드론에서 창고 로봇까지, 안전 프로그래밍은 매우 중요하다 – MIT가 해결책을 제시할 수 있다

자율 주행 차량과 드론의 대규모 무리를 관리할 필요는 계속 증가하고 있다. 불행히도, 현재 시스템은 많은 노력과 계산 능력이 필요하다. 또한, 이러한 안전 프로그래밍 시스템은 실시간으로 조정할 수 없다.

따라서, 드론 무리의 상업적 사용이 일반화됨에 따라, 프로세스를 간소화하고 보증을 제공하는 안전 프로그래밍 프로토콜을 생성하는 것이 중요하다. 다행히, MIT의 혁신적인 연구자 팀이 해결책을 제시할 수 있다. 여기서 알아야 할 내용이다.

드론 쇼

올림픽에서 새로운 제품 출시까지, 드론 쇼는 이전보다 더 일반적으로 되었다. 이러한 이벤트는 hundreds of drones이 협력하여 이미지, 애니메이션 등을 생성할 수 있다. 이러한 대규모 라이트 디스플레이는 놀라운 모습이다. 이러한 행동보다 더 인상적인 것은 이러한 쇼를 가능하게 하는 모든 작업이다.

현재 안전 프로그래밍 방법

현재 대규모 드론 스와ーム 또는 다른 다중 자율 로봇 시스템을 제어하는 방법은 Multi-agent systems (MAS)를 사용하는 것이다. 이러한 프로토콜은 궤적, 경유지 및 시간 제약을 결합한다. 이러한 요소들은 각 드론이 예약된 비행 경로에서 어디에 있는지 알 수 있도록 한다.

이 접근법은 조건이 좋고 드론이 시간에 맞게 필요한 위치에 있는 경우에 작동한다. 그러나 장치가 비행 경로에서 벗어날 때 심각한 단점이 발생할 수 있다. 충돌을 방지하기 위해 엔지니어들은 pair-wise path-planning이라는 기술을 사용한다.

안전 프로그래밍의 단점

이 알고리즘은 각 드론이 다른 드론에 상대적으로 어디에 있는지 알 수 있도록 한다. 그러나 통신이 잘못되면 심각한 문제가 발생할 수 있다. MAS 설정의 각 드론은 발사 후에 비행 경로를 가정하기 때문에 외부 요인이 원래 계획을 잘못 만들 경우에도 예상된 경로를 가정한다. 이는 드론이 예상치 못하게 착륙하거나 하늘에서 떨어지거나 반응하지 않거나 다른 곳으로 비행하는 등 이상한 행동을 할 수 있다.

최근 드론 쇼 사고

드론 쇼와 자율 로봇의 급격한 증가로 인해 위험한 상황이 발생했다. 무장되지 않은 드론도 많은 위협을 가할 수 있다. 이러한 장치는 연결이 끊어지면 수백 피트의 높이에서 떨어질 수 있으며 장치와 보행자에게 피해를 줄 수 있다. 또한, 다른 항공기와의 충돌은 치명적인 손실과 사망으로 이어질 수 있다. 두 가지 최근의 사례가 이러한 우려를 강조한다:

플로리다

2024년 12월 21일, 오兰도에서 드론 쇼를 관람하기 위해 모인 주민들은 이 사건이 위험해질 것이라는 것을 알지 못했다. 이 이벤트는 수백 대의 드론이 참여했으며, 연결 오류로 인해 여러 드론이 지상으로 추락하여 관객들을 맞추었다.

불행히도, 한 드론이 7세 아이에게 떨어져 심각한 부상을 입혔고, 긴급 수술이 필요했다. 이 사건에 대해 질문을 받은 이벤츠를 주관한 회사인 Sky Elements Drone은 유감을 표명하고 미래의 사고를 방지하기 위해 원인을 조사할 것이라고 말했다.

뉴욕

스타튼 아일랜드에서 발생한 또 다른 사건은 드론이 관련되어 있었다. 이 사건에서 드론 조종사는 2.5마일 떨어진 곳까지 비행했다. 명확한 시야 범위 밖에서 그는 UH-60 블랙 호크 헬리콥터를 알아차리지 못하고 충돌했다.

幸い, 헬리콥터는 기지로 돌아갈 수 있었다. 그러나 더仔細한 조사 후, 국립교통안전위원회는 사고 보고서를 발행하여 UAV 조종사의 과실을 밝혔다.

다중 에이전트 안전 프로그래밍 연구

다중 자율 단위의 무리를 다루는 경우에보다 민감하고 반응性的 안전 시스템의 필요성을 인식하고, MIT 엔지니어들은 최근에 IEEE Transactions on Robotics에 발표된 논문에서 새로운 훈련 방법을 제시했다. их 연구는 안전 보호를 강화하고 이러한 프로토콜을 구현하는 작업량을 줄이는 새로운 훈련 방법에 대해 설명한다.

그래프 제어 장벽 함수 GCBF+

Graph Control Barrier Function + 프로토콜은 이전의 장벽 함수 알고리즘을 기반으로 하여 고유한 시스템을 추가하여 대규모 차량의 안전을 유지하는 것을 간소화한다. 놀라운 것은 GCBF+가 드론이 복잡한 환경을 사람처럼 탐색할 수 있도록 한다.

감지 반경

시스템은 먼저 충돌 위험에 초점을 맞추는 작은 감지 반경을 생성하여 전체 비행 계획 대신 이를 감소시킨다. 이는 드론의 관리需求을 줄이고 주변 영역의 장애물을 능동적으로 추적하고 피할 수 있도록 한다.

상황 인식

업데이트된 GCBF+는 드론이 실시간으로 자신의 위치와 주변의 다른 UAV의 위치를 정확히 알 수 있도록 한다. 모든 드론을 실시간으로 추적하여 다중 협력 및 컴퓨터 프로그램 에이전트가 작업을 수행할 수 있도록 한다.

그래프 신경망 (GNNs)

팀은 고급 그래프 신경망을 활용하는 사용자 지정 컴퓨터 모델을 만들었으며, GCBF를 매개변수화하고 제어 정책을 분산시키는 등의 주요 이점을 활용할 수 있다. 특히, 시스템은 에이전트와 컨트롤러를 시뮬레이션한다.

Source – MIT

엔지니어들은 실제 드론의 정확한 사양을 사용했다. 그들은 그들의 기계적 능력, 제한, 성능, 배터리 수명 및 기타 중요한 요소를 포함했다. 시뮬레이션은 이러한 정보를 사용하여 대규모 테스트를 생성했으며 엔지니어들이 모니터링했다.

주목할 점은 그래프 신경망(GNN)을 사용하는 결정이 의미가 있다. 이는 거리 기반 관찰 정보 흐름의 변경 그래프 토폴로지의 추적을 가능하게 한다. 이 입력은 다른 데이터와 함께 사용되어 AI 시스템이 성능과 안전을 균형있게 한다.

더 많은 에이전트와 작업 추가

엔지니어들은 시뮬레이션을 확장하여 더 많은 단위와 더 복잡한 작업을 포함시켰다. 그들은 실시간으로 자동으로 조정되는 안전 시스템을 복사하여 새로운 드론에 붙여넣었다. 각 상호작용은 더 많은 드론이 시뮬레이션에 추가됨에 따라 기록되었다.

수천 개의 시뮬레이션에서 충돌 추적

에이전트와 장애물의 수와 밀도가 증가함에 따라 시스템은 충돌이 없도록 미세 조정되었다. GNN은 자동으로 안전 위반을 줄이기 위해 컨트롤러 입력을 조정하기 시작했다.

엔지니어들은 GNN이 드론이 실시간으로 충돌을 피하기 위해 궤적을 조정할 수 있도록 했다. 이 테스트는 컨트롤러가 반응적임을 확인하기 위해 수행되었다. 즉, 컨트롤러는 실시간으로 환경 조건에 따라 드론의 비행 경로를 재창조했다.

MIT 엔지니어들은 또한 안전 경계를 이 접근법의 일부로 도입했다. 이러한 영역은 장치가 안전 위반을 일으킬 가능성이 있는 영역이다. 이러한 영역을 피하도록 장치를 지시함으로써 팀은 많은 충돌과 오류를 크게 줄였다.

다중 에이전트 시스템을 위한 훈련 방법

인상적인 것은 컨트롤러가 안전 문제가 해결된 후 다른 단위에 복사되어 붙여넣을 수 있다는 것이다. 프로토콜은 임의의 그래프 토폴로지를 처리할 수 있으므로 수직으로 확장하기 쉽다. 또한, 참여자의 수를 변경하는 것을 고려할 수 있으므로 프로그래밍은 몇 개의 드론에서 수행할 수 있으며 스와ーム으로 확장할 수 있다.

다중 에이전트 안전 프로그래밍 테스트

엔지니어들은 Crazyflies 드론을 사용하여 장애물이 있는 대규모 환경에서 분산된 안전 다중 에이전트 제어 프레임워크를 테스트했다. 이러한 손 크기의 쿼드 로터 드론은 GNN을 사용하여 업그레이드되었다. 테스트 단계에서 총 8개의 Crazyflies가 사용되었다.

에이전트는 8개의 실제 드론을 사용하여 활동을 추적하고 모니터링했다. 그런 다음 데이터는 1000개의 드론이 있는 시뮬레이션과 공유되었다. 장애물에 대한 동일한 확장 방법이 적용되었다. 팀은 실제 테스트에서 8개의 장애물부터 시작했다. 최종 테스트에서는 128개의 이동 및 고정 장애물이 시뮬레이션에 증가했다.

다중 에이전트 안전 프로그래밍 테스트 다른 목적

드론은 혼잡한 환경에서 어떻게 작동하는지 보기 위해 다른 목적을 부여받았다. 하나의 작업은 비행 중에 위치를 교환하는 것이었다. 이 작업은 단순해 보이지만 1000개의 드론을 다루는 경우 충돌의 위험이 높다.

착륙

다음 목적은 드론이 이동하는 상자에 着陸하는 것이었다. 이동하는 상자는 Turtlebots라는 로봇이었다. Turtlebots는 서로 다른 속도로 원을 그리도록 설정되었다. 드론은 서로를 피하고 안전하게 터틀봇에 着陸하여 작업을 완료해야 했다.

다중 에이전트 안전 프로그래밍 테스트 결과

안전 프로그래밍 연구의 결과는 놀라운 것이다. 먼저, 장치는 2D 및 3D 환경에서 이전 버전을 능가했다. 시스템이 장애물을 처리하기 위해 LiDAR 기반 point-cloud 관찰을 사용한 것은 큰 추가였다. 이는 드론이 실시간으로 조정하고 지정된 안전 영역에 머무를 수 있도록 했다.

Crazyflies는 비행 중에 작업을 완료하고 성공적으로 着陸했으며 충돌하지 않았다. 엔지니어들은 시스템이 충돌을 40% 줄일 수 있으며 드론의 성능을 개선하여 수백 대의 드론이 없이 작업을 완료할 수 있다고 결론지었다.

다중 에이전트 안전 프로그래밍 연구의 이점

이 연구는 시장에 여러 가지 이점을 제공한다. 먼저, 엔지니어들이 안전 요구 사항과 성능 기준을 자동으로 균형있게 할 수 있도록 한다. 시스템이 제어 장벽 함수 이론을 사용하여 안전 보증을 제공하면 이러한 공정의 위험이 크게 줄어든다. 또한, LiDAR 시스템을 사용하면 실시간으로 피드백과 비행 경로 조정이 가능하다.

목적지 만

이 기술의 가장 큰 이점은 엔지니어들이 전통적인 방법과 달리 비행 경로를 계획하지 않았다는 것이다. 팀은 드론에게 chỉ 목적지와 지시만 제공했다. 장치는 단 하나의 충돌 없는 궤적을 계산하지 않았다. 대신, 실시간으로 수천 개의 궤적을 계산하여 모든 변경 사항을 추적하고 조정을 수행했다.

확장 가능

엔지니어들은 최신의 복사 및 붙여넣기 컨트롤러로 오늘의 시스템을 크게 업그레이드했다. 이 프로토콜은 그래프 구조를 사용하여 확장 가능하고 일반화된 다중 에이전트의 분산 제어에 적합하다.

이 접근법은 미래의 드론 조종사가 단지 몇 개의 단위를 프로그래밍할 필요가 있을 뿐이며, 안전 매개변수를 무한히 많은 드론으로 확장할 수 있다. 이는 비용, 시간, 노력을 절약하면서 성능을 희생하지 않는다.

다중 에이전트 안전 프로그래밍 응용

이 기술의 응용 분야는 계속 증가하고 있다. 컨트롤러 프로토콜을 쉽게 생성, 분산 및 확장할 수 있는 능력은 드론의 충돌 방지 시스템에 큰 업그레이드이다. 이는 새로운 환경에서 대규모 응용 프로그램을 빠르게 구성할 수 있다. 이는 기술이 창고, 탐색 및 구조 작업, 자율 주행 자동차, 군사 작업에서 사용될 수 있음을 의미한다.

다중 에이전트 안전 프로그래밍 연구원

이 작업에 참여한 연구원에는 MI 항공우주공학부의 Chuchu Fan 부교수, Songyuan Zhang, Oswin, Kunal Garg가 있다. 주목할 점은 이 연구는 미국 국립과학재단, MIT 링컨 연구소의 Safety in Aerobatic Flight Regimes (SAFR) 프로그램, 싱가포르 국방과학기술청의 재정 지원을 받았다.

자율 주행 차량을 선도하는 회사

여러 회사들이 이 다중 에이전트 안전 프로그래밍 연구를 활용하여 자신의 UAV 또는 EV 제품을 개선할 수 있다. 자율 주행 차량 제조업체가 출시될수록 자율 주행 차량의 무리에 대한 안전 요구 사항이 증가할 것이다. 여기에서는 이러한 데이터를 활용하여 ROI를 개선할 수 있는 회사 중 하나가 있다.

아마존

자율 로봇의 스와ーム을 운영할 때 아마존은 선두 주자이다. 이 회사는 수년 전부터 자율 로봇을 공장에 통합했다. 이후 드론과 EV를 포함한 드론 무리를 확장했다. 그들의 무리가 성장함에 따라 안전 매개변수와 제어 시스템에 대한需求이 증가할 것이다.

아마존은 드론 배달 무리에 대해 오랫동안 이야기해왔다. 내년부터 회사가 이를 출시할 수 있다. 주목할 점은 FAA가 지난 11월에 사용할 예정인 MK30 드론의 비행을 승인했다.

아마존은 또한 EU에서 드론 배달 시스템을 테스트하는 데 앞서고 있다. 특히, 회사는 지난 12월 이탈리아의 San Salvo에서 배달 시스템을 테스트했으며 훌륭한 결과를 얻었다.

성공할 경우, 아마존은 드론을 통해 매년 5억 명의 고객에게 배송할 수 있다. 이는 배송 비용과 도난을 크게 줄여주며, 이는 AMZN 주가 상승으로 이어질 수 있다.

다중 에이전트 안전 프로그래밍의 미래

드론 안전 프로그래밍의 미래는 확장 가능하고 고성능의 AI 기반 시스템이다. 이러한 시스템은 생성에서 관리 및 분산까지 모든 것을 간소화할 것이다.

미래에는 배송 드론이 실시간으로 환경, 비행 경로, 동료의 위치를 완전히 이해할 수 있을 것이다. 따라서 24시간 배송이 너무 느리다고 생각하는 날이 다가올 수 있다.

로봇틱스 분야의 다른 멋진 개발에 대해 알아보려면 여기를 클릭하십시오.

연구 참조:

^{1. Zhang, S., So, O., Garg, K., & Fan, C. (2025). GCBF+: A neural graph control barrier function framework for distributed safe multi-agent control. IEEE Transactions on Robotics. https://doi.org/10.1109/TRO.2025.3530348}