한 교착 상태를 방지합니다.
로봇 공학에서의 의의
자가 재구성 로봇 시스템은 적응형 인프라, 환경 모니터링, 집단 운송과 같은 응용 분야에서 오랫동안 추구해 온 목표였습니다. 이 연구는 분산 컴퓨팅으로 안전 보장과 교착 상태 해결을 제공하여 수십 또는 수백 대의 자율 유닛으로 확장하는 데 중요합니다.
하이브리드 ADMM-CBF 아키텍처는 문제를 예측 계획(낮은 주파수와 불완전한 수렴으로 수행 가능)과 반응형 안전(빠르게 작동하며 보장 제공)의 두 가지 다루기 쉬운 부분으로 분리한다는 점에서 특히 가치 있습니다. 이와 동일한 아키텍처 패턴은 창고 로봇이나 중고 산업용 로봇과 같은 다른 다중 로봇 협업 문제에도 적용될 수 있습니다. 이 접근 방식은 분산 컴퓨팅을 유지하면서 실시간 성능과 공식적 안전을 모두 가질 수 있음을 보여줍니다.
한계점 및 향후 과제
현재 프레임워크에는 두 가지 주요 한계가 있습니다. 첫째, 목표 위치의 중앙 집중식 할당을 가정하여 훨씬 더 큰 군집의 병목 현상이 됩니다. 둘째, CBF 기반 안전 필터는 각 보트의 정확한 동역학 모델을 필요로 합니다. 실제로 해류와 파도 교란은 이 모델을 위반하여 필터가 안전하지 않은 무시 명령을 계산할 수 있습니다. 연구진은 잔잔한 수역 조건에서만 테스트했습니다.
또한 확장성 테스트에서 특정 군집 크기(보고되지 않음)를 넘어서면 ADMM 수렴 속도가 저하되어 CBF 필터에 더 자주 의존하게 되고 잠재적 교착 상태가 발생할 수 있습니다. 마지막으로 모든 실험은 직사각형 형태를 사용했습니다. 내부 구멍이나 비볼록 형태와 같은 더 복잡한 목표 형성은 새로운 협업 과제를 도입할 수 있습니다. 향후 연구는 집단 운송, 제한된 수로에서의 항해, 환경 교란에 대한 강건성을 다룰 예정입니다.
자주 묻는 질문
제어 장벽 함수(CBF)란 무엇인가요? CBF는 안전 영역(예: 보트 간 최소 거리)을 정의하는 수학적 함수입니다. 제어기는 이차 프로그래밍을 사용하여 시스템이 해당 안전 영역을 벗어나지 않도록 수정할 수 있으며, 실시간 충돌 회피를 보장합니다.
ADMM은 다른 분산 최적화 방법과 어떻게 다른가요? ADMM은 큰 최적화 문제를 각 에이전트가 병렬로 해결하는 더 작은 하위 문제로 분해하며, 주기적인 통신을 통해 솔루션을 조정합니다. 제약 조건을 처리하고 많은 실제 문제에서 빠르게 수렴하므로 다중 로봇 시스템에 적합합니다.
왜 반응형 충돌 회피만 사용하지 않나요? 순수 반응형 방법(포텐셜 필드 또는 CBF 단독 제어)은 충돌을 피하지만 교착 상태에 빠질 수 있습니다. 로봇이 목표 근처에서 진동하며 멈출 수 있으며, 이는 선행 조정이 없기 때문입니다. 예측 계획(ADMM)은 이러한 교착 상태를 피하지만 완전히 수렴하지 않으면 안전을 보장하기에 너무 느릴 수 있습니다.
이 프레임워크를 공중 또는 지상 로봇에 적용할 수 있나요? 네, 동일한 하이브리드 ADMM-CBF 아키텍처는 로봇에 독립적입니다. 운동학 모델과 이웃과 통신할 수 있는 능력만 필요합니다. 로봇 보트에서 시연되었지만 드론, 지상 로버 또는 밀접하게 조정된 작업을 수행하는 휴머노이드 로봇에도 적용할 수 있습니다.
결론
이 분산 운동 계획 프레임워크는 예측 ADMM 계획과 반응형 CBF 안전 필터를 성공적으로 결합하여 자가 재구성 로봇 보트가 충돌이나 교착 상태 없이 임의의 형태를 형성할 수 있도록 합니다. 이 접근 방식은 온보드 컴퓨터에서 5Hz로 작동하고 군집 크기에 선형적으로 확장되며, 자율 수중 건설 팀을 향한 실용적인 단계입니다.