Geometry-Aware Surrogate for Real-Time Hydrodynamics Estimation of Autonomous Ground Vehicles in Amphibious Environments

기술 요약: 실시간 유체역학 추정을 위한 기하학적 인식 대리 모델

문제 제기
얕은 물이나 홍수 위험 지형과 같은 양서류 환경에서 작동하는 자율 지상 차량 (AGV) 은 항력, 부력, 부가 질량과 같은 유체역학적 힘을 정확하게 고려한 동적 모델이 필요합니다. 현재 시뮬레이션 및 계획 도구는 이분법에 직면해 있습니다: 높은 충실도의 전산 유체 역학 (CFD) 솔버는 물리적 정확도를 제공하지만 실시간 사용에는 계산 비용이 너무 많이 들어 (종종 몇 초의 시뮬레이션에 몇 시간이 소요됨) 비현실적이며, 단순화된 모델 (예: 고정된 항력 계수 또는 기본 부력) 은 실시간으로 실행되지만 기하학적 의존성 상호작용을 포착할 충실도가 부족하여 시뮬레이션과 현실 간의 큰 격차를 초래합니다. 기존 데이터 기반 접근 방식은 종종 차량을 단일 고체로 취급하여 침수 깊이와 유동 방향이 변함에 따라 특정 기하학적 표면 전체에 하중이 어떻게 변하는지 해결하지 못합니다.

방법론
저자들은 고충실도 CFD 데이터로 완전히 훈련된 표면별 신경망 대리 모델을 제안하여, 실시간 속도로 공간적으로 분포된 유체역학적 힘을 예측합니다.

• 데이터 생성: 고정된 몸체와 이동하는 유체 전략을 사용하는 유체 부피 (VOF) 공식으로 Clearpath Husky A200 과 Clearpath Warthog 두 가지 기하학적으로 구별되는 플랫폼에 대해 고충실도 CFD 시뮬레이션을 수행했습니다. 매개변수 공간은 속도, 유동 각도, 유체 밀도, 수심을 변화시켰습니다.
• 기하학 표현: 차량 기하학은 의미 있는 표면 패치 (예: 전방, 후방, 측면, 바퀴, 하부) 로 분해됩니다. 차량 메시에서 부호付き 거리장 (SDF) 을 사전 계산하여 수위 기반의 각 패치에 대한 정확한 침수 지표 (침수 비율 및 정규화된 평균 깊이) 를 계산합니다.
• 신경망 아키텍처: 이 모델은 모든 표면 패치에 걸쳐 공유 가중치를 갖는 다층 퍼셉트론 (MLP) 입니다.
  • 입력: 전역 특징 (속도, 밀도, 깊이, 프루드 수 및 레이놀즈 수와 같은 무차원 수) 과 표면별 특징 (의미 유형, 중심, 법선, 면적, 동적 침수 지표).
  • 출력: 각 유체 밀도로 정규화되어 다양한 유체에 대한 일반화를 장려하는 각 표면 패치에 대한 3 성분 유체역학적 힘 ($F_x, F_y, F_z$).
• 손실 함수: 훈련 목적은 하이브리드 표면별 손실 (MSE 및 상대 오차), 순 힘 일관성 손실 (표면 힘의 합이 전체 CFD 힘과 일치하도록 보장), 그리고 물리 위반 패널티 (건조한 표면의 힘을 패널티로 부과) 를 결합합니다.
• 검증: 이 모델은 수로에서 풀스케일 Warthog 차량을 사용하여 실험적으로 검증되었습니다. 모션 캡처 데이터는 운동학 입력 (속도 및 수위) 을 제공했으며, 모델의 예측은 직접적인 힘 측정 (구동 차량에서 분리하기 어려움) 대신 확립된 유체역학적 스케일링 법칙과 비교하여 테스트되었습니다.

주요 기여

1. 표면별 분해: 단일 집계 힘 벡터를 예측하는 이전 대리 모델과 달리, 이 모델은 개별 표면 패치 수준에서 힘을 해결합니다. 이를 통해 모델은 깊이와 유동 방향의 함수로서 특정 신체 영역이 순 하중에 어떻게 기여하는지 포착할 수 있습니다.
2. 크로스 플랫폼 일반화: 이 모델은 두 가지 구별되는 차량 기하학으로 훈련되었으며, 차량별 재훈련 없이 정규화된 기하학적 및 물리학적 특징을 활용하여 크기와 모양을 넘어 일반화할 수 있음을 입증했습니다.
3. 발현된 물리적 일관성: 이 모델은 물리적 스케일링 법칙을 명시적으로 인코딩하지 않고 CFD 데이터만으로 훈련되었습니다. 그러나 실험적 검증은 이 모델이 훈련 손실의 일부가 아니었던 근본적인 유체역학적 관계 (이차 항력 스케일링 및 선형 부력 - 수심 스케일링) 를 자연스럽게 재현했음을 보여주었습니다.
4. 실시간 성능: 이 대리 모델은 단일 CPU 코어에서 샘플당 0.9ms 미만의 추론 시간을 달성하여 실시간 시뮬레이션 및 제어 루프에 통합하기에 적합합니다.

결과

• CFD 정확도: 홀드아웃 CFD 데이터에서 이 대리 모델은 두 차량 플랫폼 모두에서 종방향 힘 ($F_x$) 에 대해 약 13% 의 대칭 평균 절대 백분율 오차 (sMAPE) 를, 수직 힘 ($F_z$) 에 대해 3~12% 의 오차를 달성했습니다.
• 추론 지연 시간: Intel i7-13700HX CPU 에서 Husky 의 중앙값 추론 지연 시간은 0.826ms 이었고 Warthog 은 0.833ms 이었으며, 95 백분위수 지연 시간은 0.90ms 미만이었습니다.
• 실험적 검증:
  • 항력 스케일링: 예측된 항력 힘은 다양한 침수 깊이에서 속도와 이차 관계를 따랐습니다 ($R^2 \geq 0.97$).
  • 부력 스케일링: 예측된 수직 힘은 부력 절편과 수심 사이에 선형 관계를 보여주었습니다 ($R^2 = 0.973$).
  • 시뮬레이션 - 현실 전이: 이 모델은 명시적 프로그래밍 없이 물리 법칙을 재현하면서 시뮬레이션에서 현실 세계 조건으로 성공적으로 전이되었으며, 기하학적 인식 아키텍처가 근본적인 유체 - 구조 상호작용을 학습할 수 있음을 확인했습니다.

의의 및 주장
이 논문은 양서류 차량 시뮬레이션에서 물리적 충실도와 계산 속도 간의 격차를 해소한다고 주장합니다. 기하학적으로 해결된 힘 추정을 대화형 속도로 제공함으로써, 이 프레임워크는 현재 과도하게 단순화된 모델에 의존하는 시뮬레이션 및 계획 파이프라인에 물리적으로 근거한 유체역학을 내장할 수 있게 합니다. 저자들은 이 모델이 명시적 제약 없이 다양한 차량 기하학에 걸쳐 일반화하고 항력 및 부력과 같은 발현된 물리적 스케일링 법칙을 재현할 수 있는 능력이 견고한 시뮬레이션 - 현실 전이 능력을 보여준다고 강조합니다. 이 접근 방식은 비용이 많이 드는 현장 테스트와 반복적인 CFD 시뮬레이션의 필요성을 줄이면서 유체 영향 지형에서 자율 차량 행동의 신뢰성을 향상시키는 경로를 제공합니다. 이 작업은 양서류 자율성을 위한 실시간 물리 일관성 제어 및 계획으로 나아가는 한 걸음으로 제시되지만, 저자들은 역사 의존적 동역학의 부재 (준정상 가정) 와 기하학의 강체 근사와 관련된 한계를 지적합니다.