⚡ electrical engineering

Control Barrier Function only Formation Tracking in Multi-Agent Systems

이 논문은 수동적인 파라미터 튜닝이나 별도의 명목 제어기 없이 오직 상대적인 이웃 정보만을 사용하여 대형 추적을 달성하기 위해, 이차 최적화 설정 내에서 단일 제어 장벽 함수 유사 제약 조건을 활용하는 이종 다중 에이전트 시스템을 위한 실시간 제어 프레임워크를 제안한다.

원저자: S. Saharsh, Pushpak Jagtap

게시일 2026-06-25

📖 4 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: S. Saharsh, Pushpak Jagtap

원본 논문은 CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ✨ 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

새 떼, 물고기 떼, 혹은 완벽한 일체감으로 움직이는 무용수 그룹을 상상해 보십시오. 로봇 공학의 세계에서는 이를 **대형 추적(formation tracking)**이라고 부릅니다. 목표는 서로 다른 로봇들(어떤 것은 빠르고, 어떤 것은 느리며, 어떤 것은 자동차처럼 움직이고, 어떤 것은 드론처럼 움직이는)이 서로 충돌하거나 길을 잃지 않으면서, 리더를 따라 특정 형상을 유지하며 함께 움직이도록 하는 것입니다.

이 논문은 이러한 로봇 그룹이 복잡한 환경에서도 실시간으로 움직일 수 있게 해주는 새로운 "두뇌"를 제안합니다. 이 기술이 어떻게 작동하는지 쉬운 개념으로 나누어 설명하겠습니다.

1. 문제점: "줄다리기"

보통 로봇에게 대형을 유지하도록 프로그래밍할 때는 두 가지 상충하는 목표 사이에서 균형을 잡아야 합니다.

목표 A: 올바른 형태 유지 (대형)
목표 B: 충돌 방지 및 구역 이탈 방지 (안전)

전통적인 방식에서 이 두 목표는 서로 충돌하곤 합니다. 컴퓨터는 두 가지를 모두 만족시키려다 혼란에 빠지며, 때로는 수학적 오류(시스템 불가능성)가 발생하여 로봇이 멈추거나 이상하게 행동하게 됩니다. 이는 마치 자동차를 운전하면서 동시에 주차를 완벽하게 하려고 애쓰고 동시에 벽을 피하려고 노력하는데, 핸들이 꽉 끼어버린 상황과 같습니다.

2. 해결책: "마법의 나침반" (CBF)

저자들은 **제어 장벽 함수(Control Barrier Function, CBF)**라고 불리는 영리한 기법을 도입했습니다. 이것을 단순히 로봇이 어디로 가야 할지 알려주는 것을 넘어, 목적지에 도달하는 동안 안전을 보장하는 "마격의 나침반"이라고 생각하십시오.

혁신: "대형 유지"와 "안전 확보"를 별개의, 서로 싸우는 두 가지 과제로 취급하는 대신, 이 논문은 이를 하나의 단일 규칙으로 결합합니다.
비유: 여러분이 붐비는 방을 지나가고 있다고 상상해 보십시오. 보통 여러분은 "출구에 도달하기"(대형)와 "사람들과 부딪히지 않기"(안전)를 각각 신경 써야 합니다. 이 새로운 방식은 여러분에게 하나의 지시를 내립니다: "출구를 향해 걸어가되, 사람들에게서 멀어지도록 손을 뻗어 자신을 부드럽게 유도하라." 이는 전체 과정을 하나의 매끄럽고 안전한 움직임으로 바꿉니다.

3. 로봇들이 서로를 "보는" 법

로봇들은 GPS 위성이나 모든 위치를 정확히 알려주는 중앙 컴퓨터를 필요로 하지 않습니다. 그들은 오직 주변의 이웃 로봇들만을 보면 됩니다.

"방위각(Bearing)" 개념: 각 로봇은 이웃의 정확한 거리나 좌표를 알 필요 없이, 이웃을 바라보는 방향(각도)만을 알면 됩니다.
비유: 어둠 속에서 사람들이 원을 그리며 손을 잡고 있다고 상상해 보십시오. 그들은 서로 얼마나 떨어져 있는지 알 필요가 없습니다. 단지 이웃이 어느 방향에 서 있는지만 알면 됩니다. 모두가 올바른 각도로 이웃을 바라보기만 하면, 전체 원형 대형이 스스로 형성됩니다. 이 논문은 이 "각도를 바라보는 것"(방위각)을 사용하여 모든 사람이 어디에 있어야 하는지를 파악합니다.

4. "리더-팔로워" 댄스

이 시스템은 리더-팔로워(Leader-Follower) 구조를 사용합니다.

리더들: 몇몇 로봇(오케스트라의 지휘자처럼)은 미리 계획된 경로를 따릅니다. 이들이 속도와 일반적인 방향을 설정합니다.
팔로워들: 나머지 로봇들은 리더와 자신들의 직계 이웃을 관찰합니다. 이들은 각도로 정의된 "형상"에 맞추기 위해 속도와 방향을 조调整합니다.
마법 같은 결과: 만약 모든 팔로워가 자신의 가장 가까운 두 이웃과 올바르게 정렬하기만 한다면, 리더가 빠르게 움직이거나 방향을 바꾸더라도 전체 그룹이 자동으로 완벽한 형상을 갖추게 된다는 것을 이 논문은 증명합니다.

5. "원스텝(One-Step)" 최적화

로봇의 두뇌는 **이차 계획법(Quadratic Programming, QP)**이라는 수학적 도구를 사용합니다. 이것을 매 순간 아주 빠르게 퍼즐을 푸는 초고속 계산기라고 생각하십시오.

기존 방식: 계산기는 두 가지 다른 퍼즐(형상 + 안전)을 동시에 풀려고 시도했으며, 이는 종종 "해답 없음" 오류로 이어졌습니다.
새로운 방식: 계산기는 단 하나의 퍼즐을 풉니다. 질문은 다음과 같습니다: "내가 올바른 형상을 유지하면서 특정 시간 내에 목표 각도에 도달할 수 있는 가장 쉽고 효율적인 움직임은 무엇인가?"
결과: 로봇들은 복잡한 안전 규칙을 다시 계산하기 위해 멈출 필요 없이, 형상을 유지하면서 속도와 방향을 즉각적으로 조정하며 매끄럽게 움직입니다.

6. 증명 (시뮬레이션)

저자들은 다음 요소들을 포함한 컴퓨터 시뮬레이션으로 이를 테스트했습니다.

2명의 리더: 경로를 따라 이동함.
6명의 팔로워: 일부는 단순한 "이중 적분기(double integrator)" 로봇(직선으로 움직이는 점과 같은 형태)이었고, 다른 일부는 "차동 구동(differential drive)" 로보트(실제 자동차나 로봇 청소기처럼 회전하는 형태)였습니다.
결과: 로봇들의 종류가 다르고 시작 위치가 무작위로 엉망인 상태였음에도 불구하고, 모든 로봇이 성공적으로 원하는 대형으로 진입하여 리더를 완벽하게 추적했습니다. 각도의 오차는 매우 미미했습니다(거의 제로에 가까움).

요약

이 논문은 로봇 군집을 제어하는 새로운 방법을 제시합니다. "대형을 유지하라"와 "충돌하지 마라"라는 별개의 규칙을 조율하는 대신, 이 두 가지를 모두 처리하는 단일하고 통합된 규칙을 만듭적니다. 이웃의 정확한 위치가 아닌 방향에만 의존함으로써, 이 시스템은 견고하며 GPS 없이도 작동하며, 서로 다른 유형의 로봇들이 마치 잘 짜인 무용단처럼 선도 무용수를 따라 매끄럽게 움직일 수 있게 해줍니다.

기술 요약: 다중 에이전트 시스템에서의 제어 장벽 함수 전용 대형 추적

문제 정의
본 논문은 비선형 동역학을 특징으로 하는 이종 다중 에이전트 시스템(MAS)의 대형 추적 문제를 다룹니다. 이 분야의 주요 과제는 실시간 통신 제약으로 인해 전역 상태 데이터에 접근할 수 없어 상대적 상태 정보에 의존해야 한다는 점입니다. 기존의 접근 방식은 동적인 환경에서의 확장성, 적응성 또는 명목 대형 제어기와 실시간 안전 제약 조건 간의 충돌로 인한 불가능한 문제 해결 능력에서 어려움을 겪는 경우가 많습니다. 구체적으로, 저자들은 팔로워(follower) 에이전트가 이웃과의 원하는 방위 벡터(bearing vectors)를 기준으로 정의된 고유하고 견고한 대형을 유지해야 하는 리더-팔로워(leader-follower) 프레임워크를 목표로 합니다. 시스템은 미소 방위 강성(infinitesimal bearing rigidity) 가정을 기반으로 작동하며, 이는 원하는 방위 구성이 고유한 대형에 대응함을 보장합니다.

방법론
제안된 솔루션은 새로운 제어 장벽 함수(Control Barrier Function, CBF) 공식에 의해 구동되는 이차 계획법(Quadratic Programming, QP) 최적화 프레임워크를 활용합니다. 방법론은 다음과 같이 구조화됩니다:

문제 분해: 전역 대형 추적 작업은 각 팔로워 에이전트를 위한 국부적 하위 작업으로 분해됩니다. 각 팔로워는 평행하지 않은 원하는 방위를 가진 최소 두 개의 참조 노드(리더 또는 다른 팔로워)를 식별합니다. 국부적 목표는 에이전트의 상대적 방위 벡터를 원하는 방위 벡터와 일치시키는 것이며, 이는 집합적으로 전역 대형이 달성되도록 보장합니다.
방위 유도 타겟 (Bearing-Guided Target): 각 팔로워를 위해 "방위 유도 타겟"( $p_{iT}$ )이 계산됩니다. 이 타겟은 참조 노드의 원하는 방위 기울기에 의해 정의된 직선들의 고유한 교점점을 나타냅니다. 제어 목표는 에이전트의 위치를 이 움직이는 타겟으로 유도하는 동시에, 에이전트의 속도 벡터를 타겟 방향과 일치시키는 것입니다.
도달 가능 제어 장벽 함수 (Reachability Control Barrier Function, Reach-CBF): 저자들은 표준적인 공식과는 다른 수정된 CBF를 도입합니다. 일반적인 CBF가 안전 집합(safe set)의 전방 불변성(forward invariance)을 보장하는 반면, 이 "Reach-CBF"는 안전 집합의 전방 불변성과 더불어 안전 집합 내의 타겟 집합(target set)으로의 유한 시간 도달 가능성(finite-time reachability)을 모두 보장합니다.
- 안전 집합은 에이전트의 속도 벡터와 방위 유도 타겟 벡터 사이의 정렬 상태에 의해 정의됩니다.
- 타겟 집합은 이 정렬 오차가 사전에 정의된 작은 허용 오차 범위 내에 있는 상태에 해당합니다.
제어 법칙 설계: 제어 입력은 Reach-CBF 제약 조건에 따라 명목 속도 추적 제어기(nominal speed-tracking controller)로부터의 편차를 최소화하는 QP 문제를 해결함으로써 도출됩니다.
- 명목 제어기는 리더의 속도와 일치하도록 속도 조절을 처리합니다.
- Reach-CBF 제약 조건은 대형 유지를 위해 필요한 방향 정렬을 강제합니다.
- 이 설계는 속도 크기 제어(명목 제어기가 처리)와 방향 제어(CBF에 의해 강제됨)를 분리하여, 별도의 명목 대형 제어기가 필요하지 않게 하며 경쟁적인 목적 함수 구성에서 흔히 발생하는 불가능성 문제를 제거합니다.

주요 기여
본 논문은 세 가지 주요 기여를 설명합니다:

새로운 Reach-CBF 공식: 저자들은 표준 CBF를 확장하여 단순히 안전성을 보장하는 것을 넘어, 안전한 집합 내에서 타겟 집합으로의 유한 시간 도달 가능성을 보장하는 CBF 형태의 함수를 제안합니다.
단일 제약 최로 최적화 프레임워크: 단일 CBF 제약을 사용하여 이종 비선형 다중 에이전트 시스템의 대형 추적을 처리하는 새로운 CBF-QP 형태의 프레임워크가 도입되었습니다. 이 접근 방식은 수동 파라미터 튜닝이나 별도의 명목 대형 제어기의 필요성을 제거합니다.
리더-팔로워 대형 추적: 본 방법은 리더-팔로워 아키텍처 내에서 상대적 방위 정보만을 사용하여 비선형 에이전트 역학(이중 적분기, 차동 구동 및 아커만 구동 로봇 포함)을 가진 시스템의 대형 추적을 성공적으로 수행합니다.

결과
제안된 프레임워크는 2D 공간 내 8개의 에이전트(2개의 리더와 6개의 팔로워)로 구성된 이종 시스템 시뮬레이션을 통해 검증되었습니다.

시스템 구성: 팔로워는 이중 적분기 및 비선형 역학을 가진 차동 구동 로봇 모델을 포함했습니다.
시나리오: 리더들은 미리 결정된 궤적을 따랐으며, 팔로워들은 방위 벡터로 정의된 특정 견고한 대형을 유지하는 임무를 수행했습니다.
성능: 시뮬레이션은 팔로워 에이전트가 움직이는 대형을 성공적으로 추적함을 보여주었습니다. 30초 후, 모든 팔로워의 방위 오차는 무시할 수 있는 수준(약 $-4.6 \times 10^{-5}$ 에서 $1.87 \times 10^{-4}$ 사이)이었습니다. 궤적은 에이전트들이 리더를 따라가면서 동시에 원하는 대형 형상을 달성했음을 확인시켜 주었습니다.

의의 및 주장
본 논문은 자사의 접근 방식이 기존 방법의 한계, 특히 대형 목표와 안전 제약 간의 충돌 문제를 해결하는 통합된 제약 기반 안전 제어 설계를 제공한다고 주장합니다. 대형 작업 자체를 CBF 제약으로 인코딩함으로써, 이 방법은 시스템이 안전 집합 내에 머무는 동시에 유한 시간 내에 원하는 대형으로 수렴하도록 보장합니다. 저자들은 이 프레임워크가 전역 상태 정보 없이 오직 국부적인 상대 측정값(방위)에만 의s존하여 작동하므로, GPS가 없는 환경에도 적합하다는 점을 강조합니다. 연구는 향후 가속하는 장애물이 있는 복잡한 환경을 항해하는 3D 항공 차량으로 이 접근 방식을 확장하는 것을 목표로 한다고 밝히며 마무리됩니다.