논문 요약: 고속 오프로드 항해를 위한 공중 기동 (In-Air Vehicle Maneuver)

1. 문제 정의 (Problem Definition)

• 배경: 오프로드 환경, 특히 불규칙한 지형에서 차량이 고속으로 주행할 때 차량이 공중에 뜨는 (Airborne) 상황이 빈번하게 발생합니다.
• 기존 접근법의 한계: 대부분의 오프로드 자율 주행 시스템은 차량이 항상 지면에 접촉한다고 가정하여 속도를 제한하거나, 불규칙한 지형을 우회하도록 설계되어 있습니다. 이는 시간 민감도가 높은 임무에서 효율성을 떨어뜨립니다.
• 핵심 문제: 차량이 공중에 떠 있는 짧은 시간 동안, 기존 지상 차량의 제어 장치 (스로틀 및 조향) 만을 사용하여 차량의 자세 (Roll, Pitch, Yaw) 를 제어하고 안전한 착륙 자세를 확보하는 것이 매우 어렵습니다. 착륙 시 자세가 잘못되면 차량 전복이나 임무 실패로 이어질 수 있습니다.
• 연구 질문: "기존 차량 제어 (스로틀, 조향) 만으로 짧은 공중 체공 시간 내에 지상 로봇의 공중 자세를 어떻게 제어하여 안전한 착륙을 가능하게 할 수 있는가?"

2. 방법론 (Methodology)

저자들은 물리 법칙과 데이터 기반 학습을 결합한 하이브리드 접근법을 제안합니다.

가. 물리적 원리 (Physics Principles)
공중 기동이 가능한 물리적 메커니즘은 다음과 같습니다:

1. 관성 효과 (Inertial Effect): 바퀴의 회전 속도를 가속하거나 감속할 때 (스로틀 제어), 바퀴의 각운동량 변화에 따라 차체에 반작용 토크가 발생합니다. 이는 차체의 Roll 및 Pitch 각가속도를 유발합니다.
2. 자이로스코프 효과 (Gyroscopic Effect): 회전하는 앞바퀴의 조향 각도 (Steering) 를 변경할 때, 자이로스코프 프리세션 (Precession) 현상이 발생하여 차체에 토크를 가합니다. 이 또한 Roll 및 Pitch 각가속도에 영향을 미칩니다.
3. 한계: Yaw(요) 축 제어는 직접적인 제어 입력이 없으며, 공기 저항이나 무게 중심 편차 등 시스템 노이즈와 초기 상태에 의존합니다.

나. PHLI 모델 (Physics and Learning based model for In-air vehicle maneuver)
물리 모델만으로는 무게 중심 변화, 서스펜션 이동, 타이어 원심력 등으로 인한 관성 모멘트 변화를 정확히 계산하기 어렵습니다. 따라서 저자들은 PHLI라는 하이브리드 모델을 개발했습니다.

• 구조: $s_{t+1} = h_\xi(g_\phi(s_t, a_t), s_t, a_t)$
  • $g_\phi$ (데이터 기반): MLP(다층 퍼셉트론) 를 사용하여 현재 상태와 행동 (스로틀, 조향 변화율) 을 입력받아 Roll, Pitch, Yaw 의 각가속도 ($\ddot{roll}, \ddot{pitch}, \ddot{yaw}$) 를 예측합니다. IMU 데이터로 학습됩니다.
  • $h_\xi$ (물리 기반): 뉴턴 역학 모델을 사용하여 예측된 가속도와 현재 상태를 바탕으로 다음 상태 ($s_{t+1}$) 를 적분하여 계산합니다.
• 특징: 물리 법칙의 일관성을 유지하면서도 데이터의 유연성을 통해 복잡한 동역학을 정밀하게 모델링합니다.

다. Dom Planner (운동 계획기)

• 고정 시간 지평 (Fixed-Horizon): 착륙까지 남은 시간이 매우 짧고 고정되어 있으므로, 재귀적 (Receding-horizon) 이 아닌 고정된 시간 지평을 가진 샘플링 기반 계획기를 사용합니다.
• 작동 방식:
  1. 착륙까지 남은 시간 ($T$) 을 이산화하여 고정된 지평 ($H$) 을 설정합니다.
  2. 이전 계획 주기에서 최적의 행동 ($\dot{rpm}_{best}, \dot{\psi}_{best}$) 을 중심으로 스로틀 및 조향 변화율의 가능한 범위를 샘플링합니다.
  3. PHLI 모델을 사용하여 각 샘플 시퀀스에 대한 궤적을 전방 시뮬레이션 (Rollout) 합니다.
  4. 비용 함수 (Cost Function): 착륙 시점 ($T$) 에 목표 상태 (안전한 착륙 자세) 를 정확히 도달하도록 시간 가중치 ($w_i(t)$) 를 동적으로 조정하여 비용을 최소화하는 궤적을 선택합니다.
     • 초기: 각도 정렬에 중점
     • 후기: 각속도 및 충격 최소화에 중점
  5. 최적의 첫 번째 행동을 실행하고 다음 주기에 재계획합니다.

3. 주요 기여 (Key Contributions)

1. 하이브리드 동역학 모델: 물리 원리 (관성 및 자이로스코프 효과) 와 데이터 기반 학습을 결합하여 스로틀과 조향만으로 공중 기동을 모델링하는 PHLI를 제안했습니다.
2. 고정 시간 지평 샘플링 계획기: 제한된 공중 체공 시간 내에 안전한 착륙을 위한 목표 상태에 수렴하도록 설계된 Dom Planner를 개발했습니다.
3. 실제 실험 검증: 1/5 스케일 차량을 이용한 짐벌 (Gimbal) 플랫폼 실험 및 야외 오프로드 실험을 통해 제안된 방법의 유효성을 입증했습니다.

4. 실험 결과 (Results)

• 실험 환경:
  • 실내: 2 축 짐벌 플랫폼을 사용하여 중력 없는 환경을 시뮬레이션하고 다양한 시나리오 (궤적 추적, 급격한 상태 변화, 시간 제한 목표 도달, 외란 저항성) 를 테스트했습니다.
  • 야외: 1/5 스케일 차량을 50km/h 이상으로 가속하여 45 도 경사로에서 발사하고 공중 기동을 수행한 후 착륙하는 실험을 수행했습니다.
• 성능 비교 (Dom Planner vs PID):
  • 정확도: PID 제어기는 궤적 추적 및 상태 변화 시 큰 오차와 실패를 보인 반면, Dom Planner 는 목표 자세를 정밀하게 추적했습니다.
  • 성공률: 궤적 추적 (TT) 및 상태 안정성 (SS) 테스트에서 Dom Planner 는 5/5 성공률을 기록한 반면, PID 는 각각 2/5, 4/5 로 실패 사례가 발생했습니다.
  • 반응 속도: 외란 발생 시 목표 상태로 회복하는 데 걸리는 시간 (Correction Time) 과 반응 지연 (Reaction Latency) 에서 Dom Planner 가 PID 보다 훨씬 우수했습니다.
  • 야외 착륙: 야외 실험에서 차량은 공중에서 Roll 과 Pitch 각도를 0 에 가깝게 조정하여 평평하게 착륙하는 데 성공했습니다.

5. 의의 및 결론 (Significance & Conclusion)

• 기술적 혁신: 기존 지상 차량의 제어기 (스로틀, 조향) 만으로 공중 기동을 제어하여 안전한 착륙을 가능하게 함으로써, 오프로드 자율 주행의 한계를 확장했습니다.
• 실용성: 시간 민감도가 높은 임무나 복잡한 지형 통과 시, 차량이 공중을 비행하여 지형 장애물을 우회하거나 통과할 수 있는 새로운 가능성을 제시합니다.
• 결론: "자동차는 날지 않는다"는 통념을 깨고, 물리 법칙과 AI 를 결합한 정밀한 제어 알고리즘을 통해 고속 오프로드 주행 중에도 차량이 공중에서 기동하여 안전하게 착륙할 수 있음을 증명했습니다.

이 연구는 오프로드 로봇이 지형의 제약을 넘어 더 빠르고 유연하게 이동할 수 있는 새로운 패러다임을 제시한다는 점에서 의미가 큽니다.