기술 요약: Viveka – 수동적 연산을 이용한 공중 항법

문제 정의

공중 로봇은 울창한 숲이나 재난 지역과 같은 복잡하고 혼잡한 환경에서 수색 및 구조와 같은 인도주의적 응용 분야에서 큰 가능성을 지니고 있습니다. 그러나 대규모 배포는 온보드 계산 자원과 항법 능력 사이의 절충안에 의해 제약을 받습니다. 미지의 환경에서 수행되는 전통적인 자율 항법은 일반적으로 조밀한 메트릭 깊이(metric depth) 추정에 의존하는데, 이는 시스템의 크기, 무게, 비용 및 전력 소비를 증가시키며, 이는 소형화되고 자원이 제한된 공중 로봇에게 특히 치명적인 요소입니다. 점프 스파이더(jumping spiders)와 같은 생물학적 에이전트는 광학적 특성을 활용하여 제한된 신경 자원으로도 효율적인 항법을 달 정도로 효율적이지만, 인공 시스템은 종종 이러한 검소한 전략을 갖추지 못한 채 전력 소모가 큰 디지털 프로세싱에 의존합니다.

방법론: 광학적 디포커스(Defocus)를 통한 수동적 연산

저자들은 점프 스파이더의 시각 체계에서 영감을 얻은 항법 패러다임인 Viveka를 제안하며, 이는 **수동적 연산(passive computation)**을 활용합니다. 이 접근 방식은 전기적 에너지 대신 광학적 물리 현상을 활용함으로써, 디지털 프로세싱으로부터 계산 부담을 센싱 모달리티 자체로 전이시킵니다.

핵심 개념

이 시스템은 **대구경 렌즈(f/1.6)**와 **단안 이벤트 카메라(monocular event camera)**를 결으로 결합합니다. 이 구성은 얕은 **피사계 심도(Depth of Field, DoF)**를 유도하여, 초점 평면($Z_f$) 근처의 물체는 선명하게 보이는 반면, 먼 배경 영역은 광학적으로 흐릿하게 보이는 "인물 사진 스타일"의 효과를 생성합니다.

• 수동적 연산: 광학적 디포커스는 프리 필터(pre-filter) 역할을 하여, 초점이 맞지 않는(먼) 영역으로부터 발생하는 이벤트를 억제하는 동시에 초점이 맞는(가까운) 장애물의 고주파 세부 정보를 보존합니다. 이는 명시적인 조밀한 깊이 재구성 없이도 장면을 전경(장애물)과 배경(통행 가능한 공간)으로 효과적으로 분할합니다.
• 이벤트 카메라 통합: 이벤트 카메라(DVXplorer)는 로그 강도의 변화를 비동기적으로 감지합니다. 디포커스는 공간적 그래디언트(gradient)를 감소시키므로, 초점이 맞지 않는 영역은 이벤트 발생량을 크게 줄여 계산 부하와 시스템 지연 시간을 더욱 감소시킵니다.

수학적 프레임워크

논문은 광학 파라미터, 로봇 속도, 그리고 장면 복잡성 사이의 관계를 규정하는 제약 조건을 도출합니다:

1. 블러(Blur)와 깊이: 블러 원(blur circle)의 크기($s$)는 물체 거리($Z$), 초점 거리($f$), 조리개 수($N$), 그리고 초점 거리($Z_f$)의 함수입니다.
2. 속도 제약: 저자들은 이벤트 누적 시간($\Delta T$)에 대한 로봇의 전진 속도($V_z$)의 상한선을 설정합니다. 로봇이 너무 빠르게 움직이면, 로봇이 DoF를 너무 빠르게 통과하면서 선명한 전경과 흐릿한 배경 사이의 구분이 무너져, 선명한 영역과 흐릿한 영역의 이벤트가 혼합됩니다.
3. 신호 대 잡음비(SNR): $\Delta T$의 하한선이 정의됩니다. 적분 시간이 너무 짧으면 신호가 센서 노이즈에 의해 지배됩니다.
4. 최적화: 더 높은 속도에서도 분할 품질을 유지하기 위해, 초점 거리($f$)는 일정한 선명도 비율을 유지하도록 초점 거리($Z_f$)에 비례하여 증가해야 하며, 이는 화각(Field of View)을 줄이는 결과를 초래합니다.

항법 정책

항법 정책은 이벤트 데이터로부터 유도된 **선명도 맵(sharpness map)**을 기반으로 작동합니다:

1. 선명도 추정: 이벤트 볼륨을 시간 창($\Delta T$) 동안 투영하여 2D 이벤트 이미지를 생성합니다. 선명도는 로컬 윈도우 내의 이벤트 그래디언트의 공간적 분산(spatial variance)으로 계산됩니다.
2. 분할: 높은 선명도를 가진 영역은 전경 장애물로 식별되며, 낮은 선명도(흐릿한) 영역은 통행 가능한 배경으로 취급됩니다.
3. 제어: 로봇은 배경(자유 공간)의 가장 큰 연결 성분(largest connected component)을 식별하고, 장애물로부터 멀어지는 반발 벡터를 계산합니다. 블렌딩 가중치는 선명한 영역의 근접성에 따라 전진 운동과 장애물 회피 사이의 균형을 동적으로 조절합니다.

주요 기여

1. 수동적 연산 패러다임: 광학적 디포커스와 이벤트 카메라를 사용하여 암묵적인 깊이 단서를 복구하는 새로운 항법 전략을 도입함으로써, 전력이 많이 드는 조밀한 깊이 추정이나 능동형 센서의 필요성을 제거했습니다.
2. 수학적 도출: 광학 파라미터(조리개, 초점 거리), 로봇 속도, 그리고 장면 통행 가능성을 연결하는 포괄적인 이론적 프레임워크를 제공합니다. 이는 수동적 연산 기반 항법의 설계 원칙을 제공하며 시스템의 운용 한계를 정의합니다.
3. 경량 항법: 전통적인 깊이 매핑을 우회하여, 최소한의 온보드 계산만으로도 밀집되고 혼잡한 환경에서 견고한 장애물 회피를 달성하는 방법을 입증했습니다.

실험 결과

저자들은 Inivation DVXplorer 이벤트 카메라와 35mm f/1.6 렌즈가 장착된 커스텀 쿼드 로터 플랫폼(PeARCorgi210)을 사용하여 광범적한 실제 및 시뮬레이션 실험을 통해 Viveka를 검증했습니다.

실제 환경 성능

• 숲 항법: 다양한 나무 밀도(통행 가능 수치(Traversability Number) 5.80 ~ 18.30 범위)를 가진 세 가지 숲 환경에서 테스트되었습니다.
  • Forest1 (희소): 평균 속도 5 m/s에서 95% 성공률.
  • Forest2 (중간): 1.5 m/s에서 90% 성공률.
  • Forest3 (밀집): 1 m/s에서 75% 성공률.
• 가는 장애물: 다양한 직경(6.25mm ~ 12.7mm)의 로프를 80%의 성공률로 통과했습니다.
• 저조도 조건: 이벤트 카메라의 높은 동적 범위와 대구경 렌즈의 빛 수집 능력을 활용하여, 시민 박명(civil twilight) 미만의 1.1 lux 조도 환경에서도 80%의 성공률을 달성했습니다.
• 박스 장애물: 구조화된 실내 환경에서 85%의 성공률을 기록했습니다.

시뮬레이션 및 효율성

• 비교 성능: 시뮬레이션에서 Viveka는 훨씬 적은 정보를 사용함에도 불구하고, 메트릭 깊이(DepthPro, MiDaS) 및 광학 흐름(RAFT, EdgeFlowNet)을 사용하는 최첨단 방식들과 대등하거나 더 나은 성공률을 달성했습니다.
• 계산 효율성: Viveka는 CPU에서 실행될 때 최첨단 조밀 깊이 추정 모델(DepthPro)보다 400배 더 계산 효율적입니다. 온보드의 Raspberry Pi 5에서 퍼셉션 모듈은 약 25ms의 추론 시간을 요구하며, 이는 실시간 제약 조건을 충족합니다.
• 이벤트 감소: 대구경 렌즈를 사용함으로써 1 m/s 속도에서 핀홀(f/22) 렌즈 대비 이벤트 수를 거의 50% 감소시켰으며, 이는 전력 소비를 직접적으로 낮추는 효과를 가져왔습니다.

의의 및 주장

본 논문은 조밀한 메트릭 깊이가 많은 시나리오에서 자율 항법에 반드시 필수적인 것은 아니다라고 주장합니다. 대신, 저자들은 광학적 물리학을 통해 필요한 정보(전경 대 배경)만을 추출하는 "검소한 인지(parsimonious perception)"가 최소한의 계산 자원으로도 견고한 자율성을 달 Achieve 할 수 있다고 주장합니다.

• 생물학적 영감: 본 연구는 점프 스파이더의 디포커스 활용 방식과 같은 생물학적 시각 체계의 효율성을 로봇 공학에 재현하여, 소형 폼 팩터의 제약을 극복할 수 있음을 보여줍니다.
• 시스템 효율성: 계산을 광학 장치로 오프로딩함으로써, 외부 인프라, 사전 지도 지식, 또는 무거운 프로세싱 하드웨어 없이도 높은 항법 성공률(최대 95%)을 달성했습니다.
• 한계점: 저자들은 이 접근 방식이 광학 파라미터에 의해 결정되는 상한 속도를 가지고 있으며, 센서 노이즘이 신호를 지배하는 극도로 어두운 환경에서는 성능이 저하될 수 있음을 인정합니다. 향후 연구로는 시스템을 더욱 소형화하기 위한 능동 조명이나 위상 배열(phase arrays)의 활용을 제안합니다.

요약하자면, Viveka는 전통적인 깊이 기반 항법의 실행 가능한 대안을 제시하며, "선명함"을 찾는 수동적 광학 디포커스가 복잡하고 구조화되지 않은 환경에서 안전하고 실시간적인 공중 항법을 수행하기에 충분함을 증명합니다.