SAGE: Ergodic Control for Autonomous and Adaptive Inspection of Subsea Infrastructure

해저 깊은 곳에서는 수중 크리스마스 트리(subsea Christmas trees)라고 불리는 핵심 인프라가 석유와 가스의 흐름을 관리합니다. 이 복잡한 구조물에는 누출 여부를 지속적으로 모니터링해야 하는 밸브, 플랜지, 커넥터들이 촘촘히 박혀 있습니다. 수십 년 동안 이러한 점검은 잠수사나 원격 조종 수중 로봇(ROV)이 엄격하게 작성된 일정에 따라 움직이는 인간 주도의 작업이었습니다. 문제는 구조물의 모든 부분이 매 순간 똑같이 중요한 것은 아니라는 점에 있습니다. 누출이 의심되는 밸브는 즉각적이고 빈번한 주의를 요구하는 반면, 깨끗한 이력을 가진 부품은 더 오래 기다릴 수 있습니다. 전통적인 방식에서는 미션 도중에 새로운 누출이 발견되면, 인간 운영자가 차량을 멈추고 경로를 수동으로 재계산한 뒤, 위험 요소를 우선시하도록 새로운 명령을 내려야 합니다. 이 과정은 느리며, 계획을 다시 짜는 동안 작업의 흐름을 방해하고 점검 공백을 남깁니다.

연구진은 수중 로봇이 이러한 변화하는 우선순위를 스스로 처리할 수 있도록 설계된 SAGE(Semantic and Adaptive Generative Ergodicity)라는 새로운 접근 방식을 개발했습니다. 이 시스템은 모든 지점을 동일한 순서로 방문하는 고정된 루프를 따르는 대신, 점검 구역을 '위험의 지도'로 취급합니다. 로봇은 위험이 가장 높은 곳을 지속적으로 계산하고, 그 특정 지점에서 더 많은 시간을 보낼 수 있도록 움직임을 조정합니다. 핵심 아이디어는 로봇의 경로가 미션의 변화하는 요구 사항을 자연스럽게 반영해야 한다는 것입니다. 만약 밸브가 갑자기 고위험 상태가 되면, 로봇은 인간이 지도를 다시 그리기를 기다리는 것이 아니라, 내부적인 '다음 이동 위치' 계산이 변경됨에 따라 즉시 해당 밸브 주변을 더 자주 돌기 시작합니다. '에르고딕 제어(ergodic control)'라고 알려진 이 방법은 로봇의 움직임을 실시간 위험 분포와 일치시켜, 특정 부품 근처에서 보내는 시간이 현재 그 부품이 필요로 하는 주의 정도에 비례하도록 합니다.

연구진은 시뮬레이션 환경에서 두 개의 수중 구조물과 총 5개의 밸브가 있는 시나리오를 사용하여 이 시스템을 표준 고정 경로 방식과 비교 테스트했습니다. 연구진은 한 밸브에서 심각한 누출이 발생하여 고위험 상황을 연출한 반면, 나머지 밸들은 평상시 상태를 유지하도록 설정했습니다. 미리 계획된 투어를 사용하는 전통적인 방식은 모든 밸브를 동일한 일정으로 취급했습니다. 로봇은 밸브가 누출 중인지 혹은 완벽하게 안전한지와 관계없이 정확히 8.1초마다 각 밸브를 방문했습니다. 심지어 누출되는 밸브의 위험도가 급증했을 때도, 로봇은 고정된 루프를 계속 수행하며 인간이 미션을 중단하고 경로를 재설계하지 않는 한 우선순위를 정할 수 없었습니다. 반면, SAGE 시스템은 시뮬레이션된 누출에 즉각적으로 반응했습니다. 인간의 개입이나 경로 재계산을 위한 일시 정지 없이도, 로봇은 자동으로 행동을 변화시켰습니다. 로봇은 누출되는 밸브를 매 5.8초마다 방문하기 시작했으며, 이는 고정 경로 로봇보다 약 1.4배 더 자주 확인하는 셈입니다. 5분간의 시뮬레이션 동안 SAGE 로봇은 누출되는 밸브를 50회 방문한 반면, 전통적인 로봇은 37회만 방문했습니다.

성능의 차이는 누출되는 밸브뿐만 아니라 다른 부분에서도 나타났습니다. SAGE 시스템은 고위험 구역에 집중했기 때문에, 위협이 없는 밸브에는 자연스럽게 시간을 적게 할애했습니다. 시뮬레이션에서 로봇은 저위험 밸브 중 하나를 완전히 무시하여 방문 횟수가 0회였던 반면, 고정 경로 로봇은 그 밸브를 확인하는 데 37회의 시간을 낭비했습니다. 이러한 동적 시간 배분 능력 덕분에 새로운 시스템 하에서는 잠재적 누출이 발견되지 않은 채 방치되는 시간이 훨씬 짧아질 수 있습니다. 연구진은 위험한 밸브에 대한 점검 간격이 크게 단축되어, 기존 방식보다 취약 시간(window of vulnerability)을 약 3분의 2 수준으로 줄였다는 것을 발견했습니다. 이 시스템은 경직된 대본을 따르는 대신, 실시간으로 위험 지도를 업데이트하고 속도와 방향을 조정함으로써 이를 달 achievement 했습니다.

시뮬레이션 결과는 유망했지만, 연구진은 이 시스템의 한계도 인정했습니다. 테스트에서 로봇이 누출되는 밸브에 과도하게 집중한 나머지 가장 위험도가 낮은 밸브를 완전히 소홀히 했는데, 이는 해당 밸브에 갑작스러운 문제가 생길 경우 문제가 될 수 있습니다. 연구진은 향후 버전의 소프트웨어에 모든 밸브가 저위험 상태일지라도 최소 한 번은 반드시 점검되도록 보장하는 안전 규칙을 포함하여, 어떤 부품도 완전히 잊히지 않도록 제안했습니다. 이 기술의 다음 단계는 로봇의 '눈'과 '뇌' 사이의 루프를 닫는 것입니다. 현재 시뮬레이션의 위험 수준은 수동으로 설정되었지만, 궁극적인 목표는 로봇이 카메라나 소나를 통해 직접 누출을 감지하고 위험 지도를 자동으로 업데이트하는 것입니다. 또한 연구진은 실제 해양 환경의 수중 차량을 대상으로, 미션 도중 누출이 도입되었을 때 로봇이 실제 세계에서 어떻게 적응하는지를 확인하는 실험을 포함한 테스트를 계획하고 있습니다.

이 기술은 경직된 스케줄링에서 적응형 인지(adaptive awareness)로의 전환을 의미하며, 자율 시스템이 미리 작성된 계획이 아닌 실시간 조건에 따라 결정을 내릴 수 있게 해줍니다. 동일한 논리는 재난 지역에서의 생존자 수색, 기름 유출과 같은 환경적 위해 요소 모니터링, 또는 연안의 쓰레기 수거와 같이 우선순위가 수시로 변하는 다른 작업에도 적용될 수 있습니다. 필요가 가장 큰 곳을 기준으로 로봇이 어디로 갈지를 결정하게 함으로써, 이 시스템은 해저 점검을 더 빠르고, 안전하며, 심해의 즉각적인 현실에 더 민감하게 대응할 수 있는 방법을 제시합니다.