Adaptive Sliding Mode Control for Vehicle Platoons with State-Dependent Friction Uncertainty

1. 문제 정의 (Problem Statement)

• 배경: 자율 주행 차량 편대 (Platoon) 는 물류, 감시, 수송 등 다양한 분야에서 효율성을 높이기 위해 연구되고 있습니다. 편대 제어의 핵심 목표는 선두 차량을 따르거나 미리 정의된 경로를 따라 이동하면서 차량 간 안전 거리를 유지하는 것입니다.
• 핵심 과제: 차량 편대 제어의 주요 난제는 바퀴와 지면 사이의 마찰력 (Friction Forces) 입니다.
  • 마찰력은 도로 표면 상태, 타이어 마모, 차량 속도 등 시스템 상태 (State) 에 따라 변화하는 상태 의존적 (State-dependent) 특성을 가집니다.
  • 기존 적응 제어기 (Adaptive Controllers) 는 사전에 경계가 설정된 (a priori bounded) 불확실성만 처리할 수 있도록 설계되었습니다.
  • 그러나 마찰력은 상태에 의존하여 무한히 커질 수 있거나 (unbounded) 그 구조를 사전에 정확히 모델링하기 어렵기 때문에, 기존 방법론으로는 이를 효과적으로 처리하기 어렵습니다.
• 연구 목표: 사전 지식 (마찰 계수, 관성 파라미터 등) 없이도 상태 의존적인 마찰 불확실성과 외부 섭동을 처리할 수 있는 새로운 제어 프레임워크를 개발하는 것입니다.

2. 방법론 (Methodology)

저자는 적응 슬라이딩 모드 제어 (Adaptive Sliding Mode Control, ASMC) 기반의 2 단계 제어 구조를 제안했습니다.

A. 시스템 모델링

• 운동학 (Kinematics) 및 동역학 (Dynamics) 분리: 로봇의 운동학 모델과 동역학 모델을 분리하여 설계합니다.
• 마찰 모델: 정지 마찰 (Coulomb friction) 과 점성 마찰 (Viscous friction) 을 모두 고려한 복합 마찰 모델을 사용합니다. 마찰력은 속도에 비례하므로 상태 의존적임을 강조합니다.

B. 제어기 설계 (Two-Stage Control)

1. 운동학 제어기 (Kinematic Controller):
   • 기존 백스테핑 (Backstepping) 기법을 사용하여 원하는 궤적에 대한 위치 및 자세 오차를 줄이기 위한 원하는 선형 속도 ($v_c$) 와 각속도 ($\omega_c$) 를 생성합니다.
   • 이 단계는 이상적인 동역학을 가정합니다.
2. 동역학 제어기 (Proposed Dynamic Controller - ASMC):
   • 슬라이딩 변수 (Sliding Variable): 속도 오차 ($e_v, e_\omega$) 와 그 적분값을 포함하는 슬라이딩 변수를 정의합니다.
   • 불확실성 경계 추정: 마찰력과 외부 섭동으로 인한 불확실성 ($\epsilon_v, \epsilon_\omega$) 이 상태 변수 (속도, 오차 등) 에 의존한다는 점을 고려하여, 그 상한선 (Upper Bound) 을 상태 의존적인 함수 형태로 모델링합니다.
   • 적응 법칙 (Adaptive Laws): 시스템의 파라미터 (질량, 관성, 마찰 계수 등) 를 알지 못하더라도, Lyapunov 기반의 적응 법칙을 통해 불확실성의 상한선 계수 ($\hat{K}$) 를 실시간으로 추정하고 업데이트합니다.
   • 제어 입력: 추정된 불확실성 상한선을 기반으로 슬라이딩 모드 제어 입력 (Force $F$ 및 Torque $\tau$) 을 생성하여 시스템이 슬라이딩 면에 도달하도록 합니다.

C. 안정성 분석

• Lyapunov 이론: 제안된 제어기를 적용한 폐루프 시스템의 안정성을 Lyapunov 함수를 통해 분석했습니다.
• 결과: 모든 폐루프 궤적이 균일 최종 유계 (Uniformly Ultimately Bounded, UUB) 임을 수학적으로 증명했습니다. 이는 오차가 일정 범위 내로 수렴함을 의미합니다.

3. 주요 기여 (Key Contributions)

1. 상태 의존적 불확실성 처리: 기존 ASMC 가 처리하지 못했던 '상태 의존적 (State-dependent)'인 마찰력 불확실성을 사전 지식 없이 처리할 수 있는 새로운 제어 프레임워크를 제안했습니다.
2. 실시간 적응 메커니즘: 시스템의 동역학 파라미터 (관성, 마찰 등) 를 알지 못하더라도, 적응 법칙을 통해 불확실성의 크기를 실시간으로 추정하고 보상합니다.
3. 이론적 증명 및 시뮬레이션 검증: Lyapunov 기반의 엄밀한 안정성 분석과 함께, Gazebo 시뮬레이션을 통해 기존 방법론 대비 우수한 성능을 입증했습니다.

4. 실험 결과 (Simulation Results)

• 환경: Gazebo 시뮬레이터와 TurtleBot3 모델을 사용했습니다.
• 시나리오:
  • 3 대의 로봇이 8 자 모양 경로를 따라 편대를 형성하며 이동합니다.
  • 다양한 마찰 조건: 4 개의 구획으로 나뉜 환경에서, 3 번째 구획은 다른 구획보다 마찰 계수가 높고 ($\mu=0.13$ vs $0.1$), 급격한 방향 전환과 속도 저감대 (Speed breakers) 가 존재합니다.
• 성능 비교: 제안된 ASMC 와 기존 표준 ASMC [30] 를 비교했습니다.
  • 궤적 추적 오차 (Position Tracking Error): 마찰력이 급격히 변하는 3 번째 구획과 속도 저감대 구간에서 제안된 제어기는 오차 스파이크가 훨씬 적고 빠른 수렴을 보였습니다.
  • 편대 간격 유지 (Gap Maintenance): 로봇 간 거리가 목표치에서 벗어나는 오차 (Gap Error) 가 제안된 제어기에서 현저히 낮았습니다.
  • RMS 오차: 궤적 추적 및 간격 유지 모두에서 제안된 ASMC 가 기존 방법보다 낮은 Root Mean Squared (RMS) 오차를 기록했습니다.

5. 의의 및 결론 (Significance & Conclusion)

• 실용성: 실제 도로 환경에서 발생할 수 있는 예측 불가능한 마찰 변화 (비, 눈, 노면 상태, 타이어 마모 등) 에 대해 강인한 (Robust) 제어 솔루션을 제공합니다.
• 기술적 진보: 사전 파라미터 정보가 불필요한 적응 제어의 한계를 극복하여, 더 복잡하고 동적인 환경에서의 다중 로봇 시스템 제어 가능성을 열었습니다.
• 향후 과제: 실제 물리적 플랫폼 (Real-world platform) 에 적용하여 다양한 경사도와 하중 조건에서 실험을 수행하고, 더 큰 규모의 편대로 확장성을 검증하는 것이 향후 연구 과제로 제시되었습니다.

요약하자면, 이 논문은 자율 주행 차량 편대가 다양한 도로 조건에서도 안정적으로 주행할 수 있도록, 예측 불가능한 상태 의존적 마찰력을 실시간으로 적응적으로 보상하는 새로운 슬라이딩 모드 제어 알고리즘을 제안하고 그 유효성을 입증한 연구입니다.