MIT 연구진, 충돌 회피를 형식적으로 보장하는 드론 경로 계획 시스템 SANDO 공개

MIT 연구진이 무인 항공기(UAV)용 궤적 계획 시스템 SANDO를 발표했다. 이름은 Safe AutoNomous trajectory planning for Dynamic unknOwn environments(동적 미지 환경을 위한 안전한 자율 궤적 계획)의 약자다. 지난 7일 이 연구를 발표한 MIT News에 따르면, 이 시스템은 드론이 한 번도 지도화한 적 없는 환경에서, 그 안의 물체가 누구도 예측할 수 없는 방식으로 움직이는 경우에도 경로를 그려 내며, 연구팀은 그렇게 만들어진 궤적이 충돌을 피한다는 것을 수학적으로 증명했다. 논문은 IEEE Transactions on Robotics에 실렸다. 연구진은 붕괴된 건물로 들어가는 수색·구조 비행, 광산 속 숨겨진 터널망 탐사, 번잡한 주택가에서의 택배 배송 등을 활용 사례로 꼽았다.

이런 종류의 계획 시스템은 기체의 카메라와 센서 데이터를 목표 지점까지의 경로로 바꾼다. MIT에 따르면 기존 시스템 대부분은 미지 공간의 장애물이 정지해 있다고 가정하거나, 충돌이 일어나지 않는다는 형식적 보장 없이 움직이는 장애물을 피해 비행한다. 그런 보장을 제공하는 널리 쓰이는 시스템들은 일반적으로 정적인 환경이나 사전에 알려진 장애물을 필요로 한다. 연구진에 따르면 변화하는 환경에서 가능한 모든 충돌을 점검하는 것은 실제로 쓰기에는 너무 느리다. 제1저자 Kota Kondo는 MIT 발표에서 이렇게 설명했다. “미지의 동적 환경에서는 기댈 수 있는 가정이 많지 않습니다.”

SANDO는 먼저 안전 회랑(safety corridor)을 구축한다. 이는 장애물이 없고 드론이 통과할 수 있는, 서로 연결된 3D 영역들의 사슬이다. 기존 회랑과 달리 이 회랑은 시간에 따라 변한다. 전용 모듈이 움직이는 장애물을 감지하고 묶어서 추적하며 그것들이 향하는 방향을 추정한다. 장애물의 정확한 미래 경로는 알 수 없기 때문에, 계획 시스템은 각 장애물의 최대 속도를 바탕으로 주어진 시간 안에 얼마나 멀리 갈 수 있는지 계산하고, 도달 가능한 모든 지점을 덮는 구로 장애물을 감싼다. 회랑은 이 구들을 피하는 형태로 만들어진다. 히트맵 플래너는 혼잡한 ‘핫’ 영역을 표시해 드론이 그곳을 피하도록 유도한다. SANDO는 회랑 안에서 목표까지의 가장 빠른 경로를 찾고, 비행 중에도 회랑과 궤적을 계속 수정한다. 연구팀은 탑재 컴퓨터가 빠르게 재계획할 수 있도록 기반이 되는 최적화를 단순화했다.

연구진에 따르면 시뮬레이션에서 SANDO는 여러 최신(state-of-the-art) 시스템보다 빠르게 목표에 도달했으며, 시험한 모든 환경에서 충돌이 없었다. 실제 UAV로 진행한 12차례의 시험 비행에서는 기체 자체의 컴퓨터와 센서로 작동하며 움직이는 장애물을 모두 피했다. “SANDO 개발에서 가장 어려운 부분은 수학이었습니다”라고 Kondo는 말했다. 최근 MIT에서 항공우주공학 박사 학위를 받은 Kondo는 현재 마드리드의 코미야스 교황청 대학교(Comillas Pontifical University) 조교수인 Jesús Tordesillas, 그리고 MIT 대학원생 세 명인 Juan Rached, Lili Sun, Yixuan Jia와 함께 논문을 썼다. MIT 정보·의사결정시스템연구소(LIDS)와 항공우주제어연구소에서 일하는 Jonathan P. How가 교신저자(senior author)다. 이 연구는 싱가포르 국방과학기술청으로부터 일부 자금을 지원받았다.

이 프로젝트에 참여하지 않은 중국 저장대학교(Zhejiang University)의 Fei Gao 부교수는 이 계획 시스템이 겨냥하는 문제를 이렇게 요약했다. “계획 당시에는 안전한 경로도 환경이 변하면서 안전하지 않게 될 수 있다.” 그는 SANDO의 시간에 따라 변하는(time-varying) 비행 회랑, 하드 제약 조건을 둔 궤적 최적화, 하드웨어 시험이 복잡한 동적 환경에 대한 실용적인 접근법을 제시한다고 평가했다. 다음 단계로 연구진은 SANDO의 계산 부담을 줄이고, 사용자가 일상 언어로 로봇에 지시할 수 있도록 머신러닝 모델과 결합할 수 있을 것이라고 밝혔다. MIT News는 논문과 함께 SANDO 코드 링크도 게시했다.