Extending Ground-Constraint LiDAR-IMU Calibration to Tilted Surfaces in a Continuous-Time Framework

로봇이 세상을 움직이며 나아가기 위해서는 눈과 균형 감각 사이의 섬세한 파트너십에 의존합니다. 안전하게 항해하기 위해 기계는 자신이 정확히 어디에 있는지, 그리고 어떻게 방향을 잡고 있는지를 알아야 하며, 이 작업은 보통 협력하는 두 개의 별개 센서에 의해 처리됩니다. 한 센서인 레이저 스캐너는 주변 환경을 훑어 상세한 지도를 구축하고, 다른 센서인 소형 모션 트래커는 차량이 어떻게 가속하고 회전하는지를 측정합니다. 이 두 데이터 스트림이 함께 의미를 갖기 위해서는 컴퓨터가 이들 사이의 정확한 물리적 관계, 즉 두 센서가 얼마나 떨어져 장착되어 있는지와 서로에 대해 정확히 어떤 각도로 기울어져 있는지를 알아야 합니다. 만약 이 관계가 조금이라도 틀어진다면, 로봇의 내부 지도는 표류하게 되고 세상에 대한 이해는 무너지고 말 것입니다.

엔지니어들의 과제는 로봇이 제작될 때 이 센서들이 결코 완벽하게 정렬되어 있지 않으며, 정확한 오프셋(offset)이 시간이 지남에 따라 변할 수 있다는 점입니다. 이를 해결하기 위해 로봇은 센서가 어떻게 움직이는지 관찰함으로써 컴퓨터가 올바른 정렬 상태를 찾아내는 일종의 자기 튜닝 과정인 캘리브레이션(교정) 과정을 거쳐야 합니다. 주로 평평한 포장도로 위에서 앞으로 전진하거나 원을 그리며 회전하는 지상 차량의 경우, 이 과정은 역사적으로 어려웠습니다. 움직임이 너무 단순하여 컴퓨터가 문제를 풀 수 있는 단서를 너무 적게 제공하기 때문입니다. 이전의 해결책들은 지면이 완벽하게 평평하다고 가정함으로써 문제를 단순화하려 노력했는데, 이 규칙은 고속도로에서는 잘 작동하지만 차량이 언덕이나 경사로를 마주할 때는 완전히 실패합니다.

맥길 대학교의 연구진은 이 문제를 해결하는 새로운 방법을 개발하여, 로봇이 기울어진 지면 위에서도 정확하게 스스로를 교정할 수 있도록 했습니다. 최근 발표된 연구에 따르면, 그들의 작업은 평탄한 지형에 대한 엄격한 요구 사항을 제거하여 경사지에서도 평지만큼 잘 작동하도록 합니다. 레이저 스캐너와 모션 트래커 사이의 관계를 해석하는 방식을 개선함으로써, 이 새로운 방법은 로봇이 도시의 거리나 험준하고 울퉁불퉁한 언덕을 오를 때 모두 정밀한 위치 감각을 유지할 수 있도록 보장합니다.

문제의 핵심은 지상 차량이 움직이는 방식에 있습니다. 차량은 중력에 의해 지면에 붙어 있어야 하므로, 회전할 때 일반적으로 단일 수직 축을 중심으로 회전합니다. 이러한 제한된 움직임은 캘리브레이션 소프트웨어에 사각지대를 만듭니다. 차량이 평지에서 원을 그리며 회전할 때, 컴퓨터는 센서들이 수직 방향으로 얼마나 떨어져 있는지 쉽게 구별할 수 없어 불확실성이 발생합니다. 이를 해결하기 위해 초기 방법들은 수학적 지름길에 의존했습니다. 바로 차량을 아래로 당기는 중력이 지면으로부터 수직 위 방향과 완벽하게 일치한다고 가정하는 것입니다. 이 가정은 평평한 표면에서만 유효합니다. 차량이 경사로에 들어서는 순간 지면은 기울어지지만 중력은 그렇지 않습니다. 기존의 가정이 깨지게 되며, 캘리브레이션은 실패합니다. 이는 종종 매우 잘못된 결과를 초래합니다.

연구진은 지면이 평평해야 한다는 조건에 의존하지 않는 새로운 규칙 세트를 만드는 것으로 이 문제를 해결했습니다. 대신, 이 새로운 방법은 실제 경사각을 측정하고 그 정보를 사용하여 정렬을 수정합니다. 시스템은 레이저 데이터를 살펴 차량이 주행 중인 표면을 식으로 식별하고, 중력의 인력에 대한 해당 표면의 각도를 계산합니다. 그런 다음 이 각도를 사용하여 계산을 제약하는데, 이는 컴퓨터에게 "지면이 특정 각도로 기울어져 있으니, 그에 맞춰 센서 정렬을 조정하라"고 효과적으로 지시하는 것과 같습니다. 이 접근 방식은 차량이 가파른 경사를 오를 때도 시스템이 센서의 위치와 방향을 올바르게 계산할 수 있도록 해줍니다.

아이디어를 테스트하기 위해 연구팀은 레이저 스캐너와 모션 트래커를 장착한 표준 로봇 차량을 사용했습니다. 그들은 로봇을 일련의 테스트 경로로 주행시켰는데, 일부는 평평한 실험실 바닥이었고 일부는 야외 경사로였습니다. 그들은 이 새로운 방법을 평지 가정을 사용하는 기존의 널리 쓰이는 기술과 비교했습니다. 평평한 표면에서는 두 방법 모두 잘 작동했지만, 새로운 방식은 연속적인 움직임 데이터 스트림을 처리하는 더 정교한 방식을 사용하기 때문에 일관성 면에서 약간의 우위를 보였습니다. 진짜 차이는 경사지에서 나타났습니다. 로봇이 경사로를 오르내릴 때, 기존 방식은 불규칙하고 신뢰할 수 없는 결과를 냈으며 종종 하나의 올바른 답에 수렴하는 데 실패했습니다. 반면, 새로운 방식은 경사와 상관없이 안정적으로 올바른 정렬 상태를 찾아냈습니다.

연구진은 또한 험준한 오프로드 기계와 대학 캠퍼스에서 수집된 데이터셋을 포함하여 다른 차량에서 수집된 데이터로도 시스템을 테스트했습니다. 모든 경우에서 새로운 방법은 더 높은 신뢰성을 보여주었습니다. 연구팀이 센서 위치에 대한 잘못된 추측을 가지고 의도적으로 캘리브레이션 프로세스를 시작했을 때, 새로운 시스템은 스스로를 수정하여 정답을 찾아낼 수 있었던 반면, 기존 방식은 회복하는 데 어려움을 겪었습니다. 이러한 자기 수정 능력은 로봇이 항상 완벽한 초기 측정값을 가질 수 없는 실제 환경에서 매우 중요합니다. 연구는 지면의 기울기를 고려함으로써 로봇이 내부 지도의 높은 정밀도를 유지할 수 있음을 보여주었으며, 이는 복잡하고 울퉁불퉁한 환경에서 작동하는 데 필수적인 능력입니다.

새로운 방법이 상당한 진전을 이루었지만, 연구진은 여전히 약간의 사전 지식이 필요하다고 언급합니다. 시스템은 시작하기 전에 모션 트래커가 지면으로부터 떨어진 물리적 높이를 알아야 하며, 이 측정값은 수동으로 측정되어야 합니다. 또한, 경사각을 계산하기 위해 시스템은 차량이 평평한 지면에 있을 때 중력이 어떻게 보이는지에 대한 기준이 필요한데, 이는 보통 평탄한 지형에서의 짧은 캘리브레이션 주행을 통해 결정됩니다. 이러한 작은 요구 사항에도 불구하고, 기울어진 표면을 처리할 때 실패하지 않는 능력은 큰 개선입니다. 이는 로봇이 이제 캘리브레이션 오류로 인해 길을 잃을 위험 없이, 울퉁불퉁한 흙이 있는 건설 현장부터 산악 지형에 이르기까지 더 다양한 환경에 배치될 수 있음을 의미합니다.

이 연구는 로봇 공학의 더 넓은 추세를 강조합니다. 즉, 세상에 대한 경직된 가정을 버리고 환경의 현실에 적응할 수 있는 시스템을 향해 나아가는 것입니다. 지면이 항상 평평하지 않다는 점을 인정함으로써, 연구진은 로봇 항해를 위한 더 강력한 도구를 구축했습니다. 결과는 미래의 로봇이 완벽한 조건에 덜 의존하고, 실제로 필요한 복잡하고 다양한 세상에서 더 잘 작동할 수 있음을 시사합니다. 이 새로운 방식의 코드는 다른 연구자들에게 공개되어, 분야가 계속 발전함에 따라 추가적인 테스트와 개선을 제안하고 있습니다.