Optimal Excitation Trajectories for System Identification of Underwater Vehicles

햇빛이 사라지고 수압이 높아지는 수면 깊은 곳에서, 수중 탐사 차량들은 인류의 가장 섬세하고 위험한 작업들을 수행합니다. 노후된 해양 구조물을 점검하는 것부터 난파선을 조사하고, 산호초를 모니터링하며, 해저 케이블을 유지 관리하는 일에 이르기까지, 이 기계들은 인간에게는 적대적인 환경 속에 있는 과학자와 엔지니어들의 눈과 손이 되어줍니다. 이러한 로봇이 효과적으로 작동하기 위해서는 정밀하고 예측 가능한 움직임을 보여줄 수 있어야 합니다. 하지만 바다는 복잡한 방식으로 운동에 저항하는 유동적이고 변화무쌍한 매체입니다. 안전하게 항해하기 위해, 차량은 자신의 물리 법칙에 대한 정밀한 내부 지도를 필요로 합니다. 즉, 자신의 추진기에 어떻게 반응하는지, 물이 어떻게 밀어내는지, 그리고 자신의 무게와 부력이 어떻게 상호작용하는지에 대한 수학적 이해가 필요합니다. 이러한 정확한 모델이 없다면, 로봇은 경로를 벗어나거나, 위치를 유지하지 못하거나, 결정적인 기동을 잘못 판단할 수 있습니다. 문제는 이 모델을 만드는 데 있습니다. 차량의 행동은 화물, 센서, 심지어 특정 수역의 조건에 따라 변하기 때문에, 미리 프로그래밍된 추측은 신뢰할 수 없습니다.

이를 해결하기 위해, 뉴욕대학교 아부다비(NYU Abu Dhabi)의 연구진은 수중 로봇에게 자기 자신에 대해 가르치는 새로운 방법을 개발했습니다. 값비싼 비용과 시간이 소요되는 대형 산업용 탱크 테스트나, 종종 실제와 차이가 발생하는 복잡한 컴퓨터 시뮬션에 의존하는 대신, 연구팀은 로봇이 자신의 역동적인 비밀을 드러낼 수 있도록 정교하게 설계된 일련의 움직임을 수행하는 방식을 설계했습니다. 로봇이 이러한 특정 동작에 어떻게 반응하는지를 분석함으로써, 연구팀은 로봇의 움직임을 지배하는 정확한 물리적 특성을 계산할 수 있습니다. '시스템 식별(system identification)'이라고 알려진 이 과정은 로봇이 자신의 행동에 대한 개인화된 모델을 구축할 수 있게 해주며, 이 모델은 로봇을 더 정확하게 제어하거나 미래의 위치를 높은 신뢰도로 예측하는 데 사용될 수 있습니다.

이 새로운 접근 방식의 핵심은 움직임 자체의 설계에 있습니다. 과거에 엔지니어들은 수중 차량을 테스트할 때 직선으로 앞뒤로 움직이거나 원을 그리며 도는 것과 같은 단순하고 반복적인 동작을 자주 사용했습니다. 이러한 기본적인 테스트는 일부 데이터를 제공하지만, 차량이 3차원에서 움직이는 복잡하고 결합된 성질을 포착하는 데는 종종 실패합니다. 로봇이 회전할 때, 단순히 회전만 하는 것이 아니라 물의 물리 법칙으로 인해 옆으로 밀려나거나 깊이가 약간 변할 수도 있습니다. 단순한 테스트는 이러한 미묘한 상호작용을 놓치기 쉽습니다. 연구진은 완전한 그림을 얻기 위해서 로봇이 더 정교한 방식으로 '자극'을 받아야 한다는 것을 깨달았습니다. 즉, 물리적 시스템의 모든 부분을 고장 없이 적절히 자극하여 진정한 본질을 드러낼 수 있는 정교한 움직임의 순서가 필요했습니다.

이를 달성하기 위해 연구팀은 베지에 곡선(Bézier curves)이라는 수학적 도구를 활용했습니다. 디자이너가 몇 개의 특정 지점을 잡아당겨 곡선의 모양을 만들 수 있는 유연한 와이어를 상상해 보십시오. 그 지점들 사이의 곡선은 매끄럽고 예측 가능한 경로를 따릅니다. 연구진은 이 개념을 사용하여 로봇이 따라갈 궤적, 즉 경로를 설계했습니다. 이 제어점들의 위치를 조정함으로써, 연구팀은 벽에 부딪히거나 모터의 속도 제한을 초과하지 않는 것과 같은 안전 경계 내에 머무는 것이 보장되는 매끄럽고 연속적인 움직임을 만들 수 있었습니다. 이 방법은 기존 기술이 갖지 못한 유연성을 제공하여, 단순한 루프가 아니라 로봇의 물리학을 조사하기 위해 특별히 설계된 복잡하고 다단계적인 여정을 만들어낼 수 있게 해주었습니다.

그 후 연구진은 컴퓨터에게 가장 정보가 풍부한 데이터를 생성할 수 있는 최적의 제어점 세트를 찾도록 요청하는 최적화 문제를 설정했습니다. 목표는 로봇의 움직임을 최대한 뚜렷하고 측정 가능하게 만들어, 수집된 데이터가 차량의 물리적 파라미터를 높은 정확도로 해결하는 데 사용될 수 있도록 하는 것이었습니다. 연구진은 이 최적화 과정에 엄격한 안전 규칙을 적용했습니다. 로봇은 부드럽게 시작하고 멈춰야 하며, 실험실 수조의 크기 내에 머물러야 하고, 실제 모터가 구현할 수 있는 속도로 움직여야 했습니다. 결과적으로 도출된 궤적은 5개의 뚜렷한 구간으로 나뉜 280초간의 여정이었습니다. 처음 4개 구간에서 로봇은 전진, 측면 이동, 상승, 회전 등 한 번에 한 가지 유형의 움직임에 집중하도록 유도되었으며, 이때 다른 움직임은 최소화되었습니다. 마지막 구간에서는 모든 제약이 완화되어 로봇이 모든 방향으로 동시에 자유롭게 움직일 수 있었습니다. 이러한 구조는 연구진이 먼저 로봇의 독립적인 기본 행동을 식별한 다음, 모든 움직임이 동시에 일어날 때 발생하는 더 복잡한 상호작용을 포착할 수 있도록 보장했습니다.

연구팀은 7개의 추진기를 장착한 소형 어뢰 형태의 수중 차량인 비디오레이 디펜더(VideoRay Defender)를 사용하여 이 방법론을 테스트했습니다. 로봇을 6.3m x 3.7m x 1.8m 크기의 실험실 수조에 배치했습니다. 로봇의 위치를 극도로 정밀하게 추적하기 위해, 연구팀은 수조 바닥에 특수 시각 마커가 있는 판을 설치하고 로봇에 장착된 하향 카메라를 통해 이를 관찰했습니다. 로보가 최적화된 경로를 따라가는 동안, 팀은 로봇의 위치, 속도 및 모터에 전달된 명령을 기록했습니다. 그런 다음 이 데이터를 사용하여 질량, 물의 저항, 무게 분포와 같은 로봇의 동적 파라미터를 계산했습니다.

결과는 놀라웠습니다. 연구진이 새로운 모델을 사용하여 완전히 다른 경로에서 로봇이 어떻게 움직일지 예측했을 때, 그 예측은 실제 측정값과 놀라운 정확도로 일치했습니다. 이 모델은 매끄럽고 계획된 경로뿐만 아니라 사람이 조이스틱으로 명령하는 갑작스럽고 거친 움직임까지 포함하여 다양한 기동에서 로봇의 속도와 방향을 성공적으로 예측했습니다. 모델이 약간의 오차를 보인 유일한 부분은 회전(yaw) 동작이었는데, 연구진은 이를 로봇과 수면을 연결하는 물리적 테더(tether) 때문이라고 분석했습니다. 이 테더가 예상치 못한 항력과 저항을 추가했기 때문입니다. 그럼에도 불구하고, 전반적인 성능은 식별된 모델이 차량의 행동을 신뢰성 있게 포착할 수 있음을 입증했습니다.

이 연구는 수중 로봇을 더욱 자율적이고 신뢰할 수 있게 만드는 중요한 진전입니다. 추측과 일반적인 테스트를 대신하여, 차량 자신의 물리학을 이해하기 위한 구조화된 데이터 기반 접근 방식을 도입함으로써, 연구진은 모든 모듈형 수중 차량에 적용할 수 있는 도구를 제공했습니다. 이 방법은 로봇 자체의 센서와 표준 컨트롤러에 의존하기 때문에, 서로 다른 화물을 운반하거나 다른 환경에서 작동하는 차량에도 쉽게 적용할 수 있습니다. 연구팀은 이 연구를 롤링(rolling)과 피칭(pitching) 동작을 포함한 완전한 6자유도 운동으로 확장하고, 궁극적으로는 이 모델들을 실제 대양에서 테스트하는 것을 목표로 하고 있습니다. 결과적으로, 이 접근 방식은 우리 바다를 탐사하는 기계들이 단순히 명령을 따르는 것을 넘어, 물속에서 자신이 어떻게 움직이는지를 진정으로 이해할 수 있는 길을 열어줍니다.