Receding-Horizon Nullspace Optimization for Actuation-Aware Control Allocation in Omnidirectional UAVs

이 논문은 비대칭 모터 동역학을 고려하고 공극 (nullspace) 최적화를 통해 모터 명령의 진동을 억제하고 궤적 추종 성능을 향상시키는 재귀적 시간 지평 기반의 제어 할당 전략을 제안합니다.

핵심

🚁 1. 배경: "완벽한 드론"이지만 숨겨진 문제가 있었다

이 연구에 등장하는 드론 (OmniOcta) 은 일반 드론과 다릅니다. 일반 드론은 위아래로만 뜨거나 뒤로 뒤집히는 등 움직임이 제한적이지만, 이 드론은 공중에서 어떤 방향으로도 자유롭게 움직일 수 있는 '완전 조종 (Fully Actuated)' 능력을 가졌습니다. 마치 공중에서 춤을 추거나 벽을 타고 다니는 마법 같은 드론이죠.

하지만 이 드론에는 치명적인 약점이 있었습니다.

• 비대칭적인 모터: 이 드론의 모터는 속도를 높일 때는 느리게 반응하지만, 속도를 줄일 때는 매우 빠르게 반응합니다. (예: 차를 가속할 때는 서서히 올라가지만, 브레이크를 밟으면 바로 멈추는 것과 비슷합니다.)
• 기존 방식의 한계: 기존 드론의 두뇌 (제어기) 는 이 '느린 가속'과 '빠른 감속'의 차이를 무시하고, 매 순간마다 "지금 필요한 힘은 얼마야?"라고 계산해서 모터에 명령을 내렸습니다.

🌊 비유: 물결치는 파도
기존 방식은 파도 (드론의 움직임) 에 맞춰 매 순간마다 노를 저으라고 지시하는 것과 같습니다. 모터가 느리게 반응할 때, 두뇌는 "아직 힘이 부족하네, 더 세게!"라고 명령하고, 다음 순간에는 "너무 세네, 멈춰!"라고 명령합니다. 모터가 이 빠른 지시를 따라잡으려다 보니, 모터가 진동하듯 앞뒤로 요동치는 (떨리는) 현상이 발생했습니다. 드론은 이 진동 때문에 원하는 길을 정확히 따라가지 못하고 흔들렸습니다.

---

💡 2. 해결책: "미래를 내다보는 스마트한 계획"

연구팀은 이 문제를 해결하기 위해 **"예측 (Receding-Horizon)"**과 **"여분의 힘 활용 (Nullspace Optimization)"**이라는 두 가지 개념을 결합한 새로운 알고리즘을 만들었습니다.

① 미래를 내다보기 (Receding-Horizon)

기존 방식이 "지금 당장"만 생각했다면, 이 새로운 방식은 앞으로 0.6 초 정도를 미리 시뮬레이션합니다.

• 비유: 운전할 때, 차가 급정거하면 바로 멈추지 않고 미끄러진다는 것을 알고 있다면, 브레이크를 밟기 전에 미리 발을 떼거나 부드럽게 밟아야 합니다. 이 드론의 두뇌도 "모터가 느리게 반응할 테니, 지금 명령을 내리면 0.1 초 뒤에야 실제 힘이 생길 거야. 그럼 지금부터 부드럽게 힘을 조절해야 진동이 안 날 거야"라고 미래를 예측하고 명령을 수정합니다.

② 여분의 힘을 활용하기 (Nullspace Optimization)

이 드론은 8 개의 모터를 가지고 있어, 같은 힘 (비행 방향) 을 내는 데에도 수많은 모터 조합이 가능합니다. (예: A 모터는 100, B 모터는 50 vs A 모터는 80, B 모터는 70 등)

• 비유: 8 명의 선수가 있는 배구 팀이 있다고 칩시다. 공을 넘기는 목표 (비행 방향) 는 같지만, 누가 어디에서 점프하느냐는 여러 가지 방법이 있습니다. 기존 방식은 매번 무작위로 선수를 바꾸느라 팀이 흔들렸습니다. 하지만 이 새로운 방식은 "목표는 그대로 유지하되, 모터들이 진동하지 않도록 가장 부드러운 조합을 찾아서" 명령을 내립니다.

---

🏆 3. 결과: 훨씬 부드러워진 비행

이 새로운 방법을 적용한 결과, 드론의 비행은 놀라울 정도로 개선되었습니다.

• 진동 제거: 모터 명령이 앞뒤로 요동치는 현상 (떨림) 이 거의 사라졌습니다. 마치 거친 파도를 타고 가던 배가 잔잔한 호수로 들어온 것처럼 매끄럽습니다.
• 정확도 향상: 진동이 사라지자 드론이 원하는 길을 훨씬 정확하게 따라갔습니다. 실험 결과, 위치 오차가 약 60% 줄어든 것으로 확인되었습니다.
• 효율성: 모터가 0 으로 멈추는 일이 줄어들어, 드론이 다음 명령에 더 빠르게 반응할 수 있게 되었습니다.

---

📝 요약: 한 문장으로 정리하면?

"기존 드론 두뇌는 모터의 반응 속도를 무시하고 급하게 명령을 내려 진동을 유발했지만, 이 연구는 '모터가 느리게 반응할 것'을 미리 예측하고, 8 개의 모터를 가장 부드럽게 조율하는 새로운 두뇌를 만들어 드론을 더욱 정밀하고 매끄럽게 날게 했습니다."

이 기술은 앞으로 드론이 물건을 나르거나, 벽에 닿아 작업을 하거나, 사람과 함께 비행하는 등 더 정교한 임무를 수행할 때 필수적인 기술이 될 것입니다.

기술 요약

1. 연구 배경 및 문제 정의 (Problem)

• 배경: 완전 구동 (Fully actuated) 오모니디렉션널 UAV(예: OmniOcta) 는 6 자유도 (6-DoF) 에서 힘과 토크를 독립적으로 제어할 수 있어, 정밀한 공중 작업 및 접촉 기반 임무에 필수적입니다. 이러한 플랫폼은 보통 8 개의 고정된 프로펠러를 사용하여 모든 힘/토크 공간을 커버합니다.
• 핵심 문제:
  1. 비대칭 모터 동역학: 실제 모터의 추력 상승 시간 (rise time) 은 하강 시간 (fall time) 보다 훨씬 느립니다 (전자식 속도 제어기의 능동 브레이킹 능력 차이). 기존 할당 알고리즘은 이 비대칭성을 고려하지 않습니다.
  2. 진동 및 오실레이션: 과구동 (Over-actuated) 시스템에서는 동일한 힘/토크를 생성하는 무한한 모터 조합 (영공간, Nullspace) 이 존재합니다. 기존 단일 단계 2 차 계획법 (Single-step QP) 기반 할당기는 매 샘플링 시점에서 이 영공간 해를 독립적으로 선택합니다. 이로 인해 모터 명령이 급격하게 변하고 (Chattering), 비대칭 모터 동역학과 결합하여 지속적인 진동을 유발합니다.
  3. 궤적 추적 성능 저하: 모터 명령의 진동은 실제 추력 생성을 방해하여 급격한 기동 중 궤적 추적 오차를 증가시킵니다.

2. 제안된 방법론 (Methodology)

저자들은 재귀적 지평선 (Receding-Horizon) 기반의 구동기 인식형 (Actuation-Aware) 영공간 최적화 전략을 제안합니다.

• 핵심 아이디어:

  • 제어 할당 문제를 단일 시간 단계가 아닌 짧은 예측 지평선 (Prediction Horizon) 내의 최적 제어 문제 (OCP) 로 재구성합니다.
  • 시스템의 비대칭 모터 동역학, 강체 동역학, 그리고 피드백 제어기를 모델에 명시적으로 포함시킵니다.
  • 원하는 힘/토크 (Wrench) 는 정확히 유지하면서, 영공간 변수 (Nullspace variables) 만을 최적화하여 모터 명령의 진동을 사전에 예측하고 억제합니다.

• 구체적 구현:

  • 모델: 모터 동역학은 상승/하강 시간 상수가 다른 비대칭 1 차 모델로 표현됩니다.
  • 최적화 알고리즘: 제약 조건付き 반복적 LQR (Constrained iterative LQR, CiLQR) 을 사용하여 온라인으로 해결합니다.
  • 비용 함수 (Cost Function): 연속된 시간 단계 간의 모터 명령 변화량 ($\|u_{act, k} - u_{act, k-1}\|^2$) 을 패널티로 주어 부드러운 명령을 유도합니다.
  • 제약 조건: 모터의 물리적 한계 (최소/최대 속도) 를 만족하도록 합니다.
  • 재계획 (Re-planning): 전체 예측 지평선 ($h$) 동안 최적화를 수행하지만, 실제로는 그 중 일부 ($h_c$, 약 7%) 만 적용하고 다음 단계에서 상태 업데이트 후 다시 최적화합니다. 이는 모델 오차 누적을 방지하고 강인성을 높입니다.

3. 주요 기여 (Key Contributions)

1. 동역학 통합 제어 할당: 과구동 오모니디렉션널 UAV 의 제어 할당을, 비대칭 모터 동역학, 강체 동역학, 피드백 제어기를 재귀적 지평선 내에 명시적으로 포함하는 제약 최적 제어 문제로 공식화했습니다.
2. 정확한 힘 유지와 저차원 최적화: 원하는 힘/토크 (Wrench) 를 정확히 보존하면서, 문제의 차원을 할당 행렬의 저차원 영공간 (2 차원) 으로 축소하여 계산 효율성을 확보했습니다.
3. 성능 검증: OmniOcta 플랫폼 시뮬레이션을 통해 기존 단일 단계 QP 할당기 (MBNO) 대비 모터 명령 진동을 현저히 줄이고, 궤적 추적 정확도를 크게 향상시켰음을 입증했습니다.

4. 실험 결과 (Results)

OmniOcta 플랫폼을 이용한 60 초 시뮬레이션 (위치 이동 및 Y 축 회전) 에서 기존 방법 (MBNO) 과 비교한 결과입니다.

• 모터 명령의 부드러움:
  • MBNO: 모터 명령 ($u_{act}$) 에서 뚜렷한 진동 (Chattering) 이 관찰됨 (특히 30~37 초 구간).
  • 제안 방법: 모터 명령이 매우 매끄럽게 분포하며, 진동이 효과적으로 억제됨. 또한 기동 중 모터가 0 속도로 떨어지는 현상이 발생하지 않아 응답성이 유지됨.
• 궤적 추적 오차 개선:
  • 위치 오차 (Position Error):
    • 평균 오차: 9.5cm $\rightarrow$ 3.8cm (약 60% 감소)
    • RMS 오차: 14.6cm $\rightarrow$ 4.6cm (약 68% 감소)
  • 방향 오차 (Orientation Error): 평균 및 RMS 오차 모두 감소 (단, 각도 $2\pi$ 불연속성으로 인한 통계적 왜곡이 일부 존재함).
• 결론: 제어기가 요청하는 힘 (Wrench) 은 동일하지만, 모터 명령의 진동을 억제함으로써 실제 시스템의 비대칭 동역학을 보상하고 궤적 추적을 정밀하게 수행할 수 있음을 보였습니다.

5. 의의 및 향후 과제 (Significance & Future Work)

• 의의:
  • 기존 MPC 기반 접근법이 전체 상태/입력 공간을 최적화하여 계산 부하가 큰 반면, 이 방법은 영공간만 최적화하여 실시간 onboard 실행이 가능한 계산 효율성을 확보했습니다.
  • 하드웨어의 비선형적/비대칭적 특성을 제어 계층의 최상단 (할당 단계) 에서 예측하여 보상함으로써, 별도의 저수준 모터 제어기 변경 없이도 성능을 극대화했습니다.
• 향후 과제:
  • 각도 표현의 불연속성 ($2\pi$ wrapping) 문제를 해결하기 위한 특이점 없는 (Singularity-free) 파라미터화 도입.
  • 실제 물리적 OmniOcta 플랫폼에서의 실증 실험 (모델링되지 않은 동역학 및 센서 노이즈 환경 하에서).

이 논문은 과구동 UAV 의 제어 할당 문제를 단순한 순간 최적화 문제를 넘어, 시스템의 동역학적 특성을 고려한 예측 기반 최적화 문제로 접근함으로써 정밀한 비행 제어의 새로운 패러다임을 제시했습니다.