Multi-AUV Marine Life Tracking with Single Hydrophone Payloads via a Hidden Markov Model Equipped Particle Filter

기술 요약: 단일 하이드로폰 페이로드를 탑재한 다중 AUV 기반 해양 생물 추적

문제 정의
해양 동물을 추적하는 것은 이동 경로, 행동 양식, 그리고 기후 변화의 영향을 이해하는 데 필수적입니다. 음향 텔레메트리(acoustic telemetry)는 송신기를 통해 지속적인 데이터 수집을 가능하게 하지만, 기존의 고정형 하이드로폰 어레이는 동물이 범위를 벗어날 경우 높은 데이터 손실 문제를 겪습니다. 반대로, 수상 보트를 이용한 능동적 추적은 노동 집약적이며 공간 해상도가 제한적입니다. 기존의 자율 무인 잠수정(AUV) 솔루션들은 대형 프레임에 장착된 다중 하이드로폰 페이로드를 사용하여 송신기를 국지화하려고 시도했습니다. 이는 입사각(angle-of-arrival) 추정에는 효과적이지만, 무거운 페이로드가 상당한 항력을 유발하여 AUV의 속도, 기동성 및 배터리 수명을 감소시킴으로써 이동성이 높은 동물을 추적하는 데 한계를 줍니다. 또한, 트랜스폰더 송신기를 사용하는 대안적 솔루션은 상어와 같은 대형 종에게만 가능한 맞춤형 대형 송신기를 필요로 합니다.

방법론
본 연구는 각 AUV에 단일 개의 소형 무지향성 하이드로폰을 장착하여 음향 송신기를 국지화하는 시스템을 제안합니다. 이 시스템은 송신기와 AUV가 수면 근처에 머문다는 가정하에 2D 상태 추정을 수행합니다.

1. 거리 추정: 동기화된 클록 없이는 비행 시간(TOF)을 직접 측정할 수 없으므로, 본 시스템은 연속적인 신호 감지 간격($\Delta t$)과 송신기의 알려진 펄스 주기($T$) 사이의 차이를 분석하여 거리 변화량($\Delta r$)을 추정합니다. TOF의 변화는 $\Delta TOF = \Delta t - T$로 계산됩니다. 알려진 초기 거리로부터 이러한 변화량을 누적함으로써, AUV와 송신기 사이의 절대 거리를 추정합니다.
2. 입자 필터(Particle Filter)를 통한 상태 추정: 입자 필터는 여러 대의 AUV로부터 얻은 측정값을 융합하여 송신기의 상태 벡터인 위치($x, y$), 방향($\theta$), 선속도($v$), 각속도($\omega$)를 추정합니다.
   • 예측 단계(Prediction Step): 세 가지 운동 모델 중 하나를 사용하여 입자를 시간 경과에 따라 전파합니다.
   • 보정 단계(Correction Step): 예측된 상태에 따른 관측된 거리 및 거리 변화율($\dot{r}$)의 가능도(likelihood)를 바탕으로 입자의 가중치를 업데이트합니다.
   • 재표집(Resampling): 고확률 영역에 계산 자원을 집중하기 위해 입자를 재표집합니다.
3. 운동 모델: 본 연구는 세 가지 뚜리한 운동 모델을 비교합니다.
   • 기초 랜덤 워크(Baseline Random Walk): 좌표에 가우시안 노이즈를 추가합니다.
   • 속도 모델(Velocity Model): 선속도와 각속도에 가우시안 노이즈를 추가합니다.
   • 은닉 마르코프 모델(HMM): 역사적인 백상아리 궤적 데이터를 기반으로 도출된 새로운 접근 방식으로, 동물은 관찰 불가능한 행동 상태 사이를 전환한다고 가정합니다. 관찰 가능한 속도는 상태별 감마(선속도) 및 폰 미제스(각속도) 분포를 따릅니다.

주요 기여
본 논문은 다섯 가지 주요 기여를 명시합니다:

1. AUV에 장착된 단일 무지향성 하이드로폰을 사용하여 기성품 음향 송신기와의 거리를 측정하는 방법 제시.
2. HMM 기반 운동 모델을 사용하는 입자 필터를 활용한 새로운 다중 AUV 국지화 알고리즘 개발.
3. 실제 해양 배치 데이터 및 확장된 시뮬레이션 실험을 통한 알고리즘의 오프라인 검증.
4. HMM 운동 모델이 표준 속도 및 랜덤 워크 모델보다 우수한 성능을 보임을 입증하는 비교 분석.
5. 다양한 측정 손실 수준에 따른 시스템의 수렴성 및 강건성 분석.

결과
시스템은 롱비치(Long-Beach) 데이터셋(이동하는 AUV, 고정된 송신기), 산타 엘레나 베이(Santa Elena Bay) 데이터셋(이동하는 송신기와 Aв), 그리고 124,000개의 백상아리 위치 관측값에 기반한 대규모 시뮬레이션 데이터셋을 통해 검증되었습니다.

• 정확도:
  • 단기/실제 환경: 시스템은 단기 배치 시 약 10미터의 제곱평균제곱근 오차(RMSE)를 달성했습니다.
  • 장기/시뮬레이션: 더 넓은 영역에서의 장기 실험의 경우, RMSE는 약 15미터였습니다.
• 모델 성능:
  • 롱비치 데이터셋(단순 이동): 모든 모델이 유사한 성능을 보였습니다 (RMSE ~4.4m ~ 6.1m).
  • 산타 엘레나 베이 데이터셋(복잡한 이동): HMM 모델이 가장 낮은 RMSE(8.78 m)를 기록하며, 속도 모델(12.31 m)과 기초 모델(11.22 m)보다 우수한 성능을 보였습니다.
  • 시뮬레이션 데이터셋(대규모): HMM 모델은 속도 모델(30.77 m) 및 기초 모델(970.46 m)에 비해 월등히 낮은 13.62 m의 RMSE를 기록하며 다른 모델들을 압도했습니다. HMM은 특히 두 가지 가능한 교차점 사이의 모호성을 처리하기 위해 다중 모드 분포를 유지하는 데 탁월했으며, 발산하지 않았습니다.
• 수렴 시간: HMM 모델은 모호한 위치에서 올바른 상태를 결정하기 전까지 입자의 다양성을 더 오래 유지하기 때문에, 일반적으로 기초 모델(27초) 및 속도 모델(40초)보다 긴 평균 수렴 시간(산타 엘레나 베이에서 180초)을 가졌습니다.
• 강건성: 시스템은 최대 20%의 측정 손실에서도 강건함을 유지했습니다 (평균 수렴 시간 ~44초, RMSE ~15 m). 성능은 80% 손실까지는 완만하게 저하되었으나, 수렴 시간과 RMSE가 크게 증가했습니다. 80% 이상의 손실이 발생하면 성능이 급격히 악화되었습니다.
• 수심 가정: 2D 가정이 상어 수심 데이터와 비교하여 검증되었으며, 수심이 10.7미터 이하일 경우 일반적인 추적 거리(예: 50m에서 오차 <2.4%)에서 2D 거리 추정 오차는 무시할 수 있는 수준임을 확인했습니다.

의의
본 논문은 이 연구가 무거운 다중 하이드로폰 AUV 페이로드를 대체할 실질적인 대안을 제공한다고 주장합니다. 여러 대의 AUV에 단일 소형 하이드로폰을 장착함으로써, 이 시스템은 항력을 줄여 이동성이 높은 해양 생물을 추적하기 위한 높은 속도와 기동성을 확보할 수 있게 합니다. 역사적 동물 행동에 맞춘 HMM 운동 모델의 통합은 일반적인 운동 모델보다 국지화 정확도를 높이며, 특히 복잡한 실제 환경에서 그러합니다. 본 시스템은 상당한 데이터 손실이 발생하는 상황에서도 정확한 상태 추정(약 10~15m RMSE)이 가능하며, 특수 제작된 대형 송신기 없이도 가능하다는 것을 보여줍니다. 이러한 접근 방식은 환경 및 동물에 가해지는 스트레스를 최소 최소화하면서도 더욱 "은밀한" 추적을 가능하게 하여, 궁극적으로 보호가 필요한 구역을 식별하는 데 도움을 줍니다.