⚡ electrical engineering

Obstacle-Aware Four-Dimensional Trajectory Design for Urban Air Mobility

본 논문은 도시 장애물 데이터, 풍속 조건, 그리고 eVTOL 비행 역학을 통합하여 도심 항공 모빌리티를 위한 안전하고 최적의 시간 4차원 궤적을 생성하는 하이브리드 프레임워크를 제안하며, 이러한 실제 제약 조건을 무시할 경우 비행 시간이 크게 과소평가될 수 있음을 입증한다.

원저자: Prasad Devkar, Yashovardhan S. Chati, Arunchandar Vasan

게시일 2026-07-20

📖 5 분 읽기🧠 심층 분석

CC BY 4.0

원저자: Prasad Devkar, Yashovardhan S. Chati, Arunchandar Vasan

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

우리 도시 위의 하늘이 훨씬 더 분주해질 준비를 하고 있다고 상상해 보세요. 구름 위를 높이 비행하는 비행기뿐만 아니라, 새로운 종류의 교통수단인 eVTOL(전기 수직 이착륙기)이라 불리는 작고 전기 구동되는 비행 자동차들이 나타날 것입니다. 이것은 공상 과학 영화 속 꿈이 아닙니다. 지상의 교통 정체를 피해 도시를 누비도록 설계된 실제 기계입니다. 하지만 까다로운 점이 있습니다. 도시 위를 낮게 비행하는 것은 고층 빌딩 숲 사이에서 외발자전거를 타며 바늘귀를 꿰는 것과 같습니다. 건물에 충돌하는 것을 피해야 하고, 돌풍을 견뎌야 하며, 착륙하기 전에 배터리가 방전되지 않도록 해야 합니다. 만약 비행 경로를 잘못 계획한다면, 소중한 시간을 낭비하거나, 전력이 바닥나거나, 최악의 경우 건물에 부딪힐 수도 있습니다. 그래서 과학자들은 이 비행 자동차들을 위한 완벽한 "4D" 경로, 즉 어디로 갈지(위도와 경도), 얼마나 높이 날지(고도), 그리고 정확히 언제 그곳에 도착할지(시간)를 포함하는 경로를 찾아내기 위해 노력하고 있습니다.

이 논문은 복잡한 도시에서 전기 비행 자동차를 위한 안전하고 빠르며 에너지 효율적인 경로를 설계하는 거대한 퍼즐을 다룹니다. 뉴욕시의 데이터를 활용하여 연구를 진행한 저자들은, 이러한 비행을 계획하는 기존 방식들이 목표를 놓치고 있다는 사실을 깨달았습니다. 그들은 건물과 바람 사이의 최적의 경로를 찾기 위해 몇 가지 기술을 결합한 일종의 '슈퍼 플래너' 역할을 하는 새로운 스마트 시스템을 구축했습니다. 그들은 만약 바람과 건물의 복잡한 현실을 무시한다면, 실제보다 여행 시간이 20% 적게 걸릴 것이라고 착각할 수 있다는 것을 발견했습니다. 그들의 새로운 방법은 단순히 추측하는 것이 아니라, 수백 개의 건물이 가로막고 있는 상황에서도 안전하고 정시에 도착할 수 있는 정밀한 경로를 계산합니다.

문제점: 콘크리트 정글을 통과하는 비행

eVTOL의 비행을 계획하는 것을 단 하나의 나무에도 닿지 않고 울창한 숲을 통과하는 선을 그리는 것에 비유해 보세요. 과거에 과학자들은 이를 두 가지 주요 방식으로 해결하려 했으나, 두 방식 모두 결함이 있었습니다.

첫 번째 방식은 격자 위에서 비디오 게임을 하는 것과 같았습니다. 하늘을 작은 사각형으로 나누고 단순한 알고리즘을 사용하여 A 지점에서 B 지점까지의 최단 경로를 찾는 방식입니다. 빠르고 쉽지만, 이는 비행 자동차를 즉각적으로 멈추거나 회전할 수 있는 로봇처럼 취급합니다. 실제 비행 자동차가 무게, 운동량, 그리고 반응하는 데 시간이 걸리는 엔진을 가지고 있다는 사실을 무시합니다. 이는 마치 무거운 트럭에게 자전거 크기만한 주차 공간에서 유턴을 하라고 말하는 것과 같습니다. 수학적으로는 가능하다고 말할지 몰라도, 물리학적으로는 불가능합니다.

두 번째 방식은 비행 자동차의 물리 법칙을 완벽하게 이해하는 매우 복ло phức한 수학 모델(최적 제어 프로그램, OCP라고 불림)을 사용하는 것이었습니다. 이 모델은 비행 자동차의 움직임을 이해하는 데 탁월하지만, 건물의 "숲"을 다루는 데 어려움을 겪습니다. 이 모델에 "모든 건물을 피하라"고 명령하면 수학적 계산이 믿을 수 없을 정도로 복잡하고 혼란스러워집니다. 이는 마치 모든 벽이 움직이는 미로를 푸는 것과 같습니다. 뉴욕 같은 도시에 있는 250개의 건물처럼 건물이 너무 많으면, 컴퓨터는 길을 찾지 못하고 멈춰버립니다. 이는 "비볼록(nonconvex)" 문제, 즉 수학적으로 경로가 막다른 길과 함정으로 가득 차서 계산기를 혼란스럽게 만드는 상태를 의미합니다.

해결책: 하이브리드 "GCS-OCP" 프레임워크

이 논문의 저자들은 GCS-OCP라고 불리는 영리한 하이브리드 솔루션을 고안해 냈습니다. 이들은 모든 건물을 직접 피하려고 노력하는 대신, 문제를 완전히 뒤집어서 생각했습니다.

1단계: 안전 구역 매핑 ( "공터" 전략)
숲속에 있다고 가정할 때, 나무 하나하나를 피하려고 애쓰는 대신 나무들 사이의 넓고 탁 트인 공터를 찾는 것을 상상해 보세요. 연구진은 IRIS라는 도구를 사용하여 하늘의 이러한 "공터"를 찾아냈습니다. 그들은 건물 사이의 빈 공간을 겹쳐진 안전한 볼록 형태(거대한 투명한 거품이나 다각형이라고 생각하면 됩니다)로 채웠습니다. 비행 자동차가 이 거품 안에 머물기만 한다면, 건물에 충돌하지 않는다는 것이 보장됩니다. 이는 "모든 것을 피하라"는 복잡한 문제를 "이 모양 안에 머물러라"라는 깔끔한 문제로 바꾸어 줍니다.

2단계: 최적의 경로 찾기 ("그래프" 전략)
다음으로, 그들은 이 안전한 거품들을 연결하는 지도(그래프)를 만들었습니다. **그래프 볼록 집합(GCS)**이라는 방법을 사용하여, 비행 자동차가 출발지에서 목적지까지 가장 빠르게 갈 수 있는 거품들의 순서를 빠르게 파악했습니다. 이는 마치 교통 체증을 피하기 위해 어떤 고속도로 출구로 나가야 하는지 아는 GPS와 같지만, 도로 대신 안전한 거품 사이를 옮겨 다니는 방식입니다. 이 단계는 몇 가지 좋은 경로 후보 리스트를 제공합니다.

3단계: 최종 다듬기 ("물리" 전략)
마지막으로, 그들은 이 후보 경로들을 초정밀 물리 모델(OCP)에 입력했습니다. 이제 모델은 250개의 개별 건물을 일일이 피하는 대신, 단순히 안전한 거품 안에 머물기만 하면 되므로 수학적 계산이 훨씬 쉬워졌습니다. 모델은 이후 바람과 비행 자동차의 배터리 제한을 고려하여, 그 거품들을 통과하는 데 필요한 정확한 속도, 기울기, 그리고 전력을 계산합니다.

연구 결과

연구진은 뉴요커의 다양한 지점에서 JFK 공항으로 가는 경로를 대상으로 이 새로운 프레임워크를 테스트했습니다. 그들은 수십 개에서 250개의 건물 장애물이 있는 환경에서 다양한 높이의 비행을 시뮬레이션했습니다.

시뮬레이션의 주요 결과는 다음과 같습니다:

"20%의 놀라운 차이": 바람, 건물, 또는 비행 자동차의 실제 물리 법칙을 고려하지 않고 비행을 계획한다면, 여행이 특정 시간 내에 끝날 것이라고 예상할 수 있습니다. 하지만 실제로는 여행이 20% 더 오래 걸릴 수 있습니다. 이는 비행 택시 서비스에 있어 엄청난 차이입니다!
"직접 방식"보다 우수함: 이 새로운 하이브리드 방식(GCS-OCP)은 기존의 "직접 OCP(Direct OCP)" 방식보다 일관되게 더 빠른 경로를 찾아냈습니다. 어떤 경우에는 기존 방식이 22% 더 오래 걸리거나, 수학적 복잡성 때문에 아예 경로를 찾지 못하기도 했습니다.
확장성: 기존 방식은 장애물이 너무 많아지면(약 250개의 건물) 무너졌습니다. 반면, 새로운 방식은 250개의 장애물도 능숙하게 처리하며, 밀집된 실제 도시에서도 적용 가능하다는 것을 증명했습니다.
스마트한 우회: 시스템은 때때로 직선 경로가 가장 빠른 길이 아니라는 것을 학습했습니다. 시스템은 건물을 완전히 돌아가는 대신, 안전한 거품을 이용해 건물 사이를 통과하며 귀중한 시간을 절약했습니다.

한계와 미래

저자들은 현재의 시스템이 "오프라인" 플래너라는 점을 주의 깊게 언급했습니다. 이는 숫자를 계산하는 데 약간의 시간(표준 컴퓨터로 1~2분 정도)이 걸린다는 것을 의미하며, 따라서 비행 전 경로를 계획하는 데는 훌륭하지만, 이미 비행 중인 상태에서 순식간에 경로를 변경하는 용도로는 적합하지 않을 수 있습니다. 또한, 그들의 시뮬레이션은 바람이 일정하고 건물이 고정되어 있다고 가정했습니다. 실제 세상에서는 돌풍이 수시로 변하고 다른 비행 자동차들이 움직이고 있을 것입니다.

그럼에도 불구하고, 이 연구는 중요한 진전입니다. 안전한 구역의 스마트한 지도와 물리 법칙을 인지하는 엔진을 결합함으로써, 단순히 안전할 뿐만 아니라 실제로 효율적인 비행 경로를 설계할 수 있음을 보여주었습니다. 도시가 더 분주해지고 하늘이 더 붐비게 됨에 따라, 이러한 "스마트 네비게이션"이 우리가 신뢰할 수 있는 도심 항공 모빌리티(UAM)를 실현하는 핵심이 될 것입니다.

기술 요약: 도심 항공 모빌리티를 위한 장애물 인지형 4차원 궤적 설계

문제 정의

전기 수직 이착륙(eVTOL) 항공기를 활용한 도심 항공 모빌리티(UAM)의 급격한 성장은 지상 교통 혼잡에 대한 해결책을 제시하지만, 동시에 상당한 운영상의 과제를 안겨줍니다. 주요 과제는 밀집된 도시 환경을 항행하면서 이동 시간을 최소화하는 안전한 4차원(시간, 위도, 경도, 고도) 궤적을 설계하는 것입니다.

기존의 궤적 설계 방식은 다음과 같은 구체적인 한계를 가집니다:

**그래프 기반 플래너(Graph-based planners)**는 종종 운동학적 수준에서 작동하여, 복잡한 eVTOL 비행 역학, 액추에이터 제한 또는 에너지 소비를 명시적으로 모델링하지 못해 잠재적으로 실행 불가능한 궤적을 생성할 수 있습니다.
최적 제어 프로그램(Optimal Control Program, OCP) 방식은 역학을 명시적으로 모델링하지만 장애물 제약을 간과하는 경우가 많습니다. 비볼록(non-convex) 장애물 회피 제약을 OCP에 직접 삽ins하면 매우 비볼록한 문제가 되어, 장애물이 많은 환경에서 수렴성과 확장성이 떨어지게 됩니다.
하이브리드 접근 방식이 존재하지만, 비행 단계를 별도로 처리하거나, 바람의 영향을 무시하거나, 복잡한 동적 제약을 쉽게 강제할 수 없는 단순한 곡선 피팅(예: 베지에 곡선)에 의존하는 경우가 빈번합니다.

결과적으로, 현재의 방법들은 저품질이거나 실행 불가능한 궤적을 생성할 수 있으며, 바람, 밀집된 건물 장애물, 그리고 상승, 순항, 하강 단계 전반에 걸친 비선형 역학을 고려하지 못함으로써 비행 시간을 크게 과소평가할 수 있습니다.

방법론: GCS-OCP 하이브리드 프레임워크

이러한 격차를 해소하기 위해, 저자들은 장애물 데이터, 풍장(wind fields), eVTOL 비행 역학 및 운영 제약을 통합하여 엔드 투 엔드(end-to-end) 궤적을 설계하는 통합 하이브리드 프레임워크인 GCS-OCP를 제안합니다. 이 프레임워크는 세 가지 뚜렷한 단계로 작동합니다:

1. 장애물 없는 공간의 볼록 분해 (Convex Decomposition)

장애물을 피해야 할 비볼록 제약으로 취급하는 대신, 이 프레임워크는 상보적인 장애물 없는 영역을 식별합니다.

그리드 생성: 시작점과 끝점 사이의 순항 평면 내에 2D 수평 그리드를 생성합니다.
장애물 식별: 순항 고도(및 수직 안전 버퍼)를 초과하는 건물 윤곽을 다각형 장애물로 식별합니다.
IRIS 알고리즘: 반정부호 계획법(Semi-definite programming)을 이용한 반복적 지역 팽창(Iterative Regional Inflation by Semi-definite programming, IRIS) 알고리즘을 사용하여 장애물 없는 공간을 서로 교차하는 볼록 다각형 집합으로 분해합니다. 이는 장애물 회피 문제를 볼록 포함(convex containment) 문제로 변환합니다.

2. 그래프 기반 경로 계획 (GCS)

노드는 볼록 다각형을 나타내고 엣지는 이들 사이의 교차를 나타내는 그래프 오브 컨벡스 셋(Graph of Convex Sets, GCS)을 구축합니다.

엣지 가중치 부여: 엣지는 지면 속도에 미치는 바람의 영향을 고려하여 다각형 간의 예상 이동 시간에 따라 가중치가 부여됩니다.
후보 시퀀스 선택: GCS 기반 플래너는 완화된 혼합 정수 볼록 프로그램(relaxed mixed-integer convex program)을 풀어 시작점과 끝점을 연결하는 후보 다각형 시퀀스의 작은 집합을 식별합니다. 이 단계는 아직 전체 동적 최적화를 수행하지 않고도 안전한 회랑(corridor)을 통과하는 고수준의 가이드 경로를 제공합니다.

3. 최적 제어 프로그램 (OCP)

각 후보 다각형 시퀀스에 대해, 최종적으로 동적 실행이 가능한 궤적을 생성하기 위해 상세한 OCP를 해결합니다.

볼록 포함 제약: 순항 단계는 세그먼트로 분할되며, 각 세그먼트는 후보 시퀀스 중 특정 볼록 다각형 내에 위치하도록 제약됩니다. 이는 비볼록 장애물 회피를 볼록 포함 제약으로 대체합니다.
동적 제약: OCP는 수직 상승, 수평 순항, 수직 하강의 세 가지 비행 단계 모두에 걸쳐 비선형 eVTOL 역학(로터 추력, 항력, 유도 속도 포함), 액추에이터 한계, 배터리 에너지 소비, 승객 편의 제약(가속도 제한)을 명시적으로 모델링합니다.
최적화: 목적은 총 비행 시간( $t_F$ )을 최소화하는 것입니다. 프레임워크는 최소 비행 시간을 찾는 궤적을 찾기 위해 후보 시퀀스와 이산화 간격을 반복하여 탐색합니다.

주요 기여

통합 하이브리드 프레임워크: 본 논문은 밀집된 장애물, 바람, 복잡한 역학을 단일 워크플로 내에서 처리하기 위해 글로벌 경로 계획(GCS를 통해)과 로컬 궤적 최적화(OCP를 통해)를 결합하는 새로운 GCS-OCP 프레임워크를 소개합니다.
확장 가능한 장애물 처리: 장애물 회피를 비볼록 회피 제약이 아닌 일련의 볼록 포함 제약으로 재구성함으로써, 프레임워크는 장애물 수에 관계없이 효과적으로 확장됩니다(최대 250개의 장애물까지 입증됨). 이는 직접적인 OCP 공식화가 흔히 겪는 수렴 실패 문제를 해결합니다.
포괄적인 제약 통합: 프레임워크는 상승, 순항, 하강 단계 전반에 걸쳐 풍장, 건물 장애물, 비선형 비행 역학 및 운영 제한(배터리, 액추에이터, 편의)을 동시에 고려합니다.
성능 검증: 저자들은 현실적인 제약을 무시할 경우 비행 시간이 최대 20%까지 과소평가될 수 있음을 보여줌으로써 이를 입증했습니다.

결과 및 평가

본 프레임워크는 실제 건물 윤곽 데이터와 일정한 풍장을 사용하여 뉴욕시(NYC) 내 다양한 출발지에서 존 F. 케네디 국제공항(JFK)을 연결하는 경로를 대상으로 평가되었습니다.

비행 시간 정확도: "간이 계산(back-of-the-envelope)" 기준선(바람과 장애물을 무시함) 및 직접 OCP(Direct-OCP, D-OCP) 방식과의 비교 결과, GCS-OCP 프레임워크가 더 정확한 비행 시간 추정치를 산출함을 보여주었습니다. 제약을 무시할 경우 비행 시간이 최대 20%까지 과소평가되었습니다.
최적성 vs D-OCP: GCS-OCP 프레임워크는 D-OCP가 수렴하는 시나리오에서 D-OCP보다 더 짧은 이동 시간을 가진 궤적을 생성했습니다(최대 22% 더 빠름). 이는 GCS-OCP가 비볼록 제약으로 인한 지역 최솟값(local minima)에 갇히지 않고 효율적인 장애물 없는 회랑을 통한 경로를 찾는 능력을 갖추고 있기 때문입니다.
확장성: 프레임워크는 최대 250개의 건물 장애물이 있는 시나리오에서도 성공적으로 궤적을 생성했습니다. 반면, D-OCP 공식화는 제약의 비볼록성으로 인해 많은 고장애물 시나리오에서 수렴에 실패(Did Not Converge - DNC)했습니다.
계산적 트레이드오프: GCS-OCP 프레임워크의 총 실행 시간은 단일 D-OCP 실행보다 길지만(IRIS 및 GCS 계획의 오버헤드 때문), 고장애물 수에 대한 밑단의 OCP 솔버(IPOPT)는 계산적으로 더 효율적입니다. 장애물 수가 증가함에 따라 D-OCP의 변수와 제약의 수는 크게 증가하는 반면, GCS-OCP는 탐색 범위를 볼록 다각형으로 제한함으로써 관리 가능한 문제 크기를 유지합니다.

의의 및 주장

본 논문은 GCS-OCP 프레임워크가 밀집된 도시 환경에서 UAM 궤적 설계를 위한 견고하고 확장 가능한 솔루션을 제공한다고 주장합니다. 그 주요 의의는 글로벌 경로 계획과 동적 궤적 최적화 사이의 간극을 메워, 생성된 궤적이 충돌이 없을 뿐만 아니라 동적으로 실행 가능하고 운영 측면에서도 현실적임을 보장하는 데 있습니다.

저자들은 바람, 장애물 및 복잡한 역학을 무시하는 것이 부적절한 에어 코리더(air corridor) 계획과 부정확한 에너지/시간 추정으로 이어진다는 점을 강조합니다. 식별된 안전 영역을 통과하도록 궤적을 강제함으로써, 프레임워크는 계산적 용이성과 솔루션 품질 사이의 균형을 달구며, 매우 혼잡한 도시 경관에서도 효율적인 eVTOL 경로를 설계할 수 있게 합니다.

인정된 한계점:
저자들은 현재 프레임워크가 솔루션 시간으로 인해 실시간 재계획보다는 오프라인 계획에 적합하다고 언급했습니다. 또한, 현재 구현은 정적이고 균일한 풍장을 가정하며, 동적인 풍장 변화 및 움직이는 장애물(예: 다른 항공기)은 제외하고 있습니다. 또한, 비선형 계획법(NLP) 솔버의 특성상 전역 최적해(globally optimal)를 보장하지는 않습니다.