FALCON-S: Fixed-wing ground-effect Aerodynamics Simulator and Flight Control Learning Suite

하늘은 항공기에게 균일한 빈 공간이 아닙니다. 그것은 비행체가 지면에 가까워질수록 극적으로 변화하는 풍경입니다. 고정익 항공기가 지면 높이 상공을 비행할 때, 공기는 날개 주변을 예측 가능하고 안정적인 방식으로 흐릅니다. 그러나 동일한 비행기가 지표면에서 불과 몇 피트 높이까지 하강하면, 날개와 지면 사이에 갇힌 공기는 압축됩니다. '지면 효과(ground effect)'라고 알려진 이 현상은 마치 쿠션처럼 작용하여, 비행기를 공중에 띄우는 양력을 증가시키는 동시에 비행기를 느려지게 만드는 항력을 감소시킵니다. 조종사와 엔지니어들에게 이것은 무거운 항공기를 더 가볍고 반응성이 좋게 느껴지게 만드는 강력한 힘이지만, 동시에 표준 비행 모델이 흔히 간과하는 복잡성의 층위를 도입하기도 합니다. 이러한 저고도 구역을 안전하게 항행할 수 있는 자율 시스템을 설계하려면 이러한 변화하는 공역학적 힘에 대한 깊은 이해가 필요하지만, 이를 정확하게 포착하는 가상 환경을 구축하는 것은 오랫동안 연구자들에게 큰 난제였습니다.

이 간극을 메우기 위해 연구진은 지면 근처를 비행하는 고정익 항공기를 위해 특별히 설계된 새롭고 매우 상세한 시뮬레이션 프레임워크를 개발했습니다. 계산 능력을 아끼기 위해 물리학을 단순화하거나 호버링하는 드론에 집중했던 기존의 도구들과 달리, 이 시스템은 지면과 상호작용하는 강체 비행기의 완전하고 복잡한 움직임을 모델링합니다. 연구진은 비행 자체뿐만 아니라 모터의 응답 지연, 센서 신호의 정적 잡음, 예측 불가능한 돌풍과 같은 현실 세계의 불완리함까지 시뮬레이션하는 모듈형 엔진을 구축했습니다. 이러한 물리적 사실주의를 강력한 그래픽 프로세서를 통해 수천 개의 시뮬레이션을 동시에 실행할 수 있는 능력과 결합함으로써, 그들은 인공지능이 가상 환경에서 이전에는 불가능했던 수준의 정밀도로 비행하는 법을 배울 수 있는 시험장을 만들어냈습니다.

이 작업의 핵심은 항공기를 6자유도(전진, 후진, 좌우 이동 및 상하 이동, 그리고 모든 방향의 회전)로 움직이는 고체 객체로 취급하는 시뮬레이터입니다. 소프트웨어는 이론적 물리학과 항공기 형상에서 유도된 실제 데이터를 혼합한 반경험적 모델을 사용하여 비행기에 작용하는 힘을 계산합니다. 결정적으로, 이 시스템은 지면 효과에 대한 특정 보정치를 적용하여 날개가 표면에 얼마나 가까운지에 따라 양력과 항력 계산을 조정합니다. 이를 통해 시뮬레이션은 비행기가 공기의 '쿠션'을 느끼는 정확한 순간을 재현하여, 표준 비행 모델이 놓칠 수 있는 방식으로 비행체의 행동을 변화시킵니다. 이 프레임워크는 소형 원격 제어 모델부터 대형 프로토타입에 이르기까지 다양한 유형의 항공기를 테스트할 수 있을 만큼 유연하며, 표준 컴퓨터 프로세서에서 실행하거나 그래픽 카드를 사용하여 대규모로 가속화함으로써 학습 과정을 가속화할 수 있습니다.

실험에서 연구진은 두 가지 유형의 비행 제어기를 서로 맞붙여 이 시뮬레이터를 테스트했습니다. 하나는 사전 계산된 규칙에 의존하는 전통적인 수학적 제어기이고, 다른 하나는 시행착착오를 통해 개선되는 현대적인 학습 기반 제어기입니다. 연구진은 이 시스템들에 두 가지 주요 과제를 부여했습니다: 특정 높이까지 상승한 후 일정한 고도를 유지하는 것과, 원형 비행이나 8자 비행와 같은 일련의 복잡한 기동을 수행하는 것입니다. 결과는 안정성과 적응성 사이의 흥미로운 절충 관계를 보여주었습니다. 전통적인 제어기는 조건이 예측된 대로 정확히 일치할 때는 매우 정밀하여 거의 완벽한 정확도로 고도를 유지했습니다. 그러나 항공기가 먼 거리에서 상승해야 하거나 조건이 약간 변할 경우 어려움을 겪었으며, 종종 목표 높이에 도달하는 데 실패했습니다.

반면, '근사 정책 최적화(Proximal Policy Optimization)'라는 방법으로 훈련된 학습 기반 제어기는 훨씬 더 견고한 모습을 보였습니다. 이 시스템들은 시작 위치에 관계없이 모든 테스트 실행에서 목표 고도에 도달하고 이를 유지하는 데 성공했습니다. 또한 복잡한 기동을 추적하는 데 탁월한 능력을 보여주며 높은 일관성으로 경로를 유지했습니다. 전통적인 제어기가 과제를 완료하지 못하는 경우가 있었던 반면, 학습 에이전트들은 회전과 상승의 전체 시퀀스를 충돌 없이 완수했습니다. 이 연구는 전통적인 방식이 완벽하고 정적인 환경에서는 더 정확할 수 있지만, 특히 지면 효과가 개입된 역동적이고 예측 불가능한 실제 비행 상황에서는 학습 기반 접근 방식이 더 우수하다는 것을 보여주었습니다.

연구진은 또한 노이즈가 있는 센서, 지연된 명령, 난기류와 같은 현실 세계의 불완전함에 직면했을 때 이 시스템들이 어떻게 작동하는지 조사했습니다. 그들은 학습 기반 제어기가 센서 노이즈에 대해 놀라울 정도로 탄력적이며, 데이터가 다소 손상되더라도 성능을 유지한다는 것을 발견했습니다. 그러나 시스템 지연, 즉 명령과 항공기 움직임 사이의 시차가 발생할 경우 비행기가 흔들리거나 제어력을 잃는 등 지연에는 더 민감했습니다. 난기류는 가장 도전적인 요소였으며, 강한 돌풍에 의해 항공기가 안전한 비행 범위를 벗어나기도 했습니다. 흥게롭게도, 항공기의 크기와 설계도 중요한 역할을 했습니다. 소형 모델은 대형 모델보다 지연을 더 잘 흡수할 수 있었지만, 바람에 의해 경로를 이탈하기는 소형 모델이 더 쉬웠습니다.

이 연구의 가장 중요한 발견 중 하나는 지면 효과 내에서 비행할 때 항공기가 얼마나 많은 추력을 절약할 수 있는지에 대한 정량화였습니다. 시뮬레이션 결과, 비행기가 날개 폭의 4분의 1 높이까지 하강하면 고공 비행 시와 비교하여 수평 비행을 유지하는 데 필요한 전력이 약 25% 적게 든다는 것을 보여주었습니다. 이러한 전력 수요의 감소는 지면 효과가 제공하는 양력 증가와 항력 감소의 직접적인 결과입니다. 연구진은 이 절약 효과가 실제적이고 측정 가능하다는 점을 확인했으며, 항공기가 지면에 가까울 때 훨씬 적은 에너지 소비로 동일한 경로를 비행할 수 있다고 언급했습니다. 이러한 통찰은 저고도 환경에서 운영되는 효율적인 자율 시스템의 배터리 수명이나 연료를 보존하도록 설계하는 데 필수적입니다.

연구팀은 두 가지 기존 비행 시뮬레이션 도구와 결과를 비교함으로써 물리 법칙이 타당한지 검증하여 시뮬레이터를 검증했습니다. 지면 효과를 껐을 때, 그들의 시스템은 다른 도구들과 거의 완벽하게 일치하는 비행 경로를 생성하여 기초적인 공역학이 정확함을 입증했습니다. 지면 효과를 켰을 때, 시스템은 다른 도구들이 재현하지 못하는 뚜렷하고 체계적인 행동 변화를 보여주었으며, 이는 새로운 모델이 저고도 비행의 독특한 공역학적 현상을 성공적으로 포착하고 있음을 증명했습니다. 이러한 교차 검증은 이 시뮬레이터가 단순히 이론적인 연습이 아니라, 엔지니어링 및 연구를 위한 신뢰할 수 있는 도구라는 확신을 줍니다.

궁극적으로 이 작업은 현실적인 조건 하에서 다양한 비행 제어 전략을 테스트하고 비교할 수 있는 통합 플랫폼을 제공합니다. 이는 전통적인 제어 방식도 제 역할이 있지만, 학습 기반 접근 방식이 복잡하고 변화하는 저고도 비행 환경에 적응하는 데 더 우수한 능력을 갖추고 있음을 보여줍니다. 이 시뮬레이터는 연구자들이 수백만 건의 비행 시나리오를 단 몇 분 만에 실행할 수 있게 하여, 지면 효과 구역을 안전하게 항행할 수 있는 자율 항공기의 개발을 가속화합니다. 고충실도의 공통 벤치마크를 제공함으로써, 이 프레임-워크는 비행 제어기를 평가하는 방식을 표준화하여 자율 고정익 항공기가 지면 바로 위의 도전적인 공역에서 안정적으로 운용될 수 있는 날을 앞당기는 데 기여합니다.