MIT 엔지니어들, 고속에서도 장애물을 피할 수 있도록 드론을 훈련하는 알고리즘 개발
자율 드론 레이스를 지켜본 사람이라면 승리보다 충돌 사고를 더 많이 기억할 것입니다. 드론 레이스에서 팀들은 어떤 기체가 장애물 코스를 더 잘 통과할 수 있도록 준비되었는지 겨룹니다. 그러나 드론은 빨리 날수록 더 불안정해집니다. 고속에서는 공기역학을 예측하기 어렵습니다. 추락은 흔한 일입니다.
드론을 더 빠르고 기동성 있게 만들 수 있다면, 레이스 트랙 밖에서도 시간이 중요한 작전, 예를 들어 자연재해 현장에서 생존자를 찾는 일에 활용할 수 있을 것입니다.
매사추세츠 공과대학(MIT)의 항공우주 엔지니어들은 드론이 사고 없이 장애물 주변의 가장 빠른 경로를 찾도록 돕는 알고리즘을 개발했습니다. 이 알고리즘은 가상의 장애물 코스를 통과하는 드론 비행 시뮬레이션과, 실제 드론이 물리적 공간에서 같은 경로를 비행한 실험 데이터를 결합합니다.
연구진은 자신들의 알고리즘으로 훈련된 드론이 일반적인 계획 알고리즘으로 훈련된 드론보다 장애물 코스를 20% 더 빠르게 통과했다는 사실을 확인했습니다. 다만 새 알고리즘이 항상 레이스 내내 드론이 경쟁자를 앞서게 한 것은 아닙니다. 때로는 어려운 코너를 통과하기 위해 드론을 감속시키거나, 에너지를 아껴 가속한 뒤 결국 경쟁자를 추월하는 방식을 택하기도 했습니다.
“고속에서는 시뮬레이션하기 어려운 복잡한 공기역학이 나타납니다. 그래서 우리는 실제 환경 실험으로 이러한 공백을 메우고, 예를 들어 먼저 감속한 뒤 가속하는 것이 더 나을 수 있다는 점 등을 알아냅니다. 우리는 이처럼 전체를 아우르는 접근법을 통해 궤적 전체를 어떻게 하면 가능한 한 빠르게 만들 수 있는지 살펴봅니다.”
MIT 항공우주학과 부교수 서타크 카라만에 따르면, 이러한 알고리즘은 복잡한 환경에서 매우 빠르게 이동할 수 있는 미래 드론을 만드는 길에서 매우 가치 있는 한 걸음입니다. "우리는 드론이 물리적 능력이 허용하는 한 최대한 빠르게 이동할 수 있도록 한계를 넓히고 싶습니다.
빠른 속도의 효과
드론이 느리게 날아야 한다면 장애물을 피하도록 훈련하는 것은 비교적 간단합니다. 항력 같은 공기역학 효과는 저속에서는 보통 크게 작용하지 않아 드론의 거동을 시뮬레이션할 때 무시해도 되기 때문입니다. 그러나 고속에서는 이러한 효과가 훨씬 두드러져 기체가 어떻게 반응할지 예측하기가 훨씬 어렵습니다.
빠르게 비행하는 동안 드론은 자신의 위치를 추정하기 어렵습니다. 모터에 신호를 보내는 데 지연이 생기거나 갑작스러운 전압 강하가 발생해 동역학에 다른 문제가 생길 수 있습니다. 이러한 효과는 전통적인 계획 방식으로는 시뮬레이션할 수 없습니다.
고속 공기역학이 비행 중인 드론에 어떤 영향을 미치는지 이해하려면, 연구진은 실험실에서 다양한 속도와 궤적으로 드론을 설정해 어느 것이 빠르고 사고 없이 비행하는지 확인하는 수많은 실험을 해야 합니다. 이는 비용이 많이 들고 사고가 자주 발생하는 과정입니다.
MIT 팀은 이를 대신해, 빠르고 안전한 비행 궤적을 찾는 데 필요한 실험 횟수를 최소화하도록 시뮬레이션과 실험을 결합한 고속 비행 계획 알고리즘을 개발했습니다.
연구진은 먼저 자신들이 개발한 물리 기반 비행 계획 모델로 가상의 장애물 코스를 통과하는 드론의 비행 중 거동을 시뮬레이션했습니다. 이들은 각기 다른 비행 궤적과 속도를 가진 수천 개의 레이스 시나리오를 시뮬레이션했습니다.
그런 다음 각 시나리오가 실행 가능한지(안전한지) 불가능한지(사고로 이어지는지) 표시했습니다. 이 표를 통해 연구진은 실험실에서 시험해 볼 유망한 시나리오, 즉 레이스 궤적 몇 개를 빠르게 골라낼 수 있었습니다.
“우리는 이 시뮬레이션을 빠르고 저렴하게 수행해 빠르면서도 현실적일 수 있는 흥미로운 궤적을 찾아냅니다. 그런 다음 이 궤적들로 실험을 진행해 실제 세계에서 어떤 것이 정말 가능한지 파악합니다. 결국 우리는 가능한 최단 시간을 제공하는 최적의 궤적에 가까워집니다.”
더 빨리 가속하기 위해 감속하기
새로운 접근법을 시연하기 위해 연구진은 지그재그로 배치된 정사각형 대형 장애물 다섯 개가 있는 단순한 코스를 비행하는 무인 항공기를 시뮬레이션했습니다.
이들은 물리 훈련 공간에 같은 구성을 설치하고, 앞서 시뮬레이션에서 선택한 속도와 궤적으로 드론이 코스를 비행하도록 프로그래밍했습니다. 또한 계획 단계에서 실험을 포함하지 않는 보다 전통적인 알고리즘으로 훈련된 드론으로도 같은 코스를 비행했습니다.
전체적으로 새 알고리즘으로 훈련된 드론은 모든 레이스에서 "승리"하며 일반적으로 훈련된 드론보다 더 짧은 시간에 코스를 통과했습니다. 일부 시나리오에서는 우승한 드론이 출발이 더 느린 궤적, 예를 들어 회전에 약간 더 많은 시간이 걸리는 궤적을 택했는데도 경쟁 드론보다 20% 더 빠르게 레이스를 마쳤습니다.
연구진은 알고리즘을 개선하기 위해 더 빠른 속도와 더 복잡한 환경에서 더 많은 실험을 진행할 계획입니다. 또한 드론을 원격으로 조종하는 인간 파일럿의 비행 데이터를 포함할 수도 있습니다. 이들의 판단과 기동은 더 빠르면서도 실현 가능한 비행 계획을 달성하는 데 도움이 될 수 있습니다.
