Parametric and State Estimation of Stationary MEMS-IMUs: A Tutorial

이 논문은 간단한 언어와 일상적인 비유를 사용하여 설명한 것입니다.

큰 그림: 왜 하나의 센서만으로는 부족한가

방의 정확한 온도를 추측하려고 한다고 상상해 보세요. 온도계 하나를 가지고 있지만, 이 온도계는 약간 "떨림"(무작위 잡음) 이 있고, 약간의 오차 (편향) 가 있습니다. 그 온도계 하나에만 의존한다면 추측이 약간 틀릴 것이며, 시간이 지남에 따라 그 잘못된 추측을 바탕으로 이동 거리를 계산하면 오차는 점점 더 커지게 됩니다.

이 논문은 GPS 없이 위치를 알려주는 기술인 **관성 항법 시스템 (INS)**에 관한 것입니다. 이는 스마트폰이나 드론 내부에 내장되어 있으며, 가속도계(움직임을 감지) 와 자이로스코프(회전을 감지) 라는 작은 센서들을 사용합니다.

저자들은 이러한 센서 중 하나만 사용하는 대신, 전체 팀(배열) 을 사용해야 한다고 주장합니다. 많은 센서를 함께 배치하고 그 답들을 평균내면 단일 센서를 사용할 때보다 훨씬 더 나은 결과를 얻을 수 있음을 수학적으로 그리고 실험적으로 증명하고자 했습니다.

두 가지 주요 문제: "취한 사람"과 "떨리는 사람"

이 논문은 이러한 센서를 망치는 두 가지 유형의 오류를 식별합니다:

1. 취한 사람 (편향): 약간 휘어진 나침반을 상상해 보세요. 아무리 여러 번 보더라도 항상 왼쪽으로 5 도 정도 가리킵니다. 이것이 편향입니다. 이는 일관된 실수입니다.
2. 떨리는 사람 (잡음): 완벽하게 곧은 나침반이 있지만, 당신이 보는 동안 누군가 당신의 손을 흔들고 있다고 상상해 보세요. 때로는 왼쪽을, 때로는 오른쪽을 무작위로 가리킵니다. 이것이 잡음입니다.

해결책: "대중의 지혜" 비유

이 논문의 핵심 아이디어는 간단합니다: 10 명의 사람에게 호박의 무게를 추측하게 하고 그 답들을 평균내면, 한 사람에게만 물어보는 것보다 훨씬 더 좋은 추측을 얻을 수 있습니다.

• 취한 사람 (편향) 은 상쇄됩니다: 한 센서는 편향이 높고 다른 센서는 편향이 낮다면, 이를 평균내면 오류들이 서로 상쇄됩니다.
• 떨리는 사람 (잡음) 은 매끄러워집니다: 한 센서에서의 무작위 떨림이 다른 센서에서의 무작위 떨림과 정확히 같은 시간에 발생할 가능성은 낮습니다. 이를 평균내면 무작위 떨림들이 상쇄되어 매끄럽고 안정적인 신호가 남습니다.

그들이 한 일 (실험)

연구자들은 실험실에서 정지된 플랫폼 (움직이지 않는 상태) 을 설치했습니다. 그들은 서로 바로 옆에 놓인 10 개의 동일한 센서(구체적으로 Xsens-DOT 단위) 를 사용했습니다.

1. 그들을 켰습니다: 약 100 초 동안 가만히 두었습니다.
2. 오류를 측정했습니다: 단일 센서들이 얼마나 "취해"(편향) 있고 "떨리는"(잡음) 지를 확인했습니다.
3. 비교했습니다: 1 개의 센서를 사용한 결과와 4 개의 센서, 그리고 모든 10 개의 센서를 사용한 결과를 비교했습니다.

결과: 수학의 마법

이 논문은 몇 가지 복잡한 수학 (그들이 우리를 위해 단순화한 것) 을 사용하여 두 가지 주요 사실을 증명합니다:

1. 센서가 많을수록 잡음이 줄어듭니다: 센서 수를 두 배로 늘리면 잡음이 단순히 절반으로 줄어드는 것이 아니라, 센서 수의 제곱근만큼 줄어듭니다.
   • 비유: 10 개의 센서가 있다면 잡음은 약 $\sqrt{10}$ (약 3.16) 배만큼 감소합니다. "떨림"이 훨씬 더 매끄러워집니다.
2. 센서가 많을수록 드리프트가 줄어듭니다: "취한" 편향도 평균화되기 때문에, 시스템이 진리에서 더 빠르게 벗어나지 않습니다.
   • 비유: 한 센서가 당신이 정지해 있을 때 움직인다고 생각하면, 단일 센서는 당신이 날아가고 있다고 생각하게 만듭니다. 10 개의 센서는 당신이 정지해 있다는 데 대부분 동의하여 당신을 올바른 위치에 유지시킵니다.

발견 사항의 "요약 시트"

저자들은 결과가 얼마나 좋아지는지 보여주기 위해 표를 만들었습니다:

• 시간은 도움이 되지만, 센서가 더 큰 도움을 줍니다: 더 오래 기다리면 (시간에 따라 더 많은 데이터를 수집하면) 오차가 줄어듭니다. 하지만 센서를 더 추가하면 오차가 더 빠르게 줄어듭니다.
• 10 배 규칙: 그들은 1 개 대신 10 개의 센서를 사용하면 오차가 크게 감소한다는 사실을 발견했습니다. 수학은 시스템의 불확실성 (시스템이 얼마나 불확실한지) 이 약 3 배 (즉, $\sqrt{10}$) 감소했음을 보여줍니다.

중요한 제한 사항 (그들이 하지 않은 일)

공정하게 말해, 저자들은 연구가 무엇을 다루는지 매우 솔직하게 밝힙니다:

• 그들은 움직이지 않았습니다: 센서들은 테이블 위에 가만히 놓여 있었습니다. 그들은 움직이는 차나 비행 중인 드론에서 이를 테스트하지 않았습니다 (비록 수학은 그곳에서도 작동할 것이라고 시사하지만).
• 그들은 일란성 쌍둥이를 사용했습니다: 10 개의 센서 모두 같은 공장 배치에서 나왔습니다. 그들은 거의 동일했습니다. 그들은 "저렴한" 센서와 "비싼" 센서를 섞어 테스트하지 않았습니다.
• 그들은 GPS 를 사용하지 않았습니다: 그들은 GPS 와 같은 외부 신호의 도움 없이 센서 자체만을 살펴보았습니다.

결론

이 논문은 센서에 관해서는 양이 그 자체로 고유한 질을 가진다는 것을 증명하는 튜토리얼입니다.

매우 정확하고 벗어나지 않는 항법 시스템을 원한다면 비싼 센서 하나만 사지 마세요. 싼 센서 10 개를 사서 함께 배치하고 그들의 "그룹 투표"로 답을 결정하게 하세요. 이 논문은 이러한 "팀 접근 방식"이 시스템을 훨씬 더 신뢰할 수 있고 정확하며 정밀하게 만들어, 흔들리고 떠도는 추측을 견고하고 신뢰할 수 있는 측정값으로 바꾼다고 보여줍니다.