AI 기반 변형 센서를 활용한 공중 로봇의 혜택

인공지능은 항공 및 로봇 산업 전반에 걸쳐 지속적으로 혁신을 제공하고 있습니다. AI 기반 변형 센서를 통합한 최신 개발은 향후 몇 년 내에 보다 민첩하고 경량화된 옵션을 만들 수 있게 할 것입니다. 여기에서 알아야 할 모든 내용을 확인하세요.

인류는 자연을 바라보았다는 오랜 전통을 가지고 비행에 대한 이해를 높여 왔습니다. 그러나 날개를 퍼덕이며 비행하는 로봇을 만드는 일은 전통적인 날개형 비행체보다 훨씬 더 복잡한 과제로 드러났습니다. 안타깝게도 이로 인해 공중 로봇은 자연계 동물들이 가지고 있는 호버링과 최적 비행 간의 빠른 전환 같은 핵심 능력을 갖추지 못했습니다. 다행히도 이 상황이 곧 바뀔 가능성이 있습니다.

플래핑 윙 공중 로봇

오늘날 공중 로봇은 다양한 분야에 널리 퍼져 있으며 그 영향력, 기능, 가용성이 꾸준히 증가하고 있습니다. 사람들은 공중 로봇을 이야기할 때 주로 프로펠러 기반 혹은 고정 날개의 기계만을 떠올립니다. 그러나 주목받지 못하지만 확실히 독특한 장점을 가지고 돋보이는 여러 다른 옵션도 존재합니다.

플래핑 윙

플래핑 윙은 양쪽 장점을 모두 제공합니다. 새가 빠르게 수직 상승력을 얻고 장거리 비행을 위해 활공을 안정화할 수 있게 해줍니다. 날개를 가진 곤충은 호버링과 빠른 방향 전환이 가능합니다. 벌이나 벌새가 영역을 빠르게 누비는 모습, 혹은 나방이 전구 주위를 빙빙 도는 모습을 떠올려 보세요.

현재까지 플래핑 윙 로봇 설계 분야에서 몇 차례 큰 진전이 있었습니다. 그러나 실험실이 아닌 변화하는 환경에서도 이 기계들을 안정적으로 작동시키기 위한 비행 제어기를 만드는 일은 어려운 과제로 남아 있습니다. 그럼에도 불구하고 이러한 설계는 개발자와 창작자들의 상상력을 사로잡고 있으며, 최근 영화 Dune에서는 드래곤플라이와 유사한 플래핑 윙을 이용한 오니톱터가 등장했습니다.

출처 – 팬덤

AI 기반 변형 센서 연구

최근 연구인 “Machine Learning-Based Wind Classification by Wing Deformation in Biomimetic Flapping Robots: Biomimetic Flexible Structures Improve Wind Sensing,”¹는 자연에서 영감을 얻어 플래핑 윙 로봇의 능력을 향상시키고자 합니다. 구체적으로 연구진은 여러 생물을 조사해 그 감각 기관이 어떻게 비행 패턴을 정확히 최적화하도록 돕는지 분석했습니다.

AI 기반 변형 센서는 자연에서 영감을 얻는다.

팀은 모든 플래핑 윙 새와 곤충이 날개에 일종의 감각 기관을 가지고 있다는 점을 발견했습니다. 이 기관은 동물마다 다른 역할을 수행해 비행 특성을 보정하고 성능을 향상시킵니다. 예를 들어, 메뚜기는 날맥에 변형 센서를 가지고 있는 반면, 닭과 같은 많은 새는 깃털 모낭 근처에 센서를 가지고 있습니다.

이 연구 이전에는 이러한 센서가 동물에게 정확히 어떤 데이터를 제공하는지에 대한 이해가 거의 없었습니다. 그러나 연구진은 이 감각 정보가 동물에게 실시간으로 바람, 몸의 움직임, 환경 변화 등을 감지하게 해준다고 추론했습니다. 로봇에게 동일한 능력을 부여하고자 팀은 자연계와 유사하게 환경을 “느끼고” 상황에 맞게 조정할 수 있는 신뢰성 높은 AI 기반 변형 센서를 만들기 위해 착수했습니다.

날개 설계

팀은 자연에서 가장 민첩한 비행자 중 하나인 벌새에서 영감을 얻었습니다. 벌새의 골격 구조와 유사한 벌새 모방 날개를 만들기 위해 착수했으며, 축은 끝부분에서 가늘어지며 날맥 역할을 하여 날개의 구조적 안정성을 한층 강화했습니다.

이 유연한 날개는 듀얼 노즐 용융 적층 방식 3D 프린터를 이용해 제작되었습니다. 이를 통해 팀은 두께 12.5 μm의 코폴리에스터 폴리머와 탄소 섬유 강화 폴리에틸렌 테레프탈레이트를 사용해 자연 날개의 유연성과 움직임을 재현할 수 있었습니다.

자유로운 움직임

특히, 날개는 ±23°까지 자유롭게 깃털을 펼 수 있었으며, 각 플랩마다 앞전(edge)에서 비틀림이 발생했습니다. 이러한 움직임은 곤충과 유사하게 양력을 극대화해 추가적인 추진력을 제공했습니다. 엔지니어들은 날개의 플랩 진폭을 158°로 설정했고, 실험을 위해 플랩 주파수를 약 12 Hz로 조정했습니다.

출처 – Advanced Intelligent Systems

AI 기반 변형 센서

팀은 벌새와 유사한 날개 구조에 변형 게이지를 통합했습니다. 구체적으로, 베이스 폭과 길이가 각각 1.4 mm와 4.2 mm인 저비용 상용 변형 센서 7개를 테스트 날개의 특정 위치에 접착했습니다. 이 센서들은 0°, 15°, 30°, 45°, 60°, 75°, 90°의 7가지 풍향에 걸쳐 날개의 압력과 변형을 측정하는 데 사용되었습니다.

모터

날개를 퍼덕이게 하기 위해 DC 모터를 장착했습니다. 이 모터는 스코치 요크 메커니즘과 감속 기어를 활용해 실제와 같은 플랩 동작을 제공했습니다. 장치는 초당 12 사이클로 설정되었으며, 센서 와이어는 날개에 연결된 커넥터를 통해 데이터 레지스터로 전달되었습니다. 특히 엔지니어들은 일정 전압 전원 공급 장치를 갖춘 TEXIO TECHNOLOGY 장치를 사용해 일관성과 측정 가능성을 확보했습니다.

AI 기반 변형 센서 합성곱 신경망 모델

실험의 주요 구성 요소 중 하나는 합성곱 신경망(CNN)의 활용이었습니다. 이 모델을 통해 연구진은 변형 센서에서 수집된 데이터를 기반으로 비행 제어기를 등록, 분류, 훈련시켜 실시간으로 조정할 수 있었습니다.

변형 감지 데이터는 머신러닝 알고리즘이 바람 상황을 정확히 분류하도록 도와줍니다. 훈련 과정의 일환으로 센서 데이터를 활용해 풍동에서 호버링 비행을 모사했습니다. 특히 각 풍향마다 720개의 변형 및 위상 데이터셋이 확보되었으며, 이 데이터는 날개의 개별 플랩으로 분할되었습니다.

AI 기반 변형 센서 테스트

팀은 무풍 상태에서 날개의 센서 데이터를 기록하며 테스트 단계에 착수했습니다. 기류가 없을 때 센서는 영점 보정이 가능해 조건이 강화될 때 정확한 비교가 이루어졌습니다. 또한 팀은 동일한 변형 게이지 데이터를 사용해 세 종류의 날개를 시험하고 결과를 비교했습니다.

자기 회전식 마그네틱 엔코더를 사용해 다양한 조건에서 날개의 상태를 정확히 포착했습니다. 장치는 날개 위에 직접 놓여 플랩 단계에서 0.703°의 해상도를 제공했습니다. 흥미롭게도 팀은 엔코더의 한 회전을 단일 플랩 사이클에 매핑해 프로세스를 시작했습니다.

풍동

풍동은 이번 실험에서 핵심적인 역할을 했습니다. 이를 통해 팀은 부드러운 바람부터 강한 바람까지 다양한 조건에서 호버링 비행을 시뮬레이션할 수 있었습니다. 구체적으로 테스트 단계에서는 8가지 교대 풍향을 사용했으며, 각 풍향마다 단일 플랩 사이클 동안 3회의 측정을 수행했습니다.

AI 기반 변형 센서 테스트 결과

연구 결과는 인상적이었습니다. 팀은 99% 정확도로 풍향을 판별할 수 있었습니다. 특히 판별은 단일 플랩만으로도 가능했으며, 경우에 따라 0.2 플랩 사이클만으로도 매우 정확한 결과를 얻었습니다. 추가로, 센서가 날축에 가장 가까울수록 가장 빠른 결과를 제공한다는 사실도 발견되었습니다.

사이클 시간의 중요성

각 측정의 사이클 시간이 결과에 큰 차이를 만들었습니다. 팀은 0.2 사이클 이하에서는 데이터 신뢰도가 급격히 떨어지는 것을 확인했으며, 0.2 사이클에서는 센서가 85% 정확도를 달성했습니다. 이 정확도는 날개에 장착된 센서 수에 따라 향상되거나 감소될 수 있습니다.

생체모방 날개 축 구조가 AI 기반 변형 센서 결과를 향상시킴

테스트 결과, 날축 구조가 데이터 회수와 정확도에 중요한 역할을 한다는 것이 밝혀졌습니다. 따라서 구조화된 날개는 비구조화된 테스트 대상보다 풍향을 훨씬 빠르게 판단할 수 있었습니다. 이 발견을 바탕으로 엔지니어들은 날개 구조와 센서 배치를 강화하면 향후 더욱 높은 정확도를 달성할 수 있다고 판단했습니다.

AI 기반 변형 센서의 장점

이 연구가 시장에 제공하는 혜택은 방대합니다. 첫째, 연구는 로봇 엔지니어에게 상용화된 저비용 부품만으로 구현 가능한 간단한 날개 변형 감지 기능을 제공했습니다. 이러한 저비용·저전력 장치는 비행 로봇에 큰 구조적 변화를 가하지 않고도 손쉽게 통합될 수 있습니다.

민첩성

벌의 민첩성은 거의 초현실적입니다. 이들 날개 동물은 빠르게 정지하고, 호버링하며, 큰 부담 없이 방향을 전환할 수 있습니다. 과학자들은 이러한 능력을 갖춘 드론을 만들어 새로운 수준의 통합을 이루길 기대하고 있습니다.

적응성

바람이 언제 어떻게 불지 예측할 수는 없습니다. 그러나 테스트된 날개의 감각 입력은 추가 장치 없이도 흐름 조건을 직접 인식할 수 있습니다. 이 데이터는 환경 인식을 향상시켜 보다 나은 제어와 환경 조건에 기반한 빠른 정보 인코딩을 가능하게 합니다.

단순한 접근법

플래핑 윙이 다른 호버링 기술에 비해 갖는 또 다른 큰 장점은 단순성입니다. 호버크래프트는 많은 기류가 필요하고 일정 고도 이상을 달성하기 어렵습니다. 반면 헬리콥터는 수천 개의 움직이는 부품을 완벽히 보정해야 하는 복잡한 구조를 가지고 있습니다. 이번 연구는 복잡하고 정교한 부품 없이도 안정적인 호버링과 빠른 방향 전환이 가능한 차량용 날개를 3D 프린트할 수 있는 가능성을 열어줍니다.

AI 기반 변형 센서 활용 사례

플래핑 윙 로봇에는 여러 활용 사례가 있습니다. 이러한 장치는 접근하기 어려운 장소에 도달하거나 자연 재해 혹은 전쟁 지역을 부드럽게 스캔하는 데 도움을 줄 수 있습니다. 현재 소형 공중 로봇은 무게와 크기에서 심각한 제한을 받고 있습니다. 플래핑 윙을 활용하면 비행 장치에 필요한 무게를 줄여 탑재량을 향상시킬 수 있습니다.

AI 기반 변형 센서 연구원

이 연구는 도쿄 과학 연구소의 연구진이 수행했습니다. 보고서는 타나카 히로토 부교수의 주도로 진행되었으며, 타나카 히로토의 작업이 포함되었습니다. 또한 후지이 토모야가 날개 설계를 도왔습니다. 특히 연구진은 JSPS KAKENHI 혁신 분야 “소프트 로봇 과학” 연구비(지원 번호 JP18H05468)를 통해 지원을 받았습니다.

AI 기반 변형 센서의 혜택을 받을 수 있는 기업들

바람 상황을 정확하고 빠르게 판단하는 능력은 많은 기업이 제품을 개선하는 데 활용할 수 있는 옵션입니다. 플래핑 윙 로봇에 이러한 센서를 적용하면 드론 제조업체가 보다 민첩하고 독특한 옵션을 만들 수 있는 문이 열립니다. 다음은 향후 몇 달 안에 이 작업을 수행할 수 있는 한 기업의 예시입니다.

Kratos Defense & Security Solutions Inc

Kratos Defense & Security Solutions Inc (KTOS )는 1994년에 통신 인프라 제공업체로 시장에 진입했으며 이후 드론 제조로 사명과 목표를 전환했습니다. 이 회사는 캘리포니아 주 샌디에이고에 기반을 두고 있습니다.

2004년에 Kratos Defense & Security Solutions Inc.는 시장 전반에 걸쳐 고위 수준의 인수를 시작했습니다. 이러한 인수를 통해 회사는 첨단 기술에 접근할 수 있었고, 군사 방위 기술로 이름과 전체 초점을 전환하게 되었습니다.

오늘날 Kratos는 군용 드론 및 소프트웨어 분야의 선도적인 공급업체로 인정받고 있습니다. 회사의 주식인 KTOS는 자동화 및 AI 기반 전쟁 드론에 대한 수요 증가와 지속적인 혁신 덕분에 연중 꾸준한 성장을 보이고 있습니다.

Kratos Defense & Security Solutions Inc.는 기관 투자자, 정부와의 깊은 연계 및 검증된 실적을 바탕으로 향후 몇 달 안에 이 기술을 통합하기에 최적의 기업이라 할 수 있습니다.

AI 기반 변형 센서의 미래

AI 기반 변형 센서 연구를 이끈 엔지니어들은 이 기술이 정점을 찍기 위해서는 아직 해야 할 일이 많다고 믿고 있습니다. 현재 날개형 드론 분야는 아직 초기 시장 단계에 머물러 있습니다.

하지만 안정적인 호버링과 빠른 방향 전환과 같은 날개 비행의 장점이 독특한 기회를 창출함에 따라 이러한 로봇에 대한 수요가 증가할 것으로 예상됩니다. 따라서 팀은 보다 복잡한 풍향과 다양한 변형 감지 위치의 조합을 대상으로 추가 연구를 진행해 설계를 최적화할 계획입니다.

AI 기반 변형 센서 – 날개를 스마트하게 만들다

신뢰성 높고 저렴한 AI 기반 변형 센서를 날개형 로봇에 도입하면 전반적인 성능 향상이 기대됩니다. 이번 연구는 산업이 자연을 모방하고 비행에 관한 오래된 미스터리를 풀어가는 데 한 걸음 더 다가가게 합니다. 향후 몇 달 안에 이 연구는 새로운 플래핑 윙 기체의 다수 개발로 이어질 수 있습니다.

다른 멋진 로봇 프로젝트에 대해 알아보려면 여기에서 확인하세요.

연구 참고:

^{1. Kubota, K., & Tanaka, H. (2024). Machine learning-based wind classification by wing deformation in biomimetic flapping robots: Biomimetic flexible structures improve wind sensing. Advanced Intelligent Systems, 6(11), 2400473. https://doi.org/10.1002/aisy.202400473}