TDMA Based Communications Control Co-Design for Cooperative Carrying: Delay Calibration and Sampling-Rate Optimization

친구들이 거대하고 다루기 힘든 소파를 계단 위로 옮기려고 애쓰는 모습을 상상해 보세요. 만약 모두가 동시에 명령을 외친다면, 아무도 제대로 듣지 못할 것이고 결국 소파는 추락하고 말 것입니다. 만약 한 사람만 소리를 지르고 나머지는 그저 듣기만 한다면, 그 한 사람은 금방 지쳐버릴 것이고, 그 사람이 발을 헛디디는 순간 팀 전체가 실패하게 됩니다. 이것이 바로 **다중 로봇 팀(multi-robot teams)**이 겪는 일상의 사투입니다. 즉, 기계들이 함께 무거운 물건을 옮기기 위해 협력하는 과정이죠. 현실 세계에서 이 로봇들은 무선 신호를 통해 서로 대화하는데, 이는 마치 보이지 않는 무전기 채널과 같습니다. 하지만 이 채널은 완벽하지 않습니다. 혼잡해지기도 하고(지연 발생), 메시지가 누락되기도 하며(패킷 손실), 때로는 한 로봇만 말할 수 있고 나머지는 줄을 서서 기다려야 할 때도 있습니다.

과학자들이 던지는 핵심 질문은 이것입니다: 어떻게 하면 로봇 팀이 불필요한 업데이트를 외치느라 배터리 전력을 낭비하지 않으면서도, 안정성을 유지하고 화물을 떨어뜨리지 않게 만들 수 있을까? 그 해답은 코-디자인(co-design), 즉 "로봇의 두뇌와 무전기를 별개의 문제로 취급하는 대신, 함께 설계하자"는 멋진 개념에 있습니다. 정해진 일정대로(마치 메트로놈처럼) 무작정 소리치는 대신, 로봇이 네트워크의 상태를 살피고 네트워크가 혼잡해지는 것을 감지하여 소리치는 간격을 조절할 수 있다면 어떨까요? 그리고 한 명의 로봇이 지치지 않도록 돌아가며 "팀장" 역할을 맡는다면 어떨까요? 이 논문은 이러한 기법들이 실제와 매우 유사한 환경을 구현한 초정밀 컴퓨터 시뮬레이션을 통해 실제로 효과가 있는지 탐구합니다.

로봇 소파 탈취 작전: 스마트한 대화와 공정한 차례에 관한 이야기

이 연구에서 연구진은 4대의 로봇이 평평한 바닥을 가로질러 무겁고 단단한 상자를 운반하는 가상 시나리오를 설정했습니다. 이들을 거대한 상자를 들어 올리는 4인조 드로이드 부대라고 생각해보세요. 상자가 흔들리거나 떨어지지 않게 하려면, 로봇들은 자신의 위치와 속도를 공유하며 끊임없이 서로 대화해야 합니다. 완벽한 세상이라면 그들은 상황에 상관없이 매 60밀리초마다 자신의 상태를 외칠 것입니다. 하지만 복잡한 현실 세계에서는 그들이 소리치는 "공기"가 교통량으로 인해 막히게 되고, 이로 인해 지연이 발생합니다. 만약 채널이 혼잡할 때 로봇이 너무 자주 소리친다면 메시지가 유실될 것이고, 팀은 상자를 떨어뜨릴 수도 있습니다.

연구진은 어떤 방식이 상자를 안전하게 지키고 로봇들을 만족시킬 수 있는지 확인하기 위해 세 가지 전략을 테스트했습니다. 이 테스트는 로봇이 단순히 생각하는 대로 움직이는 것이 아니라, 실제로 바닥에 부딪히고 밀어내는 물리적 상호작용을 시뮬레이션하는 매우 사실적인 물리 엔진인 MuJoCo 내에서 진행되었습니다.

전략 1: 고집 센 외침꾼 (고정 샘플링)

첫 번째 팀, 일명 "올드 스쿨(Old School)"은 고정 샘형(fixed sampling) 방식을 사용했습니다. 이들은 네트워크가 얼마나 혼잡하든 상관없이 정확히 60밀리초마다 자신의 상태를 외쳤습니다. 또한 이들은 고정된 리더를 가졌습니다. 로봇 1번이 영원히 캡틴이었고, 나머지 세 대는 그저 듣기만 했습니다.

• 결과: 네트워크가 혼잡해지자(교통 체증 상황 시뮬레이션), 올드 스쿨 팀은 여전히 미친 듯이 같은 속도로 소리를 질렀습니다. 이는 채널을 더욱 막히게 하여 많은 메시지를 유실시켰습니다. 이들의 "패킷 손실"률은 **17.1%**에 달했는데, 이는 거의 여섯 번 중 한 번꼴로 메시지가 허공으로 사라졌음을 의미합니다. 설상가상으로 로봇 1번이 모든 대화를 독점하며 다른 로봇들이 대기하는 동안 전체 "에어타임(airtime)"을 독차지했습니다. 이는 불공정하고 비효율적이었습니다.

전략 2: 스마트한 대화꾼 (적응형 샘플링)

두 번째 팀인 "스마트 토커스(Smart Talkers)"는 로봇 1번을 영구적인 캡틴으로 유지하되, 소리치는 방식은 바꾸었습니다. 이들은 동적 샘플링(dynamic sampling) 전략을 사용했습니다. 로봇의 두뇌는 네트워크 지연을 모니터링했습니다. 채널이 깨끗하면 자주 소리쳤지만, 채널이 막히는 것을 감지하면(60초에서 120초 사이의 시뮬레이션된 "혼잡" 단계) 소리치는 간격을 최대 120밀리초까지 늘려 속도를 늦췄습니다.

• 결과: 이것은 게임 체인저였습니다. 혼잡할 때 덜 자주 소리침으로써 교통 체증을 해소했습니다. 패킷 손실률은 **11.1%**로 떨어졌으며, 이는 엄청난 개선이었습니다. 이들은 안전을 유지하기 위해 끊임없이 소리칠 필요는 없으며, 그저 똑똑하게 소리치면 된다는 것을 증명했습니다.

전략 3: 공정한 순환 부대 (적응형 + 순환)

세 번째 팀인 "페어 스쿼드(Fair Squad)"는 스마트한 외침에 **순환 리더십(rotating leadership)**이라는 새로운 요소를 결합했습니다. 10초마다 캡틴을 교체했습니다. 로봇 1번이 10초 동안 이끌면, 그다음엔 로봇 2번이, 그다음엔 로봇 3번이 이어받는 식입니다.

• 결과: 이 팀은 두 가지 장점을 모두 가졌습니다. 스마트하게 소리쳤기 때문에 패킷 손실을 낮게 유지할 수 있었습니다(스마트 토커스보다는 약간 높은 **13.3%**였지만, 여전히 올드 스쿨보다는 훨씬 나았습니다). 하지만 진짜 승리는 공정성에 있었습니다. 올드 스쿨과 스마트 토커스 팀에서는 캡틴이 대화 시간의 100%를 사용하고 나머지는 0%였던 반면, 페어 스쿼드에서는 "에어타임"이 거의 완벽하게 균등하게 분배되었습니다. 이들의 **제인 공정성 지수(Jain's fairness index)**는 최악인 0.25(독점 상태)에서 완벽에 가까운 0.91로 급증했습니다. 이는 모든 로봇이 캡틴이 될 기회를 공평하게 얻어 업무와 배터리 소모를 나누어 가졌음을 의미합니다.

핵심 결과: 효율성과 공정성은 공존할 수 있다

이 논문의 가장 흥고한 발견은 효율성과 공정성이 서로 적이 아니라는 점입니다. 오랫동안 사람들은 효율성(속도와 안전)을 최적화하거나, 아니면 모두에게 차례를 주는 공정성을 택하는 것 중 하나를 선택해야 한다고 생각했습니다. 이 논문은 적응형 샘플링(필요할 때만 소리치기)과 순환 리더십(교대로 역할 수행)을 사용하면 이 두 가지를 모두 얻을 수 있다고 제안합니다.

연구진은 두 전략이 서로 다른 문제를 해결한다는 것을 발견했습니다. "스마트한 외침"은 네트워크 혼잡을 해결하고 메시지를 안전하게 지켰습니다. "순환 캡틴"은 팀의 상자 운반 능력에 지장을 주지 않으면서 불공정함을 해결했습니다. 실제로 페어 스쿼드는 모든 팀 중 전체 비용이 가장 낮았으며, 이는 공정함이 팀의 속도나 안전을 저해하지 않았음을 입증합니다.

상황이 어려워졌을 때 어떤 일이 벌어졌나?

연구진은 평온한 상황에 머물지 않았습니다. 더 많은 노이즈, 지연, 메시지 손실이 발생하는 "가혹한" 환경을 시뮬레이션했습니다.

• 희소식: 혼란스러운 상황에서도 페어 스쿼드(S2)가 최고의 성능을 유지했습니다. 올드 스쿨 팀이 가장 고전한 반면, 스마트 토커스와 페어 스쿼드는 잘 버텨냈습니다.
• 한계점: 논문은 한계점도 찾아냈습니다. 이 모델을 4대가 아닌 더 큰 규모의 팀(12대 로봇)으로 확장했을 때, 공정성이 떨어지기 시작했습니다. 12대의 로봇과 동일한 10초 순환 방식을 적용했을 때, 무작위 교체 방식은 테스트 시간 내에 모두에게 균등한 차례를 보장하지 못했습니다. 공정성 지수는 4대일 때의 0.91에서 12대일 때 0.46으로 떨어졌습니다. 이는 거대 팀의 경우, 단순히 무작위로 순환하는 것보다 더 엄격하고 조직적인 스케줄(예: 라운드 로빈 방식)이 필요할 수 있음을 시사합니다.

결론

이 논문은 로봇 팀워크의 모든 문제를 해결했다고 주장하는 것이 아니라, 매우 실용적인 가이드를 제공합니다. 만약 로봇 팀이 네트워크의 소리에 귀를 기울이고 차례를 지켜 리더 역할을 수행하도록 설계한다면, 배터리를 방전시키거나 팀원들을 소외시키지 않고도 무거운 짐을 안전하게 옮길 수 있다는 것을 보여줍니다.

자율주행 자동차들이 군집 주행을 하거나 로봇들이 창고에서 협업하게 될 **지능형 교통 시스템(Intelligent Transportation Systems)**의 세계에서, 이 "코-디자인" 접근 방식은 성공을 위한 청사진이 됩니다. 미래의 로보틱스는 단순히 더 빠른 프로세서나 더 강한 모터에 달려 있는 것이 아니라, 로봇이 서로에게 예의를 갖추고, 효율적이며, 공정하도록 가르치는 데 달려 있다는 것을 알려줍니다. 시뮬레이션이 보여주듯, 로봇들이 서로 잘 협력할 때 팀 전체가 승리하게 됩니다.