Cooperative Switched Formation Control of Autonomous Vehicles: An Event-triggered Approach to Input Saturation and Time-delay Challenges

기술 요약: 자율 주행 차량의 협력적 스위칭 대형 제어

문제 정의
본 논문은 복잡한 실제 환경에서 운용되는 자율 주행 차량(AV)의 협력적 적응형 대형 제어를 다룬다. 기존의 군집 제어 연구는 주로 단일 차선의 고정된 구성 내에서의 종방향 조절에 집중하는 반면, 본 연구는 종방향 및 횡방향 역학을 모두 포함하는 차량 대형 제어를 목표로 한다. 제어 프레임워크는 다음 세 가지 핵심 과제를 동시에 해결해야 한다:

1. 입력 포화(Input Saturation): 조향 및 제동 액추에이터의 물리적 토크 제한으로, 이를 초과할 경우 시스템 성능이 저하될 수 있다.
2. 시간 지연(Time Delays): 센서, 구동계, 액추에이터 및 통신에서 발생하는 지연으로, 이는 협력 제어를 불안정하게 만들고 추적 오차를 확대할 수 있다.
3. 시스템 불확실성(System Uncertainties): 미지의 외부 섭동(예: 바람, 도로 불규칙성) 및 저항력.

또한, 본 논문은 전통적인 제어 방식에서 요구되는 지속적 또는 주기적인 업데이트로 인해 부담을 느끼는 자율 주행 함대의 자원 사용 최상을 최적화하고자 한다.

방법론
저자들은 백스테핑(backstepping) 방법, 방사 기저 함수(RBF) 신경망(NN), 그리고 리아푸노프(Lyapunov) 안정성 이론에 기반한 통합 분산 적응형 제어 프레임워크를 제안한다. 방법론의 핵심 구성 요소는 다음과 같다:

• 입력 포화 보상: 포화 함수의 비미분적 특성을 해결하기 위해, 저자들은 포화 비선형성을 매끄러운 쌍곡 탄젠트 함수($\tanh$)와 유계 근사 오차 항을 사용하여 근사화한다. 이를 통해 비선형성을 백스테핑 설계가 가능한 형태로 만든다.
• 지연 보상: 통신 및 액추에이션 시간 지연($\tau$)의 영향을 추정하고 상쇄하기 위한 지연 보상 보조 시스템을 설계한다.
• 불확실성 처리: RBF 신경망은 미지의 저항 항을 근사화하는 데 사용되며, 불확실성 관측기는 합쳐진 외부 섭동을 추정한다.
• 동적 임계값 이벤트 트리거 제어(Dynamic-Threshold ETC): 정적 임계값 ETC 방식과 달리, 이 프레임워크는 현재 제어기 값에 따라 임계값이 결정되는 동적 트리거링 조건을 활용한다. 제어 업데이트는 규정된 조건이 충족될 때만 실행되어 통신 및 계산 부하를 크게 줄인다.
• 안정성 분석: 설계에는 추적 오차가 사전 정의된 범위 내에 머물도록 보장하기 위해 대칭 장벽 리아푸노프 함수(Symmetric Barrier Lyapunov Functions, BLF)를 사용한다. 폐루프 시스템의 안정성은 엄격하게 증명되었으며, 모든 신호가 유계 균등 최종 유계(Uniformly Ultimately Bounded, UUB)임을 입증하고 제노(Zeno) 현상(유한한 시간 내의 무한한 트리거 발생)이 엄격히 배제됨을 보여준다.

주요 기여
본 논문은 다음과 같은 주요 기여를 주장한다:

1. 통합 프레임워크: 자율 주행 차량을 위한 단일 적응형 대형 제어 설계 내에서 입력 포화, 통신 시간 지연, 외부 불확실성을 동시에 다루는 최초의 알려진 프레임워크를 제시한다.
2. 동적 ETC 전략: 정적 임계값 방식에 비해 제어 자원을 더 유연하고 효율적으로 할당하면서도 제노 현상의 배제를 보장하는 동적 임계값 ETC 전략을 개발하였다.
3. 복잡한 시나리오 처리: 속도 변화와 대형 패턴 변화(예: 선형 군집에서 사각형 대형으로의 전환)를 포함하는 복잡한 스위칭 대형 시나리오에서 프레임워크를 입증하였으며, 이는 기존 ETC 기반 문헌에서 제한적으로 다루어진 주제이다.
4. 2차원 제어: 종방향 및 횡방향 역학을 하나의 통합된 프레임워크로 통합하여, 전통적인 종방향 전용 군집 연구와 구별되는 협력적 2차원 제어를 가능하게 한다.

시뮬레이션 결과
제안된 접근 방식의 효과는 MATLAB을 이용한 수치 시뮬레이션과 Godot 4.5.2를 이용한 3D 시각화를 통해 검증되었다. 시뮬레이션은 4차로 도로에서 4대의 자율 주행 차량이 협력적인 차선 변경 및 대형 재구성 동작을 수행하는 과정을 포함하였다.

• 추적 성능: 자율 주행 차량들은 초기 위치/속도 차이와 기준 신호의 동적 변화에도 불구하고 원하는 궤적과 속도를 성공적으로 추적하였다.
• 자원 효율성: ETC 전략은 제어기 업데이트 빈도를 크게 감소시켰다. 표 II에 따르면, 연속 시간 제어와 비교했을 때 종방향에서는 약 85%95%, 횡방향에서는 33%86%의 자원 절감 효과가 나타났다.
• 안전 및 안정성: 차량 간 안전 거리는 기동 전반에 걸쳐 안전 임계값 이상으로 일관되게 유지되었다. 제어 입력은 규정된 포화 한계 내에 머물러 액추에이터 손상을 방지하였다.
• 교통 흐름에 대한 시사점: 결과는 제안된 제어기가 감속 및 대형 변경 중에도 안정적인 교통 흐름을 유지하며, 섭동 전파를 최소화하면서 협력적인 함대 운용을 지원함을 시사한다.

의의 및 주장
본 논문은 제안된 방법이 이론적 연구에서 별도로 다루거나 무시되곤 하는 물리적 제약(포화)과 운영상의 실체(지연 및 불확가성)를 명시적으로 다룸으로써 자율 주행 차량의 협력 제어를 위한 실질적으로 실행 가능한 솔루션을 제공한다고 주장한다. 적응형 신경망, 지연 보상 및 동적 이벤트 트리거링을 결합함으로써, 이 프레임워크는 통신 및 계산 자원의 소비를 최소화하면서도 강건한 궤적 추적을 달학한다. 저자들은 이 접근 방식이 동적인 다차로 교통 환경에서 자율 주행 함대의 실전 배치를 향한 중요한 진전이며, 교통 흐름의 규칙성과 운행 안전성을 개선한다고 결론짓는다. 향-후 연구는 더 복잡한 교통 시나리오와 동적으로 변화하는 함대 구성으로 프레임워크를 확장하는 데 집중할 것임을 언급하였다.