[논문]GA를 적용한 모의 UAV의 자율착륙 테스트베드 구축

한창희

doi:10.9709/jkss.2019.28.1.093

GA를 적용한 모의 UAV의 자율착륙 테스트베드 구축
Generating an Autonomous Landing Testbed of Simulated UAV applied by GA 원문보기

한국시뮬레이션학회논문지 = Journal of the Korea Society for Simulation, v.28 no.1, 2019년, pp.93 - 98

한창희 (Computer Science Dept., Korea Military Academy)

초록
AI-Helper

현대에서 사용되는 무인 비행체의 경우 자율화수준이 떨어져 사용자의 개입이 필요하다는 문제가 있다. 이에 본 연구는 자율화 달성의 방법론으로 유전자 알고리즘을 선택하고, 이것을 적용해 무인 착륙체의 자율화 가능성을 확인해 보는 것이다. 특별히 무인 비행체의 착륙은 비행체에서 매우 중요한 고전적인 과업 중의 하나이며, 착륙에 있어서 역사적 사건 중의 하나가 달착륙이라고 할 수 있다. 달 착륙선의 추동 메카니즘을 장착한 낙하체의 착륙 자율화 방법을 이용해 무인 착륙체의 자율화 가능성을 확인한다. 본 논문에서는 유전자알고리즘 적용시 게놈을 단지 4가지 액션 (좌회전, 우회전, 분출, 자유낙하) 으로 인코딩하여 무인 착륙체에 적용하고, 유전자 알고리즘의 주요 연산을 접목하여 실험을 성공적으로 진행하였으며 센서에 대한 의존도를 최소화할 수 있는 무인 비행체의 모의 UAV를 제작하였고, 유전자알고리즘을 적용해 그 가능성을 확인하는 테스트 베드를 구축하였다.

Abstract ▼ AI-Helper

In case of unmanned aerial vehicles used in modern society, there has been a problem where a human operator should be still needed to control the UAV because of a lower level of autonomy. In this paper, genetic algorithm is selected as a methodology for the autonomy accomplishment and then we verify a possibility of UAV autonomy by applying the GA. The landing is one of the important classical tasks on aerial vehicle and the lunar Landing is one of the most historical events. Autonomy possibility of computer-simulated UAV is verified by landing autonomy method of a falling body equipped with a propulsion system similar to the lunar Lander. When applying the GA, the genom is encoded only with 4 actions (left-turn, right-turn, thrust, and free-fall) and applied onto the falling body, Then we applied the major operations of GA and achieved a success experiment. A major contribution is to construct a simulated UAV where an autonomy of UAV can be accomplished while minimizing the sensor dependency. Also we implemented a test-bed where the possibility of autonomy accomplishment by applying the GA can be verified.

주제어

표/그림 (10)

그림 Fig. 1. Classical landing mechanism of drone with error modification for horizontal distance(Bart et al., 2014)
그림 Fig. 2. Falling body experimental environment(Base, Falling body, Landing pad).A thrust action performed in the image on the right
그림 Fig. 3. Major module for left-rotate, right-rotate, and thrust
그림 Fig. 4. Genom data structure
그림 Fig. 5. Mutate mechanism
그림 Fig. 6. Genom encoding and decoding
그림 Fig. 7. Actions of left-rotate and right-rotate.The thrust can be checked in the Fig. 2
그림 Fig. 8. Success landing on the left, and failure one on the right
표 Table 1. Result of manned landing
표 Table 2. Result of unmanned landing

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

또한, 무인 비행체의 행동들, 즉 이륙, 항해, 착륙 중에서 착륙의 행동에 적용해 보는 것으로 하였다. 따라서 본 논문에서는 컴퓨터 시뮬레이션을 통한 모의 무인 착륙체의 자율적 착륙에 유전자 알고리즘을 적용해, 자율 착륙의 성공 가능성을 검증해 보는 것이다.
어떤 시스템의 성공 가능성을 타진해 보는 데에는 모의(Simulation) 시스템에 적용해 보는 것이 그 출발점일 수 있다. 또한, 무인 비행체의 행동들, 즉 이륙, 항해, 착륙 중에서 착륙의 행동에 적용해 보는 것으로 하였다. 따라서 본 논문에서는 컴퓨터 시뮬레이션을 통한 모의 무인 착륙체의 자율적 착륙에 유전자 알고리즘을 적용해, 자율 착륙의 성공 가능성을 검증해 보는 것이다.
본 논문에서는 무인 비행체의 자율 착륙 연구를 컴퓨터 시뮬레이션 할 수 있는 모의 착륙체를 제작하였다. 컴퓨터 모의 착륙체를 인간 사용자가 조정해 봄으로써 자율 무인 착륙체 제작의 난이도를 체험해 보는 부수적 효과도 얻을 수 있었다.
본 논문에서는 이러한 기존의 연구와는 다르게 센서에의 의존을 전혀 하지 않는 방안을 모색하는 것이라고 할 수 있다. 물론 본 연구의 착륙체는 실세계가 아니고 컴퓨터의 가상 시뮬레이션 세계이므로 완벽한 비교는 불가능할 것이고, 실세계에서 운용될 비행체는 기상 등 실제 상황의 여러 변수를 반영하는 복잡성을 내포하고는 있지만, 센서 의존성을 최소화할 수 있는 방안 모색은 지향돼야 한다는 점에서 본 연구의 차별성이 존재하고 이러한 점에서 본 연구의 의미가 있다고 할 수 있다.
본 논문을 통한 연구의 궁극적인 목적은 무인 비행체의 진정한 자율화를 이루는 데 있다. 이 목적의 시작 단계로써 본 논문에서는 자율화 달성의 방법론으로 유전자 알고리즘을 선택하였고, 이것을 적용해 무인 착륙체의 자율화 가능성을 확인해 보는 것이다.
게놈을 단지 4가지 액션 (좌회전, 우회전, 분출, 자유낙하)으로 인코딩하여 무인 착륙체에 적용하고, 유전자알고리즘의 주요 연산을 접목하여 실험을 성공적으로 진행하였다. 본 논문의 가장 큰 성과는 센서에 대한 의존도를 최소화할 수 있는 무인 비행체의 모의 UAV를 제작하였고, 유전자알고리즘을 적용해 그 가능성을 확인하는 테스트 베드를 구축하였다는 것이다. 따라서 실세계의 UAV의 자율화에 이정표를 제시함과 동시에 진정한 Unmannedness를 달성하는데 이바지하였다 할 수 있다.
본 논문을 통한 연구의 궁극적인 목적은 무인 비행체의 진정한 자율화를 이루는 데 있다. 이 목적의 시작 단계로써 본 논문에서는 자율화 달성의 방법론으로 유전자 알고리즘을 선택하였고, 이것을 적용해 무인 착륙체의 자율화 가능성을 확인해 보는 것이다. 어떤 시스템의 성공 가능성을 타진해 보는 데에는 모의(Simulation) 시스템에 적용해 보는 것이 그 출발점일 수 있다.

제안 방법

10회의 실험을 진행했다. 한 회의 실험은 400세대를 기준으로 하여 훈련을 시키는 것으로 하였다.
게놈을 단지 4가지 액션 (좌회전, 우회전, 분출, 자유낙하)으로 인코딩하여 무인 착륙체에 적용하고, 유전자알고리즘의 주요 연산을 접목하여 실험을 성공적으로 진행하였다. 본 논문의 가장 큰 성과는 센서에 대한 의존도를 최소화할 수 있는 무인 비행체의 모의 UAV를 제작하였고, 유전자알고리즘을 적용해 그 가능성을 확인하는 테스트 베드를 구축하였다는 것이다.
돌연변이 연산도 새로운 자녀 생성에 유의미한 영향을 주게 되는데, 본 논문에서는 이 변화율을 0.01로 하여 각 gene에 대해 이 변화율 이내에 해당하면 현재의 액션과 기간을 임의의 값으로 변화시킨다.
드론 등 무인 비행체의 착륙에 필수적 요소인 수평 거리, 수직 거리, 수평 거리 중에서, 실세계 3차원 세상에서의 드론 비행을 컴퓨터 화면의 2차원 세계에서 착륙체로 모의함에 따라, 수평 거리 중에서 앞/뒤거리 오차 계산은 자연스럽게 빼도록 한다.
무인 착륙의 롤모델이 되는 달착륙을 모의한 착륙체를 통해 착륙을 실험하는 것은 매우 의미 있다고 할 수 있다. 또한, 컴퓨터 시뮬레이션상의 2차원 평면의 가로와 세로의 위치 좌표에 기초해 실험이 진행되었다. 실세계의 드론 등의 실험에서는 바람을 포함한 기상 관련 변수 등이 추가로 고려되겠지만, 본 논문의 목적이 유전자 알고리즘이 자율화를 달성할 수 있는지의 가능성을 확인하는 것이라는 관점에서 위치 좌표만의 고려는 충분하다고 본다.
비행체 착륙의 오차 보정을 위해 필요한 3요소인 수직거리, 수평 거리, 회전 거리를 보정하는 것으로, 본 착륙체의 액션으로는 ‘좌로 회전’, ‘우로 회전’, ‘분사’의 단지 3가지만을 생성하면 되는 것이다.
63)에서의 실험으로 간주한다면 무려 27초 정도로 더 오랜 시간이 걸리게 된다. 착륙체가 낙하하는데 걸리는 시간을 현실감 있게 느끼도록 하기 위해 상수 값을 도입하였다. 이때 지구와 달의 중력 차이를 통한 시뮬레이션의 비교를 위한 계산이므로 1픽셀은 1m로 간주 하였다.

대상 데이터

따라서 행동(Action; A)과 기간(Duration; D)의 두 요소를 하나의 Gene으로 간주한다. 실험적으로 게놈의 길이는 20개의 Gene으로 한다.
착륙체 모의실험 환경은 착륙체 기지, 착륙지점 패드, 착륙체로 구성되며 착륙체는 다시 착륙 본체와 불꽃으로 제작하였다. 착륙 본체의 불꽃은 평시에는 보이지 않고, 분사를 담당하는 해당키(스페이스바)를 눌렀을 때 그 분사를 표시하는 역할을 담당한다.
10회의 실험을 진행했다. 한 회의 실험은 400세대를 기준으로 하여 훈련을 시키는 것으로 하였다. 이 한 에포크 내에 성공하지 못하면 시스템이 스스로 리셋이 되며, 임의의 랜딩 패드가 선정되고 새로운 에포크 (400 세대)로 진입하여 주어진 새로운 세상에 대해 학습 훈련에 다시 돌입하는 것으로 하였다.

이론/모형

이 인구 구성은 매 세대를 거치면서 우성 인자중심으로 새롭게 개선된다. 이때 그러한 우성 인자를 선택하는 방법으로 룰렛 휠 선택법을 사용한다. 각 게놈의 적응도의 크기가 선택을 받는 데 확률로써 사용되게 된다.
새로운 개체를 만드는 기본 연산으로 부모 염색체의 형질을 교차시킨다. 이러한 교차에도 여러 방식이 존재하는 데 본 연구에서는 다중점 교차 연산을 사용한다.

성능/효과

사용자가 얼마나 훈련을 통해 학습되었는가에 따라 달라지겠지만, 본 실험은 저자가 한 결과로써 약 45%의 성공률을 보인다. 성공한 경우의 평균 착륙 시간은 48초 정도로 다소 긴 시간이 걸렸다.
또한, 컴퓨터 시뮬레이션상의 2차원 평면의 가로와 세로의 위치 좌표에 기초해 실험이 진행되었다. 실세계의 드론 등의 실험에서는 바람을 포함한 기상 관련 변수 등이 추가로 고려되겠지만, 본 논문의 목적이 유전자 알고리즘이 자율화를 달성할 수 있는지의 가능성을 확인하는 것이라는 관점에서 위치 좌표만의 고려는 충분하다고 본다.
이 장에서는 착륙체와 그 시뮬레이션 제작의 주요 과정이 서술되고, 이 과정이 완료되면 인간 사용자가 착륙체의 착륙을 직접 조작해 볼 수 있게 된다. 유전자 알고리즘이 적용된 무인 착륙체를 완성하는 경로상의 중간과정인 유인 착륙체가 제작되는 것으로, 피실험자가 조종을 경험함으로써 착륙체의 착륙이 쉽지 않음을 경험하는 효과도 얻게 된다.
본 논문에서는 무인 비행체의 자율 착륙 연구를 컴퓨터 시뮬레이션 할 수 있는 모의 착륙체를 제작하였다. 컴퓨터 모의 착륙체를 인간 사용자가 조정해 봄으로써 자율 무인 착륙체 제작의 난이도를 체험해 보는 부수적 효과도 얻을 수 있었다.

후속연구

목표지점이 수평적으로 먼 경우는 그 방향으로 UAV가 좀 더 항해하여 이동한 후 착륙 메카니즘이 발생한는 것이 더욱 더 타당한 경우를 의미하기 때문이다. 이러한 점까지를 고려한다면 이번 연구의 학습 훈련이 매우 성공적이며 건전한(robustness) 결과를 가져왔다고 할 수 있다.

질의응답

핵심어	질문	논문에서 추출한 답변
	착륙의 자율화를 위해 사용되는 센서들은 무엇이 있는가?	착륙지점 위에 정확히 위치하면서 고도를 낮추기 위해서는 착륙지점에서 수평적으로 오차 거리가 얼마인지, 수직적으로 얼마의 거리가 남았는지, 방향이 얼마나 틀어져 있는지를 알아야만 한다. 이를 위해 그들은 각종 센서(울트라사운드, 자이로스코프, 카메라 등)를 사용하며 이 센서를 사용하여 읽어 들인 값을그대로 거리 오차 수정에 사용하게 된다. 이들 세 가지의 오차 수정에서의 센서 리딩이 통상적으로 가장 제한되는것이 수평 거리 조정이다.
	착륙의 자율화를 위해 고려해야 하는 사항은 무엇이 있는가?	그러나 이들연구에서 하는 착륙이 진정한 의미의 자율화가 되기에는많은 제한점이 존재한다. 착륙지점 위에 정확히 위치하면서 고도를 낮추기 위해서는 착륙지점에서 수평적으로 오차 거리가 얼마인지, 수직적으로 얼마의 거리가 남았는지, 방향이 얼마나 틀어져 있는지를 알아야만 한다. 이를 위해 그들은 각종 센서(울트라사운드, 자이로스코프, 카메라 등)를 사용하며 이 센서를 사용하여 읽어 들인 값을그대로 거리 오차 수정에 사용하게 된다.
	UAV가 갖고 있는 중요한 요소는?	특히, 이들의 적용과 활용에서 그 범위의 확대를 충족시키기 위한 필수 요소로써 무인화를 들 수 있다. 무인드론 등 UAV는 목표를 찾아서 어느 정도의 구간까지의 항해 이후에는, 착륙하려는 지점에 정확하게 스스로 안착하는 것은 무인 비행체의 본질적 목표라 할 수 있는 무인화에 있어서 매우 중요한 요소 중 하나인 것이다.

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증