Distributed 3D Leader-Follower Formation Control with Field-of-View Safety via Control Barrier Functions

기술 요약: 제어 장벽 함수를 통한 시야각 안전성을 갖춘 분산형 3 차원 리더 - 팔로워 형성 제어

문제 제기
본 논문은 특히 상대 상태 추정이 온보드 카메라에 의존하는 GPS 부재 환경에서, 다중 UAV 시스템의 안전하고 비전 기반인 3 차원 리더 - 팔로워 형성 (3D-LFF) 유지를 해결 과제로 다룹니다. 이러한 시스템에서 팔로워 카메라의 시야각 (FOV) 과 깊이 범위는 중요한 제약 조건입니다. 형성 추적 명령이 리더를 팔로워 카메라의 프러스텀 (frustum) 밖으로 이동시키면 가시성이 상실되어 상대 상태 추정에 실패하고, 이는 임무 실패로 이어질 수 있습니다. 기존 위치 기반 접근법들은 종종 이러한 3 차원 카메라 프러스텀 제약을 엄격하게 모델링하지 못하며, 평면 가시성 방법을 3 차원 UAV 형성으로 확장하는 것은 결합된 3 차원 기하학과 상대 헤딩 효과로 인해 단순하지 않습니다. 핵심 문제는 리더가 항상 팔로워 카메라 프러스텀 내에서 엄격하게 가시적으로 유지되도록 보장하면서 정확한 형성 추적을 달성하는 분산형 제어 프레임워크를 설계하는 것입니다.

방법론
제안된 솔루션은 명목 형성 제어기와 제어 장벽 함수 (CBF) 기반 안전 필터를 통합하는 위계적, 인식 인지형 제어 아키텍처입니다.

1. 시스템 모델링: 저자들은 구면 좌표계 ($L_{ij}, \phi_{ij}, \xi_{ij}$) 를 사용하여 상대 헤딩 변수 ($\alpha_{ij}$) 가 추가된 리더 - 팔로워 쌍에 대한 상대 운동학 모델을 유도합니다. 이 모델은 팔로워의 몸체 고정 카메라와 리더 사이의 기하학을 팔로워의 몸체 좌표계로 표현하여 포착합니다.
2. 명목 제어기: 지역적으로 이용 가능한 상대 상태와 통신된 리더 상태만을 사용하여 분산형 3D-LFF 추적 제어기가 설계됩니다. 이 제어기는 형성 오차를 0 으로 지수적으로 수렴시키도록 의도된 명목 속도 명령 ($u_i^{nom}$) 을 생성합니다.
3. 안전 필터 (CBF-QP): 가시성을 강제하기 위해 명목 명령은 제어 장벽 함수 기반 2 차 계획법 (CBF-QP) 을 통해 처리됩니다.
   • 안전 집합 정의: 인식 안전 집합은 카메라 프러스텀 제약 (수평/수직 FOV 각도 및 깊이 제한 $[x_{near}, x_{far}]$) 으로 정의됩니다. 이러한 제약은 직교 좌표계에서 연속적으로 미분 가능한 함수 ($h_c$) 로 인코딩됩니다.
   • 최적화: 각 제어 시간 단계에서 QP 는 CBF 제약 ($\dot{h}_c + \kappa h_c \geq 0$) 을 준수하는 범위 내에서 안전 명령 ($u_i^{safe}$) 과 명목 명령 ($u_i^{nom}$) 사이의 편차를 최소화합니다. 이는 안전 집합의 순방향 불변성을 보장하여, 리더가 프러스텀 내부에서 시작하면 그곳에 머무르게 합니다.
   • 강건성: 프레임워크는 제어 입력 한계와 모델링되지 않은 외란을 처리하기 위해 슬랙 변수를 포함하여, 공격적인 기동 하에서도 실현 가능성을 보장합니다.

주요 기여
본 논문은 세 가지 주요 기여를 제시합니다:

1. 상대 운동학 모델: 상대 헤딩을 포함하는 구면 좌표계의 3 차원 운동학 모델로, 지역 상대 측정을 기반으로 한 분산형 제어 법칙을 가능하게 합니다.
2. 실시간 안전 필터: 명목 형성 명령을 최소한으로 수정함으로써 3 차원 카메라 프러스텀 제약 (FOV 및 깊이) 을 강제하는 CBF-QP 안전 필터입니다. 이는 실현 가능한 한 추적 성능을 유지하면서 연속적인 가시성을 보장합니다.
3. 실험적 검증: Gazebo 시뮬레이션과 Crazyflie 2.1 하드웨어 실험을 통한 포괄적인 검증입니다. 결과는 원하는 형성을 추적하고, 원하는 형성이 가시성 한계와 충돌하거나 리더가 급격한 기동을 수행할 때조차 FOV 제약을 엄격하게 강제하는 프레임워크의 능력을 입증합니다.

결과
제안된 방법은 3 단계 형성 작업과 급격한 리더 운동 작업이라는 두 가지 시나리오에서 안전 필터가 없는 기준 제어기 (NoCBF) 와 비교 평가되었습니다.

• 3 단계 작업: 2 단계에서 원하는 형성 확장이 리더를 카메라 프러스텀 경계 쪽으로 밀어붙였을 때, NoCBF 기준은 안전 제약을 위반하여 리더가 FOV 를 벗어나게 했습니다. 반면, CBF 를 탑재한 팔로워는 리더를 안전 집합 내부에 유지하도록 속도를 동적으로 조정하여 형성 목표와 인식 안전성 사이의 충돌을 성공적으로 해결했습니다.
• 급격한 운동: 리더의 급격한 감속이 포함된 시나리오에서 NoCBF 기준은 팔로워가 과도하게 이동하여 리더를 잃는 것을 방지하지 못했습니다. 제안된 프레임워크는 과도 이동을 성공적으로 완화하여 가시성을 유지했습니다.
• 하드웨어 실험: Crazyflie 드론을 이용한 실제 비행 테스트는 시뮬레이션 결과를 확인했습니다. CBF 제어기는 복잡한 기동 (요 모뎀 레미니스케트 궤적 포함) 중에도 리더를 프러스텀 내부에 유지했으나, 기준 제어기는 형성 확장 단계 동안 안전 제약을 유지하지 못했습니다.

의의 및 주장
본 논문은 3 차원 공간에서 인식 인지형 형성 제어를 위한 엄밀한 솔루션을 제공한다고 주장합니다. 그 의의는 다음과 같습니다:

• 보장된 가시성: 3 차원 기하학을 완전히 모델링하지 못하거나 휴리스틱에 의존할 수 있는 이전 방법들과 달리, 이 접근법은 CBF 를 사용하여 리더가 카메라 프러스텀 내부에 머무는 것을 수학적으로 보장합니다 (순방향 불변성).
• 최소한의 개입: CBF-QP 형식은 안전 필터가 필요할 때만 제어 입력을 수정하도록 보장하여, 가능한 한 명목 형성 추적 성능을 유지합니다.
• 실용적 적용성: 시뮬레이션과 물리적 하드웨어 (Crazyflie) 모두에서의 성공적인 검증은 이 접근법이 자원이 제한된 UAV 에 실시간으로 구현하는 것이 계산적으로 실현 가능함을 보여줍니다.

저자들은 현재 실험이 이상적인 상대 측정을 모방하기 위해 모션 캡처를 사용하지만, 향후 작업은 원시 이미지 기반 측정을 사용하여 폐루프를 닫기 위해 온보드 인식을 통합하는 것을 목표로 한다고 언급합니다. 본 논문은 모든 다중 에이전트 조정 문제를 해결한다고 주장하지는 않지만, 3 차원 리더 - 팔로워 구성에서 형성 추적과 인식 안전성의 중요한 교차점을 구체적으로 대상으로 합니다.