[논문]드론 시뮬레이션 기술

이수전; 양정기; 이병선

doi:10.22648/etri.2020.j.350408

드론 시뮬레이션 기술
Drone Simulation Technologies 원문보기

전자통신동향분석 = Electronics and telecommunications trends, v.35 no.4, 2020년, pp.81 - 90

이수전 (무인이동체연구실) , 양정기 (무인이동체연구실) , 이병선 (무인이동체연구실)

Abstract ▼ AI-Helper

The use of machine learning technologies such as deep and reinforcement learning has proliferated in various domains with the advancement of deep neural network studies. To make the learning successful, both big data acquisition and fast processing are required. However, for some physical world applications such as autonomous drone flight, it is difficult to achieve efficient learning because learning with a premature A.I. is dangerous, cost-ineffective, and time-consuming. To solve these problems, simulation-based approaches can be considered. In this study, we analyze recent trends in drone simulation technologies and compare their features. Subsequently, we introduce Octopus, which is a highly precise and scalable drone simulator being developed by ETRI.

주제어

AI 본문요약
AI-Helper

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

문제 정의

NASA의 경우 소형 UAS(Unmanned Aircraft System) 교통관리시스템인 UTM(UAS Traffic Management) 운영 컨셉을 정의하고 개발 중이다 [2]. UTM의 주 목표는 150미터 이하의 저고도 공역에서 대규모 소형 UAS의 안전한 운영을 보장하는 시스템을 개발하는 것이다. 산업계에서도 Am- azon, Boeing, GE, Google 등이 대규모 드론 운영을 위한 프라이빗 UTM을 개발 중이다[3, 4].
앞서 다양한 용도로 활용되는 드론 시뮬레이터들의 기술 동향에 대해 소개하였다. 현재 대부분의 드론 시뮬레이터들은 오픈소스를 기반으로 하여 제작되고 있으며, 이 절에서는 대표적인 오픈소스 시뮬레이터들에 대해 기술하고자 한다.

가설 설정

첫째, Unreal engine 내부 객체 간 물리적 상호작용이 가능해진다. 둘째, 드론 강체에 대한부품 탈부착 시의 물리적 해석이 간단해진다. 이를 통해 그림 3과 같이 실제 드론을 조립하듯 부품별로 가상 드론의 조립이 가능하게 된다.
첫째, 드론은 위험하다. 따라서 불완전한 시험용 비행 A.

제안 방법

그리고 사용자 맞춤형 시뮬레이션 환경 제작 시스템을 제공한다는 특징이 있다. 개발자는 이 시뮬레이터를 이용하여 드론의 자율 비행 및 DNN(Deep Neural Network) 기반 물체 추적 기술을 실험하였다. 이 밖에도 다양한 A.
또한 태양 위치설정뿐만 아니라 비, 낙엽 등 날씨 및 계절 설정을 할 수 있도록 하여 시각적 요소를 고도화하였다. 그리고 타 드론 오픈소스 시뮬레이터에 비해 다양하고 고도화된 센서 모델링을 사용한다. 드론 비행에 필수적인 IMU, 기압계, GPS 등 항법 센서들의 노이즈 모델링을 사실적으로 구현하였고, 카메라, Lidar 등의 센서도 노이즈 및 바이어스 설정을 가능하도록 한다.
그리고 타 드론 오픈소스 시뮬레이터에 비해 다양하고 고도화된 센서 모델링을 사용한다. 드론 비행에 필수적인 IMU, 기압계, GPS 등 항법 센서들의 노이즈 모델링을 사실적으로 구현하였고, 카메라, Lidar 등의 센서도 노이즈 및 바이어스 설정을 가능하도록 한다. 특히 카메라 센서의 경우 일반 RGB 획득 기능뿐만 아니라 깊이 지각 이미지, 평면 방향 정보 이미지, 물체 분류 이미지, IR 이미지 등의 획득이 가능하며, 이미지의 노이즈, 블러, 조도 등 알고리즘 성능에 영향을 주는 카메라 파라미터들을 설정할 수 있도록 구현하였다.
RotorS는 AscTec Firefly 헥사콥터를 고정밀 모델링하여 적용시켜 놓았다는 특징을 가지고 있다. 또한 상위 응용 분야 연구를 위해 센서 모델을 보다 정교하게 만들었고, 3차원 맵핑 및 SLAM 에 사용되는 Octree를 사용할 수 있도록 구현해놓았다. 하지만 PX4 SITL/HITL 기능을 제공하지 않는다.
Unreal engine 을 기반으로 하였기 때문에 시각적으로 사실적인 환경을 제공함을 특징으로 한다. 또한 태양 위치설정뿐만 아니라 비, 낙엽 등 날씨 및 계절 설정을 할 수 있도록 하여 시각적 요소를 고도화하였다. 그리고 타 드론 오픈소스 시뮬레이터에 비해 다양하고 고도화된 센서 모델링을 사용한다.
본 고에서는 국내외 드론 시뮬레이터 기술 동향을 살펴보고, 그들의 특징 및 장단점을 비교한다. 또한 ETRI에서 개발 중인 드론 시뮬레이터 Octopus를 소개함으로써 향후 드론 관련 연구개발을 가속화할 수 있는 플랫폼으로서의 Octopus 역할을 제안한다.
FlightGoggles는 시각적으로 현실적인 시뮬레이션 환경을 제공하고 있다. 실제 드론의 움직임을 모션 캡처 시스템을 통해 획득하고 시뮬레이션 환경상의 같은 위치에 가상 드론을 투영한다. 가상드론은 카메라를 장착하고 있어서 가상 환경으로부터 얻은 이미지를 기반으로 실제 드론을 제어하는 알고리즘을 동작시킬 수 있다.
드론 비행에 필수적인 IMU, 기압계, GPS 등 항법 센서들의 노이즈 모델링을 사실적으로 구현하였고, 카메라, Lidar 등의 센서도 노이즈 및 바이어스 설정을 가능하도록 한다. 특히 카메라 센서의 경우 일반 RGB 획득 기능뿐만 아니라 깊이 지각 이미지, 평면 방향 정보 이미지, 물체 분류 이미지, IR 이미지 등의 획득이 가능하며, 이미지의 노이즈, 블러, 조도 등 알고리즘 성능에 영향을 주는 카메라 파라미터들을 설정할 수 있도록 구현하였다. 그리고 드론뿐만 아니라 자동차 모델을 적용할 수 있고, 자동차 모델에 드론에 적용되는 센서들을 적용하여 데이터를 획득할 수도 있다.

대상 데이터

이 데이터셋은스테레오 카메라 이미지, IMU(Inertial Measurement Unit) 및 모터 스피드 센서 데이터, 모션 캡처 시스템으로 측정한 드론 위치 참값을 포함하고 있다. 가정집, 박물관 등 실제 드론 운용이 어려운 5가지 환경에서 17가지의 경로로 데이터를 획득하였다. 이 데이터셋은 구글의 FlightGoggles 시뮬레이터를 이용하여 생성되었기 때문에 시각적으로 현실적이며, 드론의 물리적 데이터도 다른 합성 데이터셋에 비해 현실적이라는 장점이 있다.
Blackbird[13]를 발표하였다. 이 데이터셋은스테레오 카메라 이미지, IMU(Inertial Measurement Unit) 및 모터 스피드 센서 데이터, 모션 캡처 시스템으로 측정한 드론 위치 참값을 포함하고 있다. 가정집, 박물관 등 실제 드론 운용이 어려운 5가지 환경에서 17가지의 경로로 데이터를 획득하였다.

성능/효과

둘째, 머신러닝 기술 발전에 따라 사용자들은 기존 레거시 시스템이 전혀 제공하지 못하는 수준의 똑똑한 서비스를 원하게 되었다. 드론의 응용 분야가 매우 다양해짐에 따라 수동 제어를 통한 임무 수행이 비효율적이거나 뚜렷한 한계를 보일 수 있기 때문이다.
를 탑재한 드론을 비행시키는 것은 안전사고유발 등 위험요소가 매우 크다. 둘째, 비용 부담이 높다. 예를 들어, 대규모 고성능 드론의 군집 비행기술 개발을 위해서는 막대한 금액의 드론 구매가 선행되어야 하며, 드론 파손 시의 금전적 손실 또한 무시할만한 수준이 아니다.
예를 들어, 대규모 고성능 드론의 군집 비행기술 개발을 위해서는 막대한 금액의 드론 구매가 선행되어야 하며, 드론 파손 시의 금전적 손실 또한 무시할만한 수준이 아니다. 셋째, 개발 속도가 느리다. 특히, 기계학습의 기반이 되는 빅데이터를 수집하는데 매우 긴 시간이 소요된다.
가진다. 첫째, Unreal engine 내부 객체 간 물리적 상호작용이 가능해진다. 둘째, 드론 강체에 대한부품 탈부착 시의 물리적 해석이 간단해진다.
첫째, Unreal engine 내부의 다른 객체와 물리적 상호작용 (예, 바람의 영향 반영 등)이 근본적으로 지원되지 않는다. 또한 드론의 물리적 특성 반영이 불가능하다.
CPS를 구성할 경우 시뮬레이터만을 사용했을 때에 비해 두 가지 큰 이점이 있다. 첫째, 바람의 영향 등 시뮬레이션으로 완벽하게 구현하기 힘든 드론의 동역학적 요소를 표현할 수 있고 펌웨어, 센서 등 하드웨어적 요소를 모두 고려하여 드론의 움직임을 나타낼 수 있다. 둘째, 실제 공간에서는 충돌로 인한 추락으로 인해 RL을 통한 학습이 힘든 반면에, CPS를 구성할 경우 가상 공간상의 오브젝트와 충돌을 하더라도 추락하지 않기 때문에 실제 드론(및 이와 동기화된 가상 드론)을 통해서 RL을 진행할 수 있게 된다.

후속연구

이와 같은 문제를 해결하고자 ETRI에서는 고확장/고정밀 드론 시뮬레이터인 Octopus를 개발 중이다. Octopus는 향후 CPS 플랫폼으로 확장되어 실제 드론과 가상 드론의 상호작용을 필요로 하는 응용까지 지원할 예정이다.
본 고에서는 국내외 드론 시뮬레이터 기술 동향을 살펴보고, 그들의 특징 및 장단점을 비교한다. 또한 ETRI에서 개발 중인 드론 시뮬레이터 Octopus를 소개함으로써 향후 드론 관련 연구개발을 가속화할 수 있는 플랫폼으로서의 Octopus 역할을 제안한다.

참고문헌 (17)

K. Wackwitz, "Industry Update: The Drone Market Environment Map 2019," June 25, 2019, https://www.droneii.com/dronemarket-environment
P. Kopardekar et al., "Unmanned aircraft system traffic management (UTM) concept of operations," in Proc. AIAA Aviation Technol. Integr. Operation Conf., Washington, D.C., USA, June 2016, pp. 1-16.
H. Kesteloo, "Amazon, Boeing, GE and Google to develop private unmanned traffic management (UTM) system," DroneDJ, Mar. 12, 2016, https://www.wsj.com/articles/amazon-google-others-are-developing-private-air-trafficcontrol-for-drones-1520622925.
F. Lardinois, "Google and Amazon talk about managing drone traffic at CES," TC, Jan. 10, 2016, https://techcrunch.com/2016/01/09/google-and-amazon-talk-about-managing-dronetraffic-at-ces/
http://ko.byrobot.co.kr/eng/software-drone-dronefightersimulator-kor/
https://www.dji.com/kr/simulator
https://thedroneracingleague.com/drl-sim-3/
https://dev.px4.io/v1.9.0/en/simulation/gazebo.html
S. Shah et al., "Airsim: High-fidelity visual and physical simulation for autonomous vehicles," Field Service Robotics. vol. 5, Springer, Cham, 2018, pp. 621-635.
S. Krishnan et al., "Air learning: An ai research platform for algorithm-hardware benchmarking of autonomous aerial robots," arXiv preprint arXiv:1906.00421, 2019.
M. Mueller et al., "Ue4sim: A photo-realistic simulator for computer vision applications," 2017.
W. Guerra et al., "FlightGoggles: Photorealistic sensor simulation for perception-driven robotics using photogrammetry and virtual reality," arXiv preprint arXiv: 1905.11377, 2019.
A. Antonini et al., "The blackbird dataset: A large-scale dataset for UAV perception in aggressive flight," arXiv preprint arXiv: 1810.01987, 2018.
Dronecode, "jMjMAVSim with SITL," https://dev.px4.io/v1.9.0/en/simulation/jmavsim.html
http://wiki.ros.org/hector_quadrotor
F. Furrer et al., "RotorS-A modular Gazebo MAV simulator framework," Robot Operating System (ROS), vol. 625, Springer, Cham, 2016. pp. 595-625.
https://www.nvidia.com/ko-kr/drivers/physx/physx-9-19-0218-driver/

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