서 론
최근 인공지능과 자율기술의 급속한 발전으로 무기체계에도 무인 자율화 적용이 활발히 이루어지고 있다. 지상 무기체계에 속하는 자주포에 대해서도 최근 무인자율화에 대한 논의가 이루어지고 있다[1]. 자주포의 무인자율 운용을 위해서는 다수의 자주포가 전술진지 시작점에서, 사격진지에 자동으로 배치되어 공격 대상 지점에 대해 발포 가능하도록 하는 자율배치 기술이 필수적이다. 자주포의 자율배치 기술 확보를 위해서는 먼저 각 자주포가 센서를 통해 획득한 환경 정보를 이용해서 경로를 자율적으로 계획하고 이동하는 자율주행 기술이 필요하다.
일반적으로 자율주행 기술은 인식부터 제어까지 각 부분을 모듈화한 모듈화된 접근 방식[2-5]과, 센싱된 방대한 데이터를 이용해 학습된 모델을 바탕으로 즉시 제어 입력을 내보내는 End-to-End 방식[6-9]으로 구분할 수 있다. End-to-End 방식은 최근 급격히 발전하는 인공지능 기술과 함께 자율주행에 적용하기 위한 연구가 활발히 이루어지고 있으며, 기존 모듈화된 접근 방식을 능가하는 결과들을 내보이고 있다. 하지만 국방분야에서 End-to-End 방식을 직접적으로 적용하기 위해서는 방대한 데이터를 확보해야 한다는 어려움을 갖고 있고, 방대한 데이터가 확보가 되었더라도 이를 시뮬레이션 상에서 학습하고 실제 플랫폼에 적용할 때 발생하는 Sim-to-real gap 문제를 해결해야 하는 문제가 존재한다[9]. 또한 인공지능의 내부 동작 방식이 아직까지는 설명이 불가능한 수준의 black-box 형태이기 때문에 무엇보다 안전성을 확보해야 하는 국방분야에 적용하기 위해서는 여전히 해결해야 할 난제들이 많다고 할 수 있다.
한편 모듈화된 자율주행 기술은 환경인식부터 제어출력까지를 모듈화한 기술로써 다음과 같은 3단계로 구분할 수 있다. 첫 번째 단계로 카메라나 라이다로부터 획득한 환경 정보를 이용해서 주행에 사용할 지도를 만드는 단계이다. 그 다음은 생성된 지도를 기반으로 플랫폼이 주행할 최적의 경로를 계획하는 단계이다. 마지막은 경로추종 단계로서 계획된 경로를 정확히 추종하는 제어명령을 내보내는 단계이다. 이 중에서 경로계획과 경로추종은 직접적으로 자주포 플랫폼에 제어명령을 인가하는 단계로 무엇보다 자율주행을 위해 중요한 단계이다. 이러한 모듈화된 접근방식은 End-to-End 방식에 비해 비교적 동작방식의 파악이 명확하며, 자율주행 알고리즘 구동을 위해 필요한 데이터 양도 상대적으로 적기 때문에 자주포의 자율주행 적용방식에 적합한 방식이라고 볼 수 있다. 따라서 본 연구에서는 모듈화된 자율주행 기술을 자주포 자율주행 기술로써 선택하였다. 그리고 각 모듈 중에서도 자율주행에 직접적으로 영향을 미치는 경로계획과 경로추종을 중심으로 연구를 수행하였다.
본 논문 2장에서는 자주포의 경로계획과 경로추종과 관련된 관련연구를 소개한다. 그리고 3장에서는 자주포 자율주행 검증을 위한 자주포 동역학 모델과 자주포 자율주행 시뮬레이터 환경을 소개한다. 그리고 4장에서는 자주포 자율주행에 적용된 환경인식, 경로계획, 경로추종 모듈들에 대해서 각각 설명한다. 그리고 5장에서는 비포장 환경에서 본 논문에서 설계한 자주포의 자율 알고리즘의 성능을 검증한다. 마지막 6장에서는 본 연구를 요약하고, 현재 연구의 한계점과 앞으로 수행할 연구에 대해서 서술한다.
관련 연구
현재까지 정확하게 자주포에 적용한 자율주행 기술, 특히 경로계획과 경로추종에 대한 연구는 거의 이루어지지 않았다. 하지만 자주포에 해당하는 궤도차량에 대한 경로계획과 경로추종 기술은 현재까지 많은 연구가 이루어져 와서 참고할 수 있다.
자주포 자율주행 시뮬레이터
본 연구에서 자주포의 자율주행 기능은 시뮬레이션 상에서 검증하게 된다. 이를 위해서 자주포의 자율주행 시뮬레이터 구축이 필요하다. 이를 위해 자주포 동역학과 주행환경이 반영된 자율주행 시뮬레이터를 다음과 같이 구성하였다.
3.1 자주포 동역학 및 주행환경
본 연구에서는 자주포 동역학 및 주행환경을 IPG Automotive사에서 개발한 Truckmaker 시뮬레이션 소프트웨어를 기반으로 설계하였다. 이 시뮬레이션 소프트웨어에서는 차량의 동특성을 반영할 수도 있고, 실제 주행 환경과 유사한 주행환경 특성을 모사할 수 있다는 장점을 갖고 있다. Truckmaker 에서는 차륜형 차량 밖에 모델링을 지원하지 않기 때문에, 궤도차량 특성을 모사하면서도 Truckmaker에 적용가능한 모델이 필요하다. 따라서 본 시뮬레이터에는 동역학 모델을 개발할 수 있는 시뮬레이터인 RecurDyn에서 획득한 궤도차량의 메타모델을 기반으로 Truckmaker에 적용가능 하도록 수정된 다축 차륜형 모델을 사용하였고, Fig. 1과 같이 적용하였다[16].
자율주행
본 장에서는 자주포의 자율주행 알고리즘에 대해서 설명한다. 본 연구에서 다루는 모듈화된 자주포 자율주행 알고리즘은 전역경로생성 및 비용맵 생성, 경로계획, 경로추종, 주행제어명령 생성 단계로 구분된다. 본 알고리즘 개요도는 Fig. 4에 제시되어 있다.
4.1 전역경로/비용맵생성
자주포가 자율주행하기 위해서는 먼저 운용자에 의한 전역경로를 수신받아야 한다. 전역경로는 목표지점까지 가기 위한 사전 정보라고 할 수 있으며, 항공사진 기반의 지도에서 사용자가 직접 전역경로점을 선택하게 된다. 전역경로라는 사전 정보를 수신한 자주포는 자율주행을 위한 환경지도를 생성해야 한다. 즉, 3.2절에서 설명한 자주포 센서를 이용해서, 시뮬레이션 환경에서 라이다 데이터를 획득하게 되면, 각 라이다 포인트를 Fig. 3(Left)와 같이 400×400 격자맵에 매칭한다. 이후 각 셀을 점유한 라이다 데이터 분포 특성에 따라 주행가능지도를 생성하게 된다. 주행가능지도는 참고문헌[17,18]에서 제시한 셀 내부 데이터의 기하학적 분포정보를 이용하여 지도를 생성하며, 생성 결과 각 셀은 주행가능한지에 따라서 0∼255의 값을 갖게 된다. 0으로 갈수록 주행이 가능하지 않음을 의미한다. 주행가능지도가 생성되면 이후 Fig. 3(Right)과 같은 비용지도를 생성한다. 비용지도는 0∼255의 주행가능정도를 나타내는 수치를 ‘주행가능영역, 장애물영역, 알 수 없는 영역’으로 매칭한다. 또한 안전을 위한 마진을 포함시켜 최종적인 비용지도를 생성한다.
4.2 경로계획
자주포는 무한궤도 기반의 복잡한 비선형 시스템이지만, 경로계획 단계에서는 차량의 동역학적 세부 거동보다, 목표 지점까지의 기하학적으로 타당한 경로를 생성하는 것이 우선된다. 이에 본 연구에서는 자주포의 평면 내 이동 거동을 단순화한 Bicycle model을 사용하여, 경량화된 계산 구조로도 선회 반경 등을 반영한 실용적인 경로 생성을 가능하게 하였다. 한편 자주포와 같은 궤도 차량은 좌우 궤도의 속도 차이를 통해 제자리 선회가 가능한 특수한 기동 특성을 가진다. 그러나 본 연구에서는 실시간 경로계획에 요구되는 계산 효율성을 우선적으로 고려하여, 궤도 차량의 복잡한 기구학적 특성을 단순화한 Bicycle 모델을 채택하였다. 즉, 제자리 선회 특성을 반영하지 못하는 한계는 존재하나, 자주포 운용 시 실제 임무 환경에서 빈번히 발생하는 중·저속 전진 주행 상황에서는 Bicycle 모델 근사가 충분히 타당하다. 또한 실제 운용시 제자리 선회가 필요한 경우에는 사용자가 개입하여 원격으로 운용하는 상황을 가정하였다.
Fig. 5와 같은 Bicycle 모델은 차량의 전·후륜을 각각 하나의 가상 바퀴로 축약함으로써 2차원 평면상의 궤적을 효율적으로 기술할 수 있으며, 실제 자주포의 조향 특성 및 회전 반경 제한 조건과도 일정 부분 부합한다. 또한 본 모델은 경로계획의 실시간 생성을 가능하게 한다. 이때 식 (3)에서 δ는 조향각을 나타낸다. 궤도차량의 경우 Bicycle model에서 조향각에 제약이 없는 특별한 형태의 Bicycle model로 생각할 수 있다.
Bicycle model을 생성 후에, PSO(Particle Swarm Optimization)알고리즘을 이용한 MPC 알고리즘으로 최적의 경로를 생성하였다. PSO와 MPC 기반 최적화 기법은 일반적으로 연산량이 크다는 한계가 있으며, 실시간 적용에 불리할 수 있다. 그러나 본 연구에서는 자주포의 경로계획 단계에서 요구되는 준실시간 수준의 경로계획을 목표로 하였다. 따라서 수십 Hz 이상의 고속 제어 주기가 필요한 차량 저차원 제어기와 달리, 본 연구에서는 10 Hz 주기의 경로계획 모듈로 구현하여 안정적으로 동작함을 확인하였다. 한편, PSO 알고리즘을 자세히 살펴보면, PSO의 각 파티클은 식 (5), (6)과 같은 방식에 따라 업데이트 되며, 최적의 파티클을 찾게 되고, 각 파티클은 식 (7)과 같이 임의의 조향각을 생성하는데 이용된다. 이때 p i k p i k ∈ R 2 M p i k
이렇게 무작위로 생성된 각 후보지역경로는 아래의 식을 이용해 비용을 계산한다.
Jobstacle 은 식 3.1에서 설명한 비용지도를 기반으로 계산된 경로가 갖는 비용이며, 경로계획으로 생성된 지역경로점 N개가 비용지도에서 위치한 지점에서 갖는 비용을 합산하여 구해준다. JGPP는 각 지역경로와 3.1절에서 설명한 전역경로와의 거리와 각도를 가지고 계산한 비용이다. 계산은 아래와 같이 하였다.
이때 J는 GPP개수를 나타내며, xi,j 는 지역경유점 li와 각 전역경유점 gi 가 이루는 각도를 나타낸다. A와 B는 임의로 정한 상수이다. 한편 거리 비용 식 (10)에서 d i = m i n j ∥ l i − g j ∥ 2 2
식 (11)과 (12)에서 li는 각 후보 경로의 지역 경유점 을 나타내고, l i ∗
본 장에서 제시한 경로계획 방법은 자주포의 특성을 고려한 방법으로서 기존 방법 대비 다음과 같은 차별성을 갖는다. 첫 번째로 Bicycle model을 기반으로 하되, 포신 길이에 따른 충돌 가능성을 비용함수에 반영하여, 자주포 플랫폼 특화된 경로계획을 설계했다는 점이다. 두 번째로 PSO/MPC를 결합한 최적화 기반 경로계획을 자주포 운용 환경에 맞게 경량화하여 10 Hz 수준의 준 실시간 성능을 확보하였다는 점이다. 이러한 점에서 본 연구의 경로계획 모듈은 기존 궤도차량 연구의 방법론적 토대를 활용하면서도, 자주포 특화된 제약 조건과 운용 환경을 반영한 기여가 있다.
4.3 경로추종
4.3.1 요 각속도 생성
경로추종 제어기의 경우 실제 자주포의 제어 입력과 차량 거동 간의 관계를 명확히 반영하는 모델이 요구된다. 본 연구에서는 차량의 조향입력에 따른 궤적 반응을 효과적으로 표현하기 위해, Fig. 6과 같은 Bicycle Dynamic Model을 기반으로 한 상태 피드백 제어기를 설계하였다.
Bicycle Dynamic Model은 자주포의 전진 속도 및 회전률 간의 관계를 간결한 형태로 나타낼 수 있어, 제어기 설계 시 궤적 오차(lateral error, heading error) 기반 피드백 구조를 명확히 구성할 수 있다. 특히 저속 운행 상황을 가정할 경우, 궤도 차량의 복잡한 비선형성에도 불구하고, 본 모델은 추종 성능을 만족할 수 있는 근사적 모델로 작용하며, 실제 제어기 구현 및 안정성 분석에도 유리한 구조를 제공한다.
이후 지역경로의 reference point와의 error 값을 이용한 error dynamics에 대한 시스템 행렬 A와 제어입력행렬 B를 아래와 같이 도출할 수 있다. 자세한 유도과정은 참고문헌[19]에 제시되어 있으며, 본 논문에서는 유도과정은 생략한다.
(13)
위 식 (13)에서 시스템 행렬 A와 제어입력행렬 B에서 Iz는 관성모멘트를 나타내며, F는 Tire force를 나타낸다. 그리고 lf, lm, lr는 각각 모델의 중심질량점에서 각각의 Wheel까지의 거리를 나타낸다. 마지막으로, cf,cm, cr은 각 Wheel에 작용하는 횡력과 Slip angle을 나 타내는 계수이다. 이때 상태 x = [ e y e y ˙ e θ e θ ˙ ] e y ˙ e θ ˙
본 논문에서는 식 (13)의 error dynamics의 오차를 0으로 만들기 위한 경로추종 제어기로 LQR 상태피드백제어기를 사용한다. 이때 LQR의 식은 아래와 같이 표현할 수 있다.
J는 LQR 상태피드백 제어기의 목적함수이며, Q와 R 행렬은 상태 x와 입력 u 에 가해지는 가중치 행렬이다. 그리고 상태피드백 제어기 이득 K는 리카티 방정식에 의해서 구해지며, 아래와 같이 계산된다.
본 연구의 경로추종 제어기는 Bicycle model을 기반으로 계산하였기 때문에, 식 (15)에서 구해지는 상태피드백 제어 입력 -Kx는 Bicycle model을 기준으로 한 조향각도 명령이다. 자주포는 궤도차량이므로 조향각도명령을 식 (16)과 같은 요 각속도 명령으로 변환해주게 된다. 한편, 궤도 차량은 좌우 궤도의 구동력 차이에 의해 회전 운동을 수행하므로, 엄밀히 말하면 자전거 모델과 차이가 존재한다. 그러나 저속 및 중속 조건에서 궤도차량의 궤적 추종 거동은 전진 속도와 요각속도 관계를 통해 근사적으로 자전거 동역학 모델로 표현 가능하다.
본 장에서 소개한 경로추종 모듈은 자주포의 저속/비포장 주행 조건에서 발생하는 궤적 오차(lateral error, heading error)를 효과적으로 보정하기 위해, Bicycle model을 근사적으로 적용한 LQR 제어기를 설계하였다. 이는 궤도차량의 복잡한 비선형성을 단순화하면서도, 실제 운용 환경에서 요구되는 추종 성능을 확보할 수 있다는 점에서 의의가 있다.
4.3.2 속도 생성
요 각속도 명령과 별도로, 경로추종 단계에서 속도 명령을 생성한다. 4.1절의 전역경로 생성 시에 각 전역경유점 마다 참조속도가 같이 생성되는데, 참조속도만을 따를 경우에 곡률이 급격한 선회구간에서 위험에 빠질 수 있기 때문에 별도로 속도명령을 생성해주어야 한다. 이때 속도명령은 전역경로계획에서 생성한 전역경유점들의 곡률 χ를 보고 판단한다. 즉, 아래 수식과 같이 4.1절에서 주어진 전역경로의 곡률이 사용자가 정의한 곡률 χth보다 크다면 전역경유점의 참조속도를 반으로 줄인 참조속도 vdes를 출력하게 된다.
4.4 주행제어기
경로추종 단계에서 요 각속도와 속도를 생성하게 되면, 이 명령은 주행제어기에 전달되게 된다. 주행제어기의 동작 개요도는 Fig. 7에 나타내었다. 주행제어기에서는 제어컴퓨터에서 확인되는 실제 플랫폼의 항법정보로부터 각속도(ψ ˙
실 험
본 장에서는 본 논문에서 제안한 방법을 가지고 수행한 실험결과를 제시한다. 총 두 가지 실험을 수행하였다. 첫 실험 (실험 A)은 비포장 시험환경에서 제안한 방법을 이용하여, 시험로를 자율주행으로 완주여부 및 주행 간의 성능을 분석하였다. 다음 실험 (실험 B)에서는 경로추종 알고리즘으로 많이 쓰이고 있는 Pure pursuit 알고리즘과의 성능 비교를 하였다. 본 연구에서는 지면에 대한 마찰은 고려하지 않았다.
5.1 실험 A 개요
실험 A는 본 논문에서 제안한 경로계획과 경로추종 및 주행제어기 알고리즘의 성능을 확인하기 위한 실험으로써, 시험로 완주 여부 및 주행간 주행 성능을 분석하였다.
5.1.1 시험환경
국방과학연구소 창원 기동시험장 비포장로 환경을 시뮬레이터에 반영 하여 자주포 자율주행 시험을 수행하였다. Fig. 8은 기동시험장 내 비포장로를 나타내며, 실제 약 1.8 km 정도의 경로 길이를 갖는다. 빨간색 동그라미는 4.1절에 설명한 전역경로를 나타낸다. 시험 시 사용자는 GUI 창에서 비포장로의 항공사진을 기반으로 전역경로를 임의로 설정하게 된다. 또한 각 전역경로 경유점마다 5 kph의 참조속도를 부여하였다. 전역경로 생성 시 각 경유점의 참조속도를 5 kph로 설정한 이유는, 실제 자주포 운용시 비포장 환경에서의 안전한 주행을 고려한 결과이다. 특히 곡률이 큰 선회 구간에서는 속도가 높을 경우 궤도 이탈 가능성이 크므로, 보수적인 주행 안전성을 확보하기 위해 5 kph를 참조속도로 선정하였다.
5.1.2 결과 및 성능분석
앞 절의 시험 환경에서 자주포 자율주행 성능을 시험하였다. Fig. 9(Top)은 시뮬레이터 내에서 자주포가 주행한 궤적을 UTM 좌표계로 나타낸 것이다. 그림에서 확인할 수 있듯이, 비포장 주행로를 완주한 결과를 확인할 수 있다. 즉, 차량이 경로 이탈 없이 전역경로 상의 GPP(Global Path Point)를 통과하였음을 알 수 있다.
Fig. 9(Middle)은 주행 간 자주포의 속도(kph)를 나타낸 것으로써, 최소 0.036, 최대 7.884, 평균 4.991의 속도를 나타내었다. 이는 주행 중에 급격한 감/가속이 나타나지 않아, 안정적으로 주행했음을 확인할 수 있다. 또한 Fig. 9(Bottom)은 주행 동안 자주포의 요 각속도(deg/s)를 분석한 것으로써, 최소 −8.632, 최대 6.964, 평균 0.620을 확인할 수 있다. 이를 통해, 주행 중 급격한 불연속이나 진동이 나타나지 않았음을 확인할 수 있다. 또한, Fig. 10과 같이 자주포의 주행과정 동안에 Heading error(deg)와 Lateral error(m)를 분석하였다. Heading error의 경우 최소 −6.877, 평균 0.498, 최대 12.744의 오차를 보였다. Lateral error의 경우에는 최소 −0.473, 최대 0.459, 평균 0.007의 오차를 보였다. 이러한 수준의 오차는 자주포 전술 운용에 있어서 임무 수행에 충분히 허용 가능한 범위이다. 특히 Heading error의 경우 최대 약 10° 내외의 편차는 사격 시 포탑 조준 시스템을 통해 보정이 가능하므로, 실제 운용 단계에서 전투 효용성에 큰 제약을 주지 않는다. 또한 Lateral error가 0.5 m 이내로 유지된다는 점은 포대 배치나 사격 위치 정확도(수 m 단위)를 고려할 때 충분히 양호한 성능이라 할 수 있다. 따라서 본 연구에서 제안한 경로추종 제어기는 자주포 플랫폼의 실제 운용 맥락에서 문제없이 완주하였다고 평가할 수 있는 정량적 근거를 제공한다.
5.2 실험 B 개요
본 실험에서는 경로추종 알고리즘으로 일반적으로 많이 쓰이는 Pure pursuit 방법과 성능을 비교/분석하였다.
5.2.1 시험환경
5.2.2 결과 및 성능분석
Fig. 12는 곡선구간 (Test A)에서 실험 수행 결과를 나타낸다. 제안한 방법이 Pure pursuit 대비 lateral error와 heading error 모두 적은 것을 확인할 수 있다. Fig. 13은 직선구간 (Test B)에서 실험 수행 결과를 나타내며, 같은 경향을 보임을 확인할 수 있다. Table 1과 Table 2는 실험결과를 요약한 표이다. 곡선구간에서 Pure pursuit의 성능저하가 뚜렷한 것을 확인할 수 있는데, 이는 Pure pursuit의 경우 yaw rate 반응이 알고리즘 특성 상 지연되기 때문에 나타나는 결과이다. 제안한 방법은 피드백 정보를 이용하기 때문에 곡선구간에서도 상대적으로 잘 대응하는 것을 확인할 수 있다.
결 론
본 논문에서는 자주포의 자율주행 알고리즘을 소개하였으며, 특히 Bicycle model을 이용한 경로계획과 경로추종 알고리즘을 중점적으로 소개하였다. 제안한 자율주행 알고리즘의 성능 분석을 위해 자체적으로 구축한 자주포 자율주행 시뮬레이터를 이용하였다. 시뮬레이터에서 수행한 실험을 통해 제안한 자율주행 알고리즘을 가지고, 비포장 시험로를 완주하는 것을 확인하였으며, 주행 간의 속도 변화, 요 각속도 변화, lateral error와 heading error를 확인하였다. 또한 Pure pursuit과의 비교 분석을 통하여, 제안한 알고리즘의 우수성을 확인하였다. 본 연구에서는 지면에 대한 마찰을 고려하지 않았기 때문에, 향후 연구로는 지면의 마찰에 의한 Slip과 같은 외란에 강건한 경로계획 및 경로추종 알고리즘을 개발할 예정이다.
PDF Links
PubReader
ePub Link
Full text via DOI
Download Citation
