심해는 엄청난 압력, 거의 완전한 어둠, 그리고 우리가 숨 쉬는 공기나 해안 근처의 얕은 물과는 매우 다르게 작용하는 유체 역학이 지배하는 영역입니다. 엔지니어와 과학자들에게 이 환경은 독특한 과제를 안겨줍니다. 즉, 회수가 불가능한 경우가 많은 곳에서 수백만 달러 가치의 기계를 위험에 빠뜨리지 않고 심해 탐사 로봇을 어떻게 테스트할 것인가 하는 문제입니다. 전통적인 해답은 시뮬레이션, 즉 로봇이 안전하게 실패할 수 있는 가상 세계를 만드는 것이었습니다. 그러나 수년 동안 이러한 가상 세계들은 실제처럼 작동하기보다는 아름답게 보이는 것에 치중하여 구축되어 왔습니다. 대부분의 수중 시뮬레이터는 햇빛이 얕은 바다를 통과하며 해저에 반짝이는 패턴을 만들어내는 모습을 모방하는 등 시각적 사실성을 우선시합니다. 이러한 영상들은 매우 멋지지만, 센서의 느린 표류, 수밀도의 미세한 변화, 또는 차량이 진흙투성이 해저와 상호작용하는 방식과 같이 로봇의 움직임을 실제로 지배하는 보이지 않는 힘들은 무시하는 경우가 많습니다. 이처럼 예쁜 그림과 물리적 실재 사이의 간극은 특히 연구자들이 인공지능을 사용하여 로봇에게 스스로 생각하고 항해하도록 가르치기 시작하면서 결정적인 병목 현상이 되었습니다. 만약 로봇이 물리적으로 부정확한 가상 세계에서 움직이는 법을 배운다면, 실제의 혼돈스러운 심해 조건에 맞닥뜨렸을 때 실패할 가능성이 높습니다.

한 연구팀은 수중 로봇의 시뮬레이션을 바라보는 관점을 근본적으로 재고함으로써 이 불일치 문제를 해결했습니다. 그들은 초점을 시각적 장관에서 물리적 및 센서의 충실도로 전환했습니다. 그들은 기존의 오픈 소스 시뮬레이터인 스톤피쉬(Stonefish)에 중대한 업그레이드를 수행하여, 단순히 보기 좋은 도구였던 것을 실제처럼 느껴지는 도구로 탈바꿈시켰습니다. 이 연구의 핵심은 심해에서는 로봇이 무엇을 '보느냐'보다 무엇을 '느끼느냐'가 훨씬 더 중요하다는 깨달음이었습니다. 이를 달성하기 위해 연구팀은 이전에는 누락되었던 일련의 현실적인 결함과 물리 법칙들을 시뮬레이션에 주입했습니다. 그들은 로봇 내부 나침반과 운동 센서의 느리고 피할 수 없는 표류, 위치에 따라 변하는 자기장, 그리고 차량이 하강함에 따라 밀도가 변하는 복잡하고 층을 이룬 물의 특성을 모델링했습니다. 또한 로봇이 해저를 기어가거나 착륙하도록 설계된 기계라면 필수적인 능력인, 해저를 물리적으로 만지고 밀 수 있는 기능을 추가했습니다.

연구진은 먼저 시뮬레이터가 로봇의 내부 운동 감각을 처리하는 방식을 전면적으로 개편했습니다. 실제 세계에서 회전과 가속을 측정하는 로봇 내부의 미세한 센서들은 결코 완벽하지 않습니다. 이들은 시간이 지남에 따라 작은 오차를 축적하며, 이로 인해 로봇은 자신이 어디를 향하고 있는지 또는 얼마나 빠르게 움직이고 있는지에 대한 감각을 서서히 잃게 됩니다. 기존의 시뮬레이터들은 종종 이러한 센서들을 이상적이거나 단순한 무작위 노이즈만을 가진 것으로 취급했는데, 이는 수 시간 동안 발생하는 느린 표류 현상을 포착하는 데 실패했습니다. 새로운 모델은 온도 변화와 로봇 자체의 추진기에서 발생하는 진동에 어떻게 반응하는지를 포함하여, 실제 센서의 물리적 동작을 모방하는 더 정교한 동작을 도입했습니다. 실제 센서를 9시간 이상 가동하여 얻은 데이터와 대조 테스트를 수행함으로써, 연구진은 자신들의 시뮬레이션이 현실에서 발견되는 것과 동일한 느린 표류 오차를 재현한다는 것을 확인했습니다. 이는 매우 중요한데, 만약 로봇의 항법 시스템이 표류가 없는 시뮬레이션에서 훈련된다면, 장기적인 심해 임무 중에 발생하는 점진적인 정확도 손실에 대비할 수 없기 때문입니다.

마찬가지로, 연구팀은 로봇의 속도와 방향을 처리하는 방식도 개선했습니다. 로봇은 종종 음파를 사용하여 해저 또는 주변 물에 대한 상대적 속도를 측정합니다. 새로운 시뮬레이션은 이러한 측정값이 즉각적이거나 완벽하게 안정적이지 않다는 점, 즉 느리고 무작위적인 편향을 포함하여 로봇의 계산된 위치가 시간이 지남에 따라 실제 위치에서 벗어나게 된다는 점을 고려합니다. 테스트 결과, 기존 시뮬레이션은 로봇이 3시간 동안 불과 몇 십 센티미터만 표류하는 비현실적으로 완벽한 성능을 보여주었습니다. 하지만 물리적 근거를 둔 새로운 모델은 같은 시간 동안 0.5미터 이상의 표류를 보여주었으며, 이는 로봇이 직면하게 될 도전 과제들을 훨씬 더 정직하게 표현한 것입니다. 이러한 세부 사항은 연구자들이 자율 항행 로봇을 훈련할 때, 완벽한 허구의 세계에 의존하는 것이 아니라 실제 세계의 오류에 보정하는 법을 가르치도록 보장합니다.

로봇의 내부 센서를 넘어, 이 작업은 주변 환경을 더욱 정확하게 생생하게 구현합니다. 심해는 균일한 물 덩어리가 아닙니다. 깊이에 따라 밀도와 해류가 변하는 층을 가지고 있습니다. 새로운 시뮬레이터는 차량이 깊이 내려감에 따라 물의 밀도가 어떻게 증가하는지 계산하며, 이는 다시 물이 로봇의 움직임에 얼마나 저항하는지를 변화시킵니다. 또한 회전하는 물체가 유체 속을 이동할 때 발생하는 마그누스 효과(Magnus effect)와 지구 자전으로 인해 차량이 경험하는 측면 밀어내기 힘인 코리올리 힘(Coriolis force)을 모델링합니다. 이러한 힘들이 사소해 보일 수 있지만, 연구진은 장거리 이동 시 로봇이 단순한 모델에서는 완전히 놓칠 수 있는 방식으로 옆으로 밀려나거나 방향이 바뀌게 된다는 것을 발견했습니다. 이러한 효과들을 포함함으로써, 시뮬레이션은 랜더(lander)나 글라이더(glider)가 수 시간 동안 하강하는 동안 어떻게 행동할지를 예측할 수 있게 되어, 제어 시스템을 설계하기 위한 훨씬 더 신뢰할 수 있는 테스트베드를 제공합니다.

아마도 가장 중요한 추가 기능 중 하나는 로봇이 지면에 닿는 것을 시뮬레이션하는 능력일 것입니다. 심해 임무 중 상당수는 샘플을 채취하거나 장비를 배치하기 위해 해저에 착륙하는 과정을 포함합니다. 기존의 시뮬레이터들은 종종 해저를 보이지 않는 벽으로 취급하거나 아예 무시했습니다. 새로운 시스템은 토양 역학 모델을 사용하여 로봇의 다리나 바퀴가 진흙 속으로 어떻게 가라앉는지, 지면이 얼마나 많은 저항을 제공하는지, 그리고 차량이 어떻게 스스로를 안정시키는지 계산합니다. 이를 통해 연구자들은 실제 해저가 무게와 움직임에 반응하는 것과 똑같이 반응하는 가상 환경에서 기어가는 로봇과 착륙선을 테스트할 수 있습니다. 이는 로봇이 해저에서 작동할 수 있는 능력을 개발하는 데 있어 중요한 진전이며, 이전에는 이를 안전하게 테스트하기 어려웠던 부분입니다.

시각 기반 작업을 위해 물리적 모델이 유용하게 쓰일 수 있도록, 연구팀은 시뮬레이터가 이미지를 생성하는 방식도 개선했습니다. 새로운 시각 엔진을 처음부터 만든 것은 아니지만, 그들은 물리 시뮬레이션을 심해 조건에 특화된 렌더링 도구와 연결했습니다. 이 도구는 시뮬레이터의 원시 이미지를 가져와 인공 조명이 거리와 함께 어떻게 희미해지는지, 물속의 입자들이 빛을 어떻게 산란시키는지와 같은 심해의 특정 광학 효과를 적용합니다. 이를 통해 로봇의 카메라가 실제 세계에서 마주하게 될 것과 동일한, 인공 조명에 의한 거리감과 물속 입자에 의한 산란, 그리고 카메라 렌즈와 보호 하우징에 의해 발생하는 왜곡이 포함된 탁하고 어두운 장면을 볼 수 있는 현실적인 시각 환경을 조성합니다.

이 작업의 결과물은 얕은 물의 시각적 아름다움보다 심해의 보이지 않는 힘과 센서의 현실을 우선시하는 시뮬레이션 프레-임워크입니다. 물리 법칙과 실제 센서의 동작에 기반을 둠으로써, 연구진은 차세대 자율 수중 로봇을 훈련하기 위한 더 신뢰할 수 있는 환경을 구축했습니다. 이 접근 방식은 로봇이 심해에서 성공하기 위해서는 어둡고, 압력이 높으며, 미세하고 누적되는 오차들로 가득 찬 세상에 대비해야 한다는 점을 인정합니다. 본 연구는 시각적 사실성이 곧 물리적 사실성을 의미한다는 가정을 탈피함으로써, 이 분야가 더 견고하고 유능한 기계를 개발할 수 있음을 시사합니다. 물론 유체와 구조물 사이의 복잡한 상호작용을 모델링하는 데 있어 여전히 과제가 남아 있지만, 이 새로운 프레임워크는 실제 심해 환경과 밀접하게 닮은 조건 하에서 항법, 인지 및 제어 시스템을 테스트하기 위한 실질적인 토대를 제공합니다.