Attitude Estimation Using Inertial and Barometric Measurements

하늘을 한 번도 보지 못한 채 로봇에게 비행하는 법을 가르치려 한다고 상상해 보십시오. 당신은 로봇에게 북쪽을 찾기 위한 아주 작은 나침반, 기압의 변화를 느낄 수 있는 기압계, 그리고 자신이 어떻게 회전하고 있는지 느낄 수 있는 자이로스코프를 줍니다. 하지만 여기서 까다로운 문제가 발생합니다. 만약 로봇이 갑자기 속도를 높이거나, 급격히 회전하거나, 돌풍에 휘말리게 되면 내부의 운동 센서들이 혼란에 빠집니다. 로봇은 자신을 아래로 끌어당기는 중력과 엔진이 자신을 앞으로 밀어내는 힘을 구분할 수 없습니다. 로봇에게 갑작스러운 하강은 갑작스러운 회전과 똑같이 느껴집니다. 이것이 바로 "틸트 문제(tilt problem)"입니다. 만약 로봇이 실제로 가속 중인데도 자신이 기울어졌다고 착각한다면, 로봇은 추락할 것입니다. 보통 엔지니어들은 로봇이 공기 중에서 얼마나 빠르게 움직이는지 알려주는 GPS나 정교한 레이더를 추가하여 이 문제를 해결합니다. 하지만 만약 그 도구들이 고장 났거나, 너무 비싸거나, 혹은 아예 없다면 어떻게 될까요?

여기서 이야기는 흥สนใจ로워집니다. 과학자들은 이 퍼즐을 풀 수 있는 더 단순하고 저렴한 방법이 있는지 오랫동안 궁금해해 왔습니다. 바로 기압계의 등장입니다. 여러분은 기압계를 건물 몇 층에 있는지 알려주는 스마트폰 속 기능으로 알고 있을 것입니다. 기압계는 고도가 높아지거나 낮아짐에 따라 변하는 공기 압력을 측정합니다. 기압계는 로봇이 앞으로 얼마나 빨리 움직이는지는 말해주지 못하지만, 지면을 기준으로 위아래로 어떻게 움직이는지는 놀라울 정도로 정확하게 알려줍니다. 이 논문은 이 아이디어를 탐구합니다. 즉, 그 단순한 상하 움직임 정보를 사용하여, 로ما 로봇이 격렬하고 빠른 기동을 하는 중에도 어떻게 "아래쪽(중력)"이 어디인지 알아낼 수 있을까요? 연구진은 로봇의 내부 운동 센서와 이 겸손한 압력 센서를 결কে하여, 값비싼 GPS나 풍속 센서 없이도 드론과 로봇이 자세를 유지할 수 있게 돕는 새로운 종류의 "두뇌"를 구축했습니다.

---

문제점: "위"가 "앞"이 될 때

비행 로봇에게 자신의 자세(attitude)—즉, 위, 아래, 왼쪽, 오른쪽이 어디인지 아는 것—는 가장 중요한 임무입니다. 이를 잘못 알면 추락합니다. 로봇은 보통 '내이(inner ear)' 역할을 하는 작은 칩인 IMU(관성 측정 장치)에 의존합니다. 여기에는 회전을 느끼는 자이로스코프와 밀고 당기는 힘을 느끼는 가속도계가 들어 있습니다.

문제는 가속도계가 약간의 거짓말쟁이라는 점입니다. 가속도계는 "특수 가속도(specific acceleration)"를 측정하는데, 이는 중력을 제외한 "나에게 작용하는 모든 힘"을 의미하는 전문적인 표현입니다. 로봇이 가만히 멈춰 있을 때, 가속도계는 지구가 자신을 아래로 당기는 것을 느껴서 어느 쪽이 "아래"인지 압니다. 하지만 로봇이 앞으로 가속하면, 가속도계는 그 밀어내는 힘도 함께 느낍니다. 그래서 혼란에 빠집니다. 로봇은 "내가 앞으로 기울어진 것인가, 아니면 그냥 속도를 높이고 있는 것인가?"라고 생각하게 됩니다. 명확한 답이 없으면 로봇은 균형을 잃습니다.

보통 엔지니어들은 로봇이 얼마나 빠르게 움직이는지 정확히 알려주는 속도 센서(GPS나 레이더 튜브 같은)를 추가하여 이 문제를 해결합니다. 하지만 이러한 센서들은 무겁거나 비싸거나, 악천후에 실패할 수 있습니다. 이 논문의 저자들은 질문했습니다. 우리는 오직 기압계만을 사용하여 이 틸트 문제를 해결할 수 있을까?

해결책: 두 가지 새로운 사고방식

연구진은 이 퍼즐을 풀기 위해 두 가지 서로 다른 "옵저버(observer, 관측기/수학적 두뇌)"를 설계했습니다. 이 옵저버들을 범인을 잡으려는 두 명의 서로 다른 전략을 가진 탐정이라고 생각해 보십시오.

전략 1: 2단계 탐정 (AGAS)
첫 번째 접근 방식은 두 단계로 나누어 작업하는 탐정과 같습니다.

1. 1단계: 특화된 도구(Riccati observer)가 기압계와 IMU를 살펴보고 딱 두 가지만 알아냅니다. 로봇이 얼마나 높이 있는지, 그리고 위아래로 얼마나 빠르게 움직이는지입니다. 또한 이 도구는 "아래"의 방향(기울기)을 추측합니다.
2. 2단계: 일단 그 추측이 이루어지면, 두 번째 도구(SO(3) 상의 비선형 옵저버)가 그 추측값을 가져와 자이로스코프(컴퍼스)와 결합하여 로봇의 완전한 3D 방향을 파악합니다.

저자들은 이 방법이 매우 견고하다는 것을 수학적으로 증명했습니다. 설령 로봇이 머릿속에 엄청난 오류를 가진 상태로 시작하더라도(예를 들어 실제로는 똑바로 서 있는데 거꾸로 뒤집혀 있다고 생각하는 경우), 이 2단계 탐정은 결국 진실을 찾아낼 것입니다. 저자들은 이를 **근전역 점근 안정성(Almost-Global Asymptotic Stability, AGAS)**이라고 부릅니다. 이는 마치 "세상 어디에서 시작하든, 비록 길고 느린 길을 걸어야 할지라도 결국 집을 찾을 것이다"라고 말하는 것과 같습니다.

전략 2: 급행 노선 탐정 (LES)
두 번째 접근 방식은 통합된 일체형 탐정입니다. 단계별로 작업하는 대신, 기압계, 컴퍼스, IMU를 하나의 수학적 모델로 한꺼번에 융합합니다.
이 방법은 훨씬 빠릅니다. 만약 로봇이 작은 오류를 가지고 시작한다면, 이 탐정은 지수 함수적으로 빠르게 정답을 향해 달려갑니다. 저자들은 이를 **국부 지수 안정성(Local Exponential Stability, LES)**이라고 부릅니다. 하지만 여기에는 함정이 있습니다. 이 탐정은 로봇이 특정한 방식으로 움직일 때만 작동합니다. 즉, 센서들을 "흔들어" 진실을 드러낼 수 있도록 로봇이 충분히 꿈틀거리거나 수평으로 움직여야 합니다. 만약 로봇이 완벽하게 정지해 공중에 떠 있다면, 이 급행 노선 탐정은 갇혀버릴 수 있습니다.

실험: 시뮬레이션과 실제 비행

이 아이디어들이 실제로 작동하는지 확인하기 위해, 팀은 단순히 방정식만 쓴 것이 아니라 직접 테스트했습니다.

먼저, 컴퓨터에서 시뮬레이션을 실행했습니다. 가상의 로봇을 만들고 두 가지 시나리오에 던져 넣었습니다.

1. 작은 실수: 로봇이 아주 작은 오류를 가지고 시작했습니다. 이 경우, 급행 노선(LES) 탐정이 압승했습니다. LES 탐정은 약 9초 만에 오류를 수정했지만, 2단계(AGAG) 탐정은 약 14초가 걸렸습니다.
2. 거대한 실수: 로봇이 엄청난 오류(예: 60도 기울어짐)를 가지고 시작했습니다. 두 탐정 모두 결국 문제를 해결했지만, 2단계 탐정은 더 부드럽고 신뢰할 수 있게 해결한 반면, 급행 노선 탐정은 안정을 찾기 전까지 약간의 흔들림을 보였습니다.

그다음, 실제 세계로 나갔습니다. 연구팀은 이러한 센서들이 장착된 실제 드론(MakeFlyEasy Fighter VTOL)을 비행시켰습니다. 그들은 로봇이 회복할 수 있는지 보기 위해 의도적으로 로봇에게 끔찍한 초기 추측값(60도의 오차)을 주었습니다.

• 결과: 두 방법 모두 작동했습니다. 로봇은 균형을 회복하고 똑바로 비행했습니다.
• 트레이드오프(절충점): 급행 노선(LES) 옵저버는 스스로를 수정하는 속도가 더 빨랐고 회복 단계에서의 오차도 더 작았습니다. 그러나 일단 모든 것이 안정된 후의 장기적인 정확도는 2단계(AGAS) 옵저버가 약간 더 높았습니다.

이것이 의미하는 바

이 논문은 드론을 안정적으로 유지하기 위해 항상 값비싼 GPS나 풍속 센서가 필요한 것은 아니라는 점을 시사합니다. 적절한 수학을 사용한다면 단순하고 저렴한 기압계가 큰 역할을 할 수 있습니다.

저자들은 다음과 같은 트레이드오프가 있음을 발견했습니다:

• 만약 속도가 필요하고 로봇이 많이 움직이고 있다면, LES(급행 노선) 방식이 우월합니다. 로봇이 "흥분(excitation, 움직임 데이터)"을 제공할 만큼 충분히 움직여준다면 오류를 빠르게 수정합니다.
• 만약 신뢰성이 필요하고 로봇이 큰 오류에서 시작하거나 매우 느리게 움직일 가능성이 있다면, AGAS(2단계) 방식이 더 안전합니다. 이 방식은 시간이 조금 더 걸리더라도 로봇이 결국 진실을 찾을 수 있도록 보장합니다.

결국, 이 연구는 엔지니어들에게 가볍고 실용적인 도구 모음을 제공합니다. 로봇이 공기의 압력에 귀를 기울임으로써, 바람이 불고 엔진 소리가 요란할 때도 자신이 어디가 위쪽인지 알 수 있다는 것을 보여줍니다.