무인기를 이용한 조난자 수색 등의 임무에서 고가의 단일 무인기를 활용하는 것보다 저가의 군집 무인기 운용을 통한 탐색이 효율적이다. 운용하는 무인기의 수가 증가할수록 임무계획에 소요되는 시간이 증가하며 무인기 운용 시스템의 부담이 커진다. 본 논문에서는 확장성, 강건성 및 단순성 측면에서 복수 무인기 운용에 적합한 분산형 지역 탐색 알고리즘을 제안한다. 비용 절감을 위해 각각의 무인기는 근거리 통신, 기본 연산, 그리고 제한된 메모리 능력을 가진다고 가정한다. 근거리 통신에서는 비행 상태 및 기탐색 정보가 공유되며, 이를 바탕으로 상호간 충돌 회피와 다음 탐색 지역을 결정한다. 미탐색 지역으로의 이동에 대한 가중치를 높이고 중복 탐색 기능을 제공하기 위해 score function을 도입하였다. 제안한 알고리즘 및 임무 수행절차의 성능과 특징을 수치시뮬레이션을 통해 검증하였다.
무인기를 이용한 조난자 수색 등의 임무에서 고가의 단일 무인기를 활용하는 것보다 저가의 군집 무인기 운용을 통한 탐색이 효율적이다. 운용하는 무인기의 수가 증가할수록 임무계획에 소요되는 시간이 증가하며 무인기 운용 시스템의 부담이 커진다. 본 논문에서는 확장성, 강건성 및 단순성 측면에서 복수 무인기 운용에 적합한 분산형 지역 탐색 알고리즘을 제안한다. 비용 절감을 위해 각각의 무인기는 근거리 통신, 기본 연산, 그리고 제한된 메모리 능력을 가진다고 가정한다. 근거리 통신에서는 비행 상태 및 기탐색 정보가 공유되며, 이를 바탕으로 상호간 충돌 회피와 다음 탐색 지역을 결정한다. 미탐색 지역으로의 이동에 대한 가중치를 높이고 중복 탐색 기능을 제공하기 위해 score function을 도입하였다. 제안한 알고리즘 및 임무 수행절차의 성능과 특징을 수치시뮬레이션을 통해 검증하였다.
Swarm of low-cost UAVs for search mission has benefit in the sense of rapid search compared to use of single high-end UAV. As the number of UAVs forming swarm increases, not only the time for the mission planning increases, but also the system to operate UAVs has excessive burden. This paper address...
Swarm of low-cost UAVs for search mission has benefit in the sense of rapid search compared to use of single high-end UAV. As the number of UAVs forming swarm increases, not only the time for the mission planning increases, but also the system to operate UAVs has excessive burden. This paper addresses a decentralized area search algorithm adequate for multiple UAVs which takes advantages of flexibility, robustness, and simplicity. To down the cost, it is assumed that each UAV has limited ability: close-communication, basic calculation, and limited memory. In close-communication, heath conditions and search information are shared. And collision avoidance and consensus of next search direction are then done. To increase weight on un-searched area and to provide overlapped search, the score function is introduced. Performance and operational characteristics of the proposed search algorithm and mission planning logic are verified via numerical simulations.
Swarm of low-cost UAVs for search mission has benefit in the sense of rapid search compared to use of single high-end UAV. As the number of UAVs forming swarm increases, not only the time for the mission planning increases, but also the system to operate UAVs has excessive burden. This paper addresses a decentralized area search algorithm adequate for multiple UAVs which takes advantages of flexibility, robustness, and simplicity. To down the cost, it is assumed that each UAV has limited ability: close-communication, basic calculation, and limited memory. In close-communication, heath conditions and search information are shared. And collision avoidance and consensus of next search direction are then done. To increase weight on un-searched area and to provide overlapped search, the score function is introduced. Performance and operational characteristics of the proposed search algorithm and mission planning logic are verified via numerical simulations.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 논문에서는 군집 무인기를 이용한 미지의 지역에서의 탐색 임무에서 개별 무인기 간의 정보공유에 기반한 합의를 통해 임무 지역을 탐색하고 임무 수행에 필요한 행동을 정의함으로써 무인기의 자율화 수준을 높이고 효율적인 탐색 성능을 갖는 탐색 알고리즘을 제안하였다. 제안한 알고리즘은 페로몬 전략을 기본으로 하며 개별 무인기가 임무 지역에 대해서 미탐색 지역으로의 탐색을 수행하도록 한다.
본 논문에서는 무인기 간의 정보 공유에 기반하여 군집 무인기 활용을 위한 자율 탐색 알고리즘을 제안하였다. 운용자의 개입을 최소로 하고 무인기의 자율 탐색을 위하여 탐색/이동, 충돌 회피, 통신, 합의, 복귀/보고의 절차를 수립하고 연산 부담을 줄이기 위해 행동을 단순화하였다.
가설 설정
무인기가 이동 시 특정 범위 내의 목표물 및 지역을 탐색한다고 가정하며 임무 지역에 대하여 격자로 구성된 지도를 생성한다. 그림 2와 같이 격자는 길이가 d인 정사각형이며 임무 지역의 i행 j열에 있는 격자를 Sij로 정의한다.
두 무인기가 서로 인접할 때마다 임무 지역에 대한 정보를 공유하기 때문에 단일 무인기의 임무 커버리지가 높지 않더라도 빠르게 전체 임무 지역 탐색이 가능하다. 본 논문에서는 무인기의 통신은 지연 없이 즉각적으로 이루어진다고 가정한다.
제안 방법
무인기를 이용한 탐색 임무에서 지형/지물에 의한 영상 사각이 발생하며 정밀 탐색을 위해서는 탐색 지역에서 사각을 고려한 경로계획이 이루어지거나 정밀한 위치/자세 제어가 이루어져야 한다. 다양한 사각 환경 정보를 고려하는 것은 임무의 복잡도를 증대시키기 때문에 제안한 알고리즘에서는 높은 중복 탐색률을 고려함으로써 추가적인 절차 및 기법 구현 없이 탐색 지역 사각에 대한 문제를 다룬다.
또한 자율 탐색 알고리즘의 효용성을 확인하기 위하여 랜덤 탐색 알고리즘과의 비교 시뮬레이션을 수행하였다. 랜덤 탐색 알고리즘은 제안한 알고리즘과 동일하게 탐색/이동, 충돌 회피, 복귀 절차를 수행하지만, 탐색 방향 합의 방식이 아닌 무인기 간의 인접 시 임의의 방향으로 방향 전환하여 탐색 임무를 수행한다.
본 논문에서 제안하는 자율 탐색 알고리즘은 크게 탐색/이동부, 회피부, 통신부, 합의부, 복귀/보고부의 5가지 부분으로 그림 1과 같이 구성된다. 탐색 임무를 수행하기 위해 간단한 행동 절차를 수립하여 복잡도를 최소화하며, 군집 무인기의 운용을 위해 분산형 방식을 고려하여 인접 무인기들의 공유 정보 또는 무인기의 내부 정보를 이용한 방향 전환을 수행한다.
본 논문에서는 이동, 충돌 회피 등 5가지 절차를 수행하는 합의 기반 자율 탐색 알고리즘을 적용한 탐색 성능을 확인하기 위하여 표 2와 같은 조건에서 시뮬레이션을 수행하였으며, 무인기는 수평면에서의 운동을 고려하였다.
본 논문에서는 무인기 간의 정보 공유에 기반하여 군집 무인기 활용을 위한 자율 탐색 알고리즘을 제안하였다. 운용자의 개입을 최소로 하고 무인기의 자율 탐색을 위하여 탐색/이동, 충돌 회피, 통신, 합의, 복귀/보고의 절차를 수립하고 연산 부담을 줄이기 위해 행동을 단순화하였다. 탐색 방향 합의를 위해 score function을 도입하여 미탐색 지역으로의 이동에 대한 가중치와 무인기의 임무수행능력을 반영하였으며 동시에 특정 지역으로의 포화를 방지하고 탐색 사각 해결을 위해 누적 탐색을 고려하였다.
본 논문에서는 군집 무인기를 이용한 미지의 지역에서의 탐색 임무에서 개별 무인기 간의 정보공유에 기반한 합의를 통해 임무 지역을 탐색하고 임무 수행에 필요한 행동을 정의함으로써 무인기의 자율화 수준을 높이고 효율적인 탐색 성능을 갖는 탐색 알고리즘을 제안하였다. 제안한 알고리즘은 페로몬 전략을 기본으로 하며 개별 무인기가 임무 지역에 대해서 미탐색 지역으로의 탐색을 수행하도록 한다. 2장에서는 탐색 알고리즘의 개요를 설명하며, 3장에서 탐색 알고리즘의 세부 구성요소를 설명한다.
운용자의 개입을 최소로 하고 무인기의 자율 탐색을 위하여 탐색/이동, 충돌 회피, 통신, 합의, 복귀/보고의 절차를 수립하고 연산 부담을 줄이기 위해 행동을 단순화하였다. 탐색 방향 합의를 위해 score function을 도입하여 미탐색 지역으로의 이동에 대한 가중치와 무인기의 임무수행능력을 반영하였으며 동시에 특정 지역으로의 포화를 방지하고 탐색 사각 해결을 위해 누적 탐색을 고려하였다. 제안한 알고리즘의 성능을 확인하기 위하여 랜덤 탐색 알고리즘과의 비교 시뮬레이션을 수행하였으며 특히 합의를 바탕으로 하여 무인기 운용 대수 증가에 따라 성능이 향상됨을 확인하였다.
데이터처리
또한 자율 탐색 알고리즘의 효용성을 확인하기 위하여 랜덤 탐색 알고리즘과의 비교 시뮬레이션을 수행하였다. 랜덤 탐색 알고리즘은 제안한 알고리즘과 동일하게 탐색/이동, 충돌 회피, 복귀 절차를 수행하지만, 탐색 방향 합의 방식이 아닌 무인기 간의 인접 시 임의의 방향으로 방향 전환하여 탐색 임무를 수행한다.
성능/효과
121). 그러나 제안한 알고리즘은 단순히 탐색 효율만이 아니라 중복 탐색을 동시에 고려하며 탐색률 100% 에서 76%, 임무 종료 시점에서는 88%의 중복 탐색률을 확보할 수 있어 불확실한 환경에서도 정확한 탐색을 기대할 수 있다.
특히 랜덤 탐색 알고리즘은 무인기의 방향을 임의로 전환하기 때문에 미탐색 지역으로의 방향 전환을 보장하기 어려워 탐색 coverage가 커짐에 따라 성능 저하 및 결과의 변화폭도 크다. 그러나 제안한 알고리즘은 무인기 간의 정보 공유 및 합의를 통해 score가 높은 무인기의 이동을 장려하기 때문에 탐색 coverage가 커져도 보다 높은 성능을 갖는다.
랜덤 탐색 알고리즘의 경우 운용 대수 증가에도 성능이 향상되지 않으며 오히려 과도한 방향 전환으로 인해 탐색 성능이 저하된다. 제안한 알고리즘의 경우 대수 증가에 따라 탐색 성능이 향상되는 것을 확인할 수 있다. 그러나 대수 증가와 성능 향상 정도가 비례하지 않기 때문에 무인기 성능과 운용 대수에 대해 적절한 선택이 필요하다.
탐색 방향 합의를 위해 score function을 도입하여 미탐색 지역으로의 이동에 대한 가중치와 무인기의 임무수행능력을 반영하였으며 동시에 특정 지역으로의 포화를 방지하고 탐색 사각 해결을 위해 누적 탐색을 고려하였다. 제안한 알고리즘의 성능을 확인하기 위하여 랜덤 탐색 알고리즘과의 비교 시뮬레이션을 수행하였으며 특히 합의를 바탕으로 하여 무인기 운용 대수 증가에 따라 성능이 향상됨을 확인하였다. 무인기를 이용한 탐색에 있어서 운용자의 개입 없이 효율적으로 임무를 수행할 수 있는 가능성을 확인하였으며, 향후 실제 임무 환경 및 무인기의 하드웨어 특성을 반영한 시뮬레이션과 더불어 비행시험을 통한 알고리즘 검증을 수행할 예정이다.
후속연구
제안한 알고리즘의 성능을 확인하기 위하여 랜덤 탐색 알고리즘과의 비교 시뮬레이션을 수행하였으며 특히 합의를 바탕으로 하여 무인기 운용 대수 증가에 따라 성능이 향상됨을 확인하였다. 무인기를 이용한 탐색에 있어서 운용자의 개입 없이 효율적으로 임무를 수행할 수 있는 가능성을 확인하였으며, 향후 실제 임무 환경 및 무인기의 하드웨어 특성을 반영한 시뮬레이션과 더불어 비행시험을 통한 알고리즘 검증을 수행할 예정이다.
질의응답
핵심어
질문
논문에서 추출한 답변
중앙집중형 방식의 군집 무인기 운용 방식이란 무엇인가?
이러한 군집 무인기의 동시 운용 방식으로써 중앙집중형 방식과 분산형 방식의 두 가지가 있다. 중앙집중형 방식은 지상 통제시스템 또는 리더 무인기를 이용하여 전체 무인기의 제어를 수행하는 방식이다. 이는 모든 무인기의 상태를 파악할 수 있어 위협 대처 및 최적의 임무 수행을 위한 제어를 수행할 수 있는 장점이 있지만 무인기의 개체 수 증가에 따른 통신 노드의 증가로 통제시스템에 요구되는 연산량이 기하급수적으로 커진다.
군집 무인기의 동시 운용 방식에는 무엇이 있는가?
이러한 군집 무인기의 동시 운용 방식으로써 중앙집중형 방식과 분산형 방식의 두 가지가 있다. 중앙집중형 방식은 지상 통제시스템 또는 리더 무인기를 이용하여 전체 무인기의 제어를 수행하는 방식이다.
중앙집중형 방식의 군집 무인기 운용 방식의 단점은 무엇인가?
중앙집중형 방식은 지상 통제시스템 또는 리더 무인기를 이용하여 전체 무인기의 제어를 수행하는 방식이다. 이는 모든 무인기의 상태를 파악할 수 있어 위협 대처 및 최적의 임무 수행을 위한 제어를 수행할 수 있는 장점이 있지만 무인기의 개체 수 증가에 따른 통신 노드의 증가로 통제시스템에 요구되는 연산량이 기하급수적으로 커진다. 또한 산악이나 해양과 같이 많은 위험이 내포된 환경 하에서의 임무 수행은 무인기의 유실이 불가피하며 일부 무인기의 유실에 따라 통신네트워크의 단절이 발생할 경우 전체 네트워크의 변화를 야기하여 임무 실패를 초래한다.
참고문헌 (6)
E. Bonabeau, M. Dorigo, and G. Theraulaz, Swarm Intelligence : from Natural to Artificial Systems, Oxford University Press, 1999.
J. Kennedy and R. Eberhart, "Particle swarm optimization," in Proceedings of the IEEE International Conference on Neural Networks, Piscataway, pp.1942-1948, 1995.
M. Dorigo and T. Stutzle, Ant Colony Optimization, MIT Press, 2004.
C. A. Erignac, "An exhaustive swarming search strategy based on distributed pheromone maps," in AIAA Infotech@Aerospace 2007 Conference and Exhibit, California, 2007.
E. Kuiper, and S. Nadjm-Tehrani, "Mobility models for UAV group reconnaissance applications," in Proceedings of the International Conference on Wireless and Mobile Communications, Romania, pp. 33-38, 2006.
R. Parasuraman, T. B. Sheridan, and C. D. Wickens, "A model for types and levels of human interaction," IEEE Transactions on Systems, Man, and Cybernetics, Systems and humans, Vol.30, No. 3, 2000.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.