미국 캘리포니아공과대(칼텍) 연구진이 매핑 정보가 없는 공간에서도 군집 로봇 또는 드론들이 충돌하지 않도록 동작을 제어할 수 있는 머신러닝 기술을 개발했다고 밝혔다.
이동 로봇을 활용한 도심지내 수색 및 구조업무, 자율주행 자동차의 군집 운행, 군집 드론의 편대 비행 등 기술을 확보하기 위해선 멀티-로봇(multi-robot)의 조정 제어 기술이 요구된다. 멀티-로봇의 조정 제어는 2가지 도전적인 기술적 과제를 해결해야한다. 첫째는 로봇 또는 드론의 미래 경로에 대한 불완전한 데이터를 활용해 로봇(또는 드론)의 궤적에 관한 의사결정을 짧은 시간내 결정해하는 것이고, 둘째는 로봇의 숫자가 증가할수록 복잡성이 증대되는 로봇간 상호관계를 파악하는 것이다.
이 같은 도적적인 과제를 수행하기 위해 칼텍 정승조 교수 연구팀은 멀티-로봇 동작계획 알고리즘인 ‘GLAS(Global-to-Local Safe Autonomy Synthesis)’, 근접 비행시 복잡한 항공역학적인 상호관계를 학습할 수 있는 군집 트래킹 컨트롤러인 ‘뉴럴-스웜(Neural-Swarm)’을 개발했다.
정 교수는 “우리의 연구 성과는 전통적인 블랙박스 인공지능 접근법이 갖고 있는 안전성, 강건성, 확장성 등의 이슈를 극복할 수 있다”고 말했다.
연구팀에 따르면 GLAS와 뉴럴-스웜 기술을 활용하면 로봇이 주변환경에 대한 안전하고 포괄적인 그림이나 경로에 관한 정보를 가질 필요가 없다. 대신 로봇들은 즉시 공간을 이동하는 법을 학습하고, 학습 모델에 새로 취득한 정보를 통합하는 방식으로 군집 로봇의 이동(또는 비행)을 제어할수 있다. 군집속에서 있는 개별 로봇들은 오로지 자신 주변에 관한 정보만을 취득하며, 분권 방식으로 연산 작업을 수행한다. 개별 로봇들은 ‘자신’만을 고려해 이동이 가능하기 때문에 군집 로봇의 숫자를 쉽게 늘려갈 수 있다는 설명이다.
연구팀은 “이번 프로젝트는 현대적인 머신러닝 기술을 ‘멀티-에이전트 계획 및 제어로 통합할 수 있는 가능성을 보여줬다”고 했다.
연구팀은 연구 성과를 실증하기 위해 최대 16대의 쿼드콥터 드론을 활용해 군집 비행을 시연했다. 시연 결과 GLAS 기술이 기존의 ’멀티-로봇 동작계획 알고리즘에 비해 20% 가량 성능이 우수한 것으로 나타났다. 또 뉴럴-스웜 컨트롤러는 종전의 상업용 컨트롤러 보다 트래킹 에러를 최대 4배까지 줄일수 있는 것으로 나타났다. 연구팀은 연구 성과를 전문저널인 ‘IEEE 로보틱스 앤 오토메이션 레터스(논문 제목:GLAS: Global-to-Local Safe Autonomy Synthesis for Multi-Robot Motion Planning with End-to-End Learning)’와 ‘Proceedings of IEEE International Conference on Robotics and Automation(논문 제목:Neural-Swarm: Decentralized Close-Proximity Multirotor Control Using Learned Interactions)'에 발표했다.
