개미 항법 모방한 혁신적 자율 내비게이션으로 초소형 로봇 구현

자연에서 영감받은 초소형 로봇 자율 항법

곤충이 집을 멀리 떠나서도 어떻게 집으로 돌아갈 수 있는지 궁금해 본 적 있나요? 이 질문에 대한 답은 생물학뿐만 아니라 소형 자율 로봇을 위한 AI 개발에도 관련이 있습니다. TU Delft 드론 연구자들은 개미가 환경을 시각적으로 인식하고 보행 수를 세는 방식으로 안전하게 귀가한다는 생물학적 발견에서 영감을 받았습니다. 그들은 이러한 통찰을 이용해 초소형 경량 로봇을 위한 자율 항법 전략을 만들었습니다. 이 전략은 극도로 적은 연산과 메모리(100m당 1.16kB)만으로 로봇이 긴 궤적 후에도 집으로 돌아올 수 있게 합니다. 미래에 초소형 자율 로봇은 창고 재고 모니터링부터 산업 현장 가스 누출 탐지까지 광범위한 용도를 찾을 수 있을 것입니다. 연구자들은 2024년 7월 17일 Science Robotics에 연구 결과를 발표했습니다.

초소형 로봇의 잠재력과 과제

수십에서 수백 그램의 초소형 로봇은 많은 흥미로운 실제 애플리케이션을 수행할 잠재력이 있습니다. 가벼운 무게 덕분에 누군가와 우연히 부딪쳐도 극도로 안전합니다. 작기 때문에 좁은 공간을 탐색할 수 있습니다. 저렴하게 만들 수 있다면 대량으로 배치해 넓은 지역을 빠르게 커버할 수 있습니다. 예를 들어 온실에서 조기 병해충 탐지 등에 활용 가능합니다. 그러나 이러한 초소형 로봇이 스스로 작동하게 만드는 것은 어렵습니다. 더 큰 로봇에 비해 극도로 제한된 리소스를 가지기 때문입니다.

외부 인프라 의존성 극복 필요성

실제 애플리케이션을 위해 초소형 로봇은 외부 인프라 도움 없이 스스로 항법할 수 있어야 합니다. 야외에서는 GPS 위성에서 위치 추정치를 사용하거나 실내에서는 무선 통신 비콘을 사용할 수 있습니다. GPS는 야외에서만 사용 가능하고 어반 캐니언 같은 복잡한 환경에서는 부정확할 수 있습니다. 실내 공간에 비콘을 설치하고 유지하는 것은 꽤 비싸거나 단순히 불가능할 수 있습니다. 예를 들어 수색구조 시나리오에서 그렇습니다.

기존 AI 접근법의 한계

온보드 리소스만으로 자율 항법에 필요한 AI는 자율주행차 같은 대형 로봇을 염두에 두고 개발되었습니다. 일부 접근법은 소형 로봇이 탑재하거나 구동할 수 없는 무겁고 전력 소모가 큰 LiDAR 같은 센서에 의존합니다. 다른 접근법은 비전 센서를 사용하지만, 일반적으로 환경의 고도로 상세한 3D 맵을 생성하려 시도합니다. 그러나 그건 많은 처리와 메모리를 필요로 하며, 초소형 로봇에는 너무 크고 전력 소모가 큰 컴퓨터만 제공할 수 있습니다.

자연에서 해답 찾기: 개미의 항법 전략

이러한 이유로 일부 연구자들은 자연에서 영감을 구했습니다. 곤충은 특히 흥미로운데, 많은 실제 애플리케이션과 관련될 수 있는 거리에서 작동하면서 매우 희소한 센싱과 컴퓨팅 리소스를 사용하기 때문입니다. 곤충은 자기 운동 추적(오도메트리)과 저해상도지만 거의 전방향인 시각 시스템(뷰 메모리)에 기반한 시각 유도 행동을 결합합니다.

오도메트리는 뉴런 수준까지 점점 잘 이해되고 있지만, 뷰 메모리의 정확한 메커니즘은 덜 잘 이해되고 있습니다. 따라서 곤충이 시각을 항법에 어떻게 사용하는지에 대한 여러 경쟁 이론이 존재합니다. 가장 초기의 이론 중 하나는 '스냅샷' 모델을 제안합니다. 개미 같은 곤충이 가끔 환경의 스냅샷을 찍습니다. 나중에 스냅샷 위치 근처에 도착하면 현재 시각 지각을 스냅샷과 비교해 차이를 최소화하는 방향으로 이동합니다. 이를 통해 곤충은 스냅샷 위치로 항법하거나 '홈'할 수 있으며, 오도메트리만 수행할 때 필연적으로 누적되는 드리프트를 제거합니다.

헨젤과 그레텔 동화로 비유한 스냅샷 항법

"스냅샷 기반 항법은 헨젤이 헨젤과 그레텔 동화에서 길을 잃지 않으려 했던 방식과 비교할 수 있습니다. 헨젤이 돌을 땅에 던지면 집으로 돌아갈 수 있었지만, 새들이 먹어치우는 빵부스러기를 던지면 길을 잃었습니다. 우리 경우 돌이 스냅샷입니다."라고 연구 제1저자 톰 반 다이크는 말했습니다. "돌처럼, 스냅샷이 작동하려면 로봇이 스냅샷 위치에 충분히 가까워야 합니다. 시각적 주변 환경이 스냅샷 위치에서의 것과 너무 달라지면 로봇은 잘못된 방향으로 움직여 절대 돌아오지 못할 수 있습니다. 따라서 충분한 스냅샷을 사용해야 합니다. 헨젤이 충분한 수의 돌을 떨어뜨려야 하는 것처럼요. 반면 돌을 서로 너무 가까이 떨어뜨리면 헨젤의 돌이 너무 빨리 고갈됩니다. 로봇의 경우 너무 많은 스냅샷을 사용하면 큰 메모리 소모로 이어집니다. 이 분야의 이전 연구들은 일반적으로 스냅샷을 매우 가깝게 배치해 로봇이 먼저 하나의 스냅샷으로 시각적으로 귀가한 후 다음으로 넘어가게 했습니다."

오도메트리 결합으로 스냅샷 간격 대폭 확대

"우리 전략의 근간이 되는 주요 통찰은 로봇이 스냅샷 사이를 오도메트리 기반으로 이동한다면 스냅샷을 훨씬 더 멀리 떨어뜨릴 수 있다는 것입니다."라고 공동저자 귀도 데 크룬 교수는 말했습니다. "로봇의 오도메트리 드리프트가 스냅샷의 포착 영역 내에 드는 한, 즉 로봇이 스냅샷 위치에 충분히 가까워지는 한 호밍은 작동합니다. 이는 로봇이 훨씬 더 멀리 이동할 수 있게도 합니다."

실증 실험: 56g 크레이지플라이 드론 100m 항법 성공

제안된 곤충 영감 항법 전략으로 전방향 카메라를 장착한 56그램 크레이지플라이(Crazyflie) 드론이 단 1.16kB만으로 최대 100미터 거리를 커버할 수 있었습니다. 모든 시각 처리는 작은 마이크로컨트롤러에서 이뤄졌습니다.

"제안된 곤충 영감 항법 전략은 초소형 자율 로봇을 실제 세계에 적용하는 길에서 중요한 발걸음입니다."라고 데 크룬은 말했습니다. "제안된 전략의 기능은 최첨단 항법 방법이 제공하는 것보다 더 제한적입니다. 맵을 생성하지 않고 로봇이 시작점으로 돌아오는 것만 허용합니다. 그럼에도 많은 애플리케이션에선 이보다 더 필요한 게 없을 수 있습니다. 예를 들어 창고 재고 추적이나 온실 작물 모니터링에서 드론이 나가 데이터를 수집하고 베이스 스테이션으로 돌아올 수 있습니다. 임무 관련 이미지를 작은 SD 카드에 저장해 서버에서 후처리할 수 있습니다."

출처