GPS와 시각 정보 없는 환경에서 MAV를 위한 학습 기반 기류 관성 항법 시스템

Wang 등 연구진은 열풍속계, IMU, ESC, 기압계를 융합한 혁신적인 기류 관성 항법 시스템을 개발하여 GPS 및 시각 정보 부족 환경에서도 드론의 정확한 위치 추정을 가능하게 했습니다. GRU 기반 심층 신경망을 활용하여 잡음 제거 및 정확한 풍속 추정에 성공하였으며, 오픈소스 공개를 통해 기술 공유 및 발전에 기여할 것으로 기대됩니다.

#: 혁신적인 비행 속도 측정 기술

서론: 드론(MAV)의 자율 비행은 GPS와 시각 정보가 부족한 환경에서 큰 어려움을 겪습니다. 저렴한 IMU와 기압계는 상당한 오차를 가지며, 열풍속계는 프로펠러 회전과 지면 효과에 매우 민감합니다. 이러한 문제를 해결하기 위해 Wang 등 연구진은 혁신적인 기류 관성 항법 시스템을 개발했습니다.

핵심 기술: 본 연구는 열풍속계, IMU, ESC, 기압계를 포함한 다중 센서 데이터 융합을 기반으로 합니다. 특히, GRU(Gated Recurrent Unit) 기반 심층 신경망을 사용하여 열풍속계의 잡음이 많은 측정값에서 상대 풍속을 정확하게 추정합니다. 또한, 바이어스 모델을 포함한 관측기를 사용하여 센서 데이터를 융합하고 항공기의 상태를 정확하게 추정합니다. 이를 통해 프로펠러 다운워시 및 지면 효과로 인한 바람 속도를 분리하고, 실내 무풍 환경에서 비행 속도를 정확하게 추정하는 데 성공했습니다.

놀라운 결과: 203초 동안 수행된 수동 무작위 비행 실험에서 위치 누적 오차는 단 5.7m에 불과했습니다. 이는 IMU와 기압계의 바이어스를 효과적으로 추정하여 위치 적분 드리프트를 크게 줄였음을 보여줍니다. 실험 결과는 이 시스템이 GPS와 시각 정보가 없는 환경에서도 매우 정확한 항법 성능을 제공함을 입증합니다.

향후 전망: 연구진은 개발한 시스템의 오픈소스를 공개하여(https://github.com/SyRoCo-ISIR/Flight-Speed-Estimation-Airflow), 학계 및 산업계의 기술 발전에 기여할 것으로 기대하고 있습니다. 이 기술은 자율주행 드론, 실내 비행 로봇, 탐사 로봇 등 다양한 분야에 혁신적인 영향을 미칠 것으로 예상됩니다. 특히, GPS 신호가 약하거나 차단되는 환경에서 드론의 안정적인 비행을 가능하게 하여 자율 비행 기술의 발전에 크게 기여할 것으로 기대됩니다. 하지만, 실외 환경이나 강한 바람이 부는 환경에서의 성능 검증은 향후 연구 과제로 남아 있습니다.