Model Predictive Supervisory Control for Hierarchical and Distributed UAS Traffic Management

우리 도시 위의 하늘은 새들이 아니라, 패키지를 배달하고, 인프라를 점검하며, 응급 서비스를 제공하기 위해 설계된 소형 자율 비행체들로 인해 점점 더 붐비고 있습니다. 이러한 무인 비행체들이 군사 및 학술적 실험 단계를 넘어 일상적인 물류로 진입함에 따라, 이들은 저고도 공역이 공유된 물리적 병목 구간이라는 근본적인 문제에 직면해 있습니다. 자동차가 단순히 차선을 변경할 수 있는 고속도로와 달리, 공중은 충돌을 방지하고, 두 대의 드론이 동시에 같은 공간을 점유하지 않도록 보장하며, 충전 스테이션과 같은 한정된 자원을 관리하기 위해 정밀한 조율을 필요로 합니다. 이 과제는 컴퓨터 과학의 논리와 비행의 물리적 제약을 결합한 분야인 무인 시스템 교통 관리 영역에 속합니다. 이 작업의 핵심은 두 가지 뚜렷하면서도 상호 보완적인 아이디어에 의존합니다. 첫 번째는 엄격한 교통 경찰처럼 작용하여 안전을 보장하고 차량들이 서로를 기다리며 영원히 멈춰 서는 데드락(deadlock) 현상을 방지하기 위해 도로의 절대적인 규칙을 정의하는 '감독 제어(supervisory control)' 방식입니다. 두 번째는 '예측 제어(predictive control)'로, 각 비행체가 배터리 수명과 배송 시간 같은 요소들을 고려하여 몇 단계 앞을 내다보고 가장 효율적인 경로를 선택하는 전략입니다. 연구자들이 오랫동안 고민해 온 질문은, 어떻게 하면 실시간으로 구동될 수 있을 만큼 복잡한 컴퓨터 시스템을 만들지 않으면서 대규모 드론 함대를 위해 이 두 가지 접근 방식을 결합할 것인가 하는 점입니다.

최근 연구에서 브라질 미나스 제라이스 연방 대학교의 연구진은 이 간극을 메우는 해결책을 제시하며, '모델 예측 감독 제어(Model Predictive Supervisory Control)'라고 부르는 프레임워크를 구축했습니다. 그들은 중앙 권위자가 모든 거리와 교차로의 경계를 그려 어떤 경로가 열려 있고 어떤 경로가 닫혀 있는지 선언함으로써, 대규모 드론 그룹이 번잡한 도시 환경에서 안전하게 운용될 수 있도록 하는 시스템을 설계했습니다. 이 권위자는 모든 운전자에게 정확히 어느 방향으로 회전할지를 지시하는 대신, 위험한 움직임을 금지할 뿐입니다. 규칙을 숙지한 각 운전자는 지도를 보고 안전한 경계 내에 머물면서 목적지까지 가장 빠르고 연료 효율적인 경로를 선택합니다. 이것이 바로 이 새로운 시스템이 작동하는 방식입니다. 감독자 역할을 하는 중앙 컨트롤러는 전체 함대와 공유 공역을 모니터링합니다. 이 컨트롤러는 수학적 모델을 사용하여 충돌을 일으키거나, 제한 구역 진입 또는 이미 가득 찬 충전 스테이션에 착륙하려는 시도와 같이 규칙을 위반하게 될 움직임이 무엇인지 식별합니다. 그런 다음 모든 드론에 '금지된 움직임' 목록을 방송합니다.

각 드론은 이 목록을 수신하여 자신의 온보드 컴퓨터를 사용해 단기 최적화 문제를 해결합니다. 드론은 현재 위치, 배터리 잔량, 할당된 임무를 고려하여, 금지된 목록에 있는 움직임을 엄격히 피하면서 목표에 도달할 수 있는 일련의 움직임을 계산합니다. 드론이 그 순서 중 바로 첫 번째 움직임을 실행하면, 이 과정이 반복됩니다. 드론은 자신의 새로운 위치를 중앙 감독자에게 보내고, 감독자는 새로운 현실에 기반하여 금지된 움직임 목록을 업데이트하며, 드론은 다음 단계를 계획합니다. 이 사이클은 지속적으로 발생하여, 새로운 배송 요청이나 갑작스러운 배터리 경고와 같은 변화에 즉각적으로 적응할 수 있게 합니다. 연구진은 표준 로봇 소프트웨어 플랫폼을 사용하여 시뮬레이션된 도시 환경에서 이 시스템을 테스트했습니다. 그들은 9개의 노드가 있는 단순한 지도를 항해하는 2대의 드론을 대상으로 한 작은 테스트와, 2개의 서로 다른 고도 층에 걸쳐 19개의 노드가 있는 지도를 항해하는 4대의 드론을 대상으로 한 더 크고 복잡한 테스트, 두 가지 시나리오를 만들었습니다.

시뮬레이션 결과는 이러한 계층적 접근 방식이 이전의 시도들을 괴롭혔던 복잡성 문제를 해결한다는 것을 입증했습니다. 연구진이 전체 함대를 한꺼번에 관리하기 위해 단일한 전지전능한 컴퓨터 모델을 구축하려고 했을 때, 즉 '모놀리식 합성(monolithic synthesis)'이라 불리는 방법을 사용했을 때, 시스템은 과부하 상태가 되었습니다. 작은 2대 드론 시나리오에서 단일 모델은 모든 위치와 행동의 가능한 조합을 설명하기 위해 거의 445,000개의 내부 상태를 필요로 했으며, 이는 드론이 더 추가될 경우 폭발적으로 증가할 숫자였습니다. 반면, 새로운 계층적 시스템은 감독자의 복잡성을 단 570개의 상태로 줄였는데, 이는 약 780배의 감소입니다. 이 엄청난 단순화 덕분에 시스템은 슈퍼컴퓨터 없이도 효율적으로 실행될 수 있었습니다. 더 큰 4대 드론 시나리오에서 시스템은 할당된 6개의 임무 중 5개를 성공적으로 완료했으며, 평균 임무 시간은 44.42초, 처리량은 분당 2.46개의 임무였습니다. 중앙 감독자는 안전을 유지하기 위해 타임 스텝당 평균 19.28개의 움직임을 금지해야 했으며, 이는 시스템이 드론을 자유롭게 날게 두는 것이 아니라 적극적으로 충돌을 관리하고 있었음을 증명합니다.

이 연구는 글로벌 안전 규칙과 로컬 의사결정을 분리하는 것이 확장 가능한 솔루션을 가능하게 한다는 점을 확인시켜 줍니다. 중앙 감독자는 각 드론의 배터리나 화물의 구체적인 세부 사항을 알 필요가 없으며, 오직 공역의 점유 상태와 공유 자원의 가용성만을 추적하면 됩니다. 드론은 감독자가 설정한 경계를 준수하는 한, 자신의 경로를 최적화할 자유를 갖습니다. 이러한 아키텍처는 시스템이 안전하고 '논블로킹(non-blocking)' 상태를 유지하도록 보장하며, 즉 어떤 드론도 앞으로 나아가거나 뒤로 물러날 수 없는 상황에 갇히지 않게 합니다. 연구진은 드론의 수와 공역의 복잡성이 증가하더라도 시스템이 충돌이나 지연 없이 함대를 조정하는 능력을 유지한다는 것을 발견했습니다. 이 작업은 수천 대의 차량이 언젠가 동일한 저고도 통로를 공유하게 될 도심 항공 모빌리티의 미래를 위한 실행 가능한 경로임을 시사합니다. 엄격한 안전 집행과 유연한 로컬 최적화를 결합한 프레임워크를 사용함으로써, 연구진은 복잡한 다중 에이전트 시스템을 계산적으로 효율적이면서도 운영적으로 견고하게 관리하는 것이 가능하다는 것을 보여주었습니다. 연구는 현재 시스템이 시뮬레이션을 통해 검증되었지만, 확립된 원칙들이 번잡한 도시 하늘의 역동적인 요구를 처리할 수 있는 실질적인 교통 관리 시스템을 개발하기 위한 구체적인 토대를 제공한다고 결론지었습니다.