본문 바로 가기

로고

국내 최대 기계 및 로봇 연구정보
통합검색 화살표
  • 유니맷 베이직에듀
  • 신진연구자 인터뷰

    신진연구자 인터뷰는 기계공학과 건설공학 분야의 젊은 연구자들의 연구성과를 알리고자 기획되었습니다.
    대상은 박사과정 이상 40세 미만의 연구자로 뚜렷한 연구성과가 있으면 언제든 참여 가능합니다.
    또한 주변에 추천할 만한 연구자가 있으면 추천을 부탁드립니다. (ariass@naver.com)

    • 이기명 (Ki Myung Brian Lee)
      정보이론을 이용한 미지 환경에서의 효율적 로봇 경로계획
      이기명 (Ki Myung Brian Lee)(University of Technology, Sydney)
      이메일:Brian.Lee at student.uts.edu.au
      379 1 0
    1. 본인의 연구에 대해서 자세한 소개를 부탁 드립니다.

    - 갑자기 낯선 곳에서 깨어나면 무엇을 해야 할까요? 우리한테는 이런 상황이 드물겠지만, 로봇들에게는 꽤 흔하다고 할 수 있습니다. 가장 간단한 예를 들면, 많은 로봇들은 전원이 켜진 순간부터 다시 주변 환경을 센서로 인식하고 상황을 판단해야 합니다. 사람을 예로 들자면 갓 태어난 신생아와 같다고 할 수 있습니다. 수중 로봇으로 해양 탐사를 하는 경우 보통은 아무런 사전 정보 없이 로봇을 수중으로 투입할 것입니다. 사전 정보가 없는 것이 로봇을 쓰는 이유 그 자체일 수도 있습니다.

    저는 모바일 로봇들이 이러한 미지의 환경에서 주어진 과제를 달성하게 하기 위해 효율적으로 경로를 계획하는 방법에 대한 연구를 하고 있습니다. 물론 이 문제는 모바일 로봇이 주행하는 데에 있어 굉장히 중요한 사안이기 때문에, 현재까지 많은 방법이 제시되어 왔습니다. 그중 현재 현장에서 가장 자주 쓰이는 알고리즘들은 보통 현재까지의 센서 데이터를 바탕으로 목표지점까지의 경로를 주기적으로 다시 계획하는 것입니다. 이런 알고리즘들은 구현하기가 상당히 간단합니다. 하지만 제약된 정보로 경로를 계획하고, 보통 아직 관찰되지 않은 부분에 대해 보수적인 경향을 띄고 있기 때문에 계획된 경로가 비효율적일 수 있습니다. 보다 효율적인 경로를 계획하기 위해서는 환경에 대해 정보를 수집해야 합니다. 하지만 정보 수집에만 치중하게 될 경우에는 본래의 과제를 달성할 수가 없습니다.

    제 연구 목표는 확률적 추론과 정보 이론을 활용하여 보다 더 효율적인 로봇 경로 계획을 위한 알고리즘을 개발하는 것입니다. 이를 위해 먼저 제약된 정보를 이용해 관찰되지 않은 부분을 추론할 수 있는 알고리즘들을 개발하고 있습니다. 이를 기반으로 정보이론을 이용해 어떤 정보나 센서 측정이 목적 달성에 유의미한지를 수치화하여, 정보 수집과 과제 달성 사이의 균형을 이룰 수 있는 알고리즘을 개발하고 있습니다.


    2. 수중의 차량(로봇)에서의 해류 평가(GPS), 모션 계획, 위치 파악 등에 대한 연구에 대해서 여러 편의 논문을 발표하신걸로 알고 있습니다. 연구 배경이 궁금합니다.

    - 해저 환경의 80% 이상이 아직까지 사람의 손길이 미치지 않은 미지의 영역으로 남아 있습니다. 기존에는 사람이 직접 잠수정에 탑승하여 탐사를 진행해야 하는 제약이 있었는데, 최근에는 수중 로봇이 이러한 제약을 상당 부분 해소하고 있습니다.

    저희 랩은 특히 수중 로봇의 일종인 수중 글라이더 (underwater glider)를 이용한 연구에 집중하고 있습니다. 수중 글라이더는 기존의 수중 로봇과는 다르게 프로펠러에 의존하지 않고 부력의 변화를 이용해서 추력을 발생시킵니다. 바닷물을 흡입하거나 배출해서 가라앉거나 떠오르는 힘을 측면의 날개가 전방 추력으로 변환하는 원리입니다.

    프로펠러에 의존하지 않기 때문에 전력 효율이 기존의 수중 로봇보다 월등히 뛰어납니다. 보통의 수중 로봇이 배터리 충전 후 수 시간 운행이 가능한 데 반해 수중 글라이더는 1-2개월 가량 운행이 가능합니다. 그래서 장시간 지속적으로 수중을 모니터링하거나, 아주 넓은 해역을 탐사하는 데에 적합합니다.

    이런 특성을 고려해서 저희 랩의 이주헌 (James Ju Heon Lee) 박사님과 협력하여 레이저 메탄 센서가 장착된 수중 글라이더를 이용해 (Figure 1) 자율적으로 해저 메탄가스의 분출구를 찾는 연구를 진행하였습니다. 먼저, GP (Gaussian process)라는 확률적 추론 Tool과 이류확산 방정식 (advection-diffusion equation)을 결합하여 제약된 메탄 농도 측정값들을 이용해 분출구 위치를 추정했습니다. 이를 바탕으로 GP-Upper Confidence Bound (GP-UCB) 알고리즘을 이용해 정보수집과 분출구 추종을 동시에 하는 경로를 계획하였습니다. 현장에서 수집한 데이터를 기반으로 알고리즘을 테스트한 결과 메탄 농도에 대한 아무런 사전 정보 없이도 분출구를 효율적으로 찾는데 성공하였습니다.





    이 연구를 하면서 저희가 배운 점은 현존하는 해류 예측 또한 충분히 상세하지 못하다는 사실이었습니다. 이 점이 문제인 까닭은 저희가 연구하는 수중 글라이더는 에너지 효율이 뛰어난 대신 매우 저속으로 운행하기 때문에, 해류 속도가 글라이더 속도의 4-5배가 되는 경우가 발생할 수 있습니다. 실제로 저희가 초기에 진행한 실증 실험에서 로봇이 앞으로 나가기는커녕 뒤로 밀리는 경우가 있었습니다. 해류에 대한 정보를 정확히 판단하지 못하면 글라이더 진행 방향에 혼선이 발생할 수 있는 것입니다.

    저희 랩에서는 이 점에 착안하여 글라이더가 밀리는 정도(drift)를 역으로 이용해서 해류에 대해 추정하는 연구를 진행했습니다. Drift 자체만 이용해서 해류를 추정하려면 가능한 해(feasible solution)가 무한히 많기 때문에, GP와 비압축성 유동(incompressible flow)의 물리적인 성질을 결합하여 가능한 해를 현실적인 유동들로 제한하였습니다. 그리고 Expectation-Maximization (EM) 알고리즘을 이용해 국지적으로 해류를 추정했습니다. 현장 시험에서 해류 예측을 전혀 이용하지 않고 실시간으로 추정된 해류만 사용해 경로를 보정한 결과, 위치 오차가 50-75% 가까이 감소하였습니다.





    저희 랩 동료인 Kwun Yiu Cadmus To와 얘기를 하던 중 비압축성 성질을 이용하면 해류의 유선 (streamline)을 더 쉽게 표현할 수 있다는 걸 깨달았습니다. 글라이더의 경로를 하나의 유선으로 생각할 수 있어서, 이를 이용해 더 빠르고 효율적인 경로 계획 알고리즘을 개발했습니다.






    3. 아무래도 수중환경에서의 연구는 여러가지 어려움이 예상되는데, 어떤 어려운 점이 있으며 또한 어떤 환경에서 연구를 하고 있는지 궁금합니다. 

    - 저희 수중 글라이더 연구는 호주 연방 정부, Blue Ocean Monitoring, Schmidt Ocean Institute, 시드니 대학 같은 다양한 기관의 지원과 협력을 받고 있습니다. 정말 감사하게도 각 기관들로부터 하드웨어 방면의 지원을 원할하게 받고 있습니다.

    실험을 수행할 때는 하드웨어를 담당하는 기관이 주관하여 배를 띄우고 바다로 나가서 글라이더를 투입합니다. 저희는 소프트웨어 쪽으로 기여를 하고 있기 때문에, 보통은 랩에서 글라이더를 Iridium 위성통신으로 모니터합니다. 날씨에 이상이 없으면 1-2개월 정도 실험을 진행한 후에 담당 기관이 다시 글라이더를 회수해 오게 됩니다.

    수중 로봇 연구에서 앞서 설명한 해류의 영향 다음으로 가장 어려운 점은 통신의 제약인 것 같습니다. 수중에서는 전파가 전달되지 않기 때문에 장거리 통신이 수표면에서만 가능합니다. 그래서 일단 글라이더가 수중으로 들어가면 어떤 상태인지 알 길이 없어서, 글라이더가 올라올 시간이 되었는데도 올라지 않으면 혹시 암초에라도 걸린 건 아닐까 걱정이 되곤 합니다. 동료 연구원들끼리 한 두 시간 후에 내가 안 보이면 시드니 하버 브리지로 나를 말리러 오라고 농담도 하곤 합니다.


    4. 시드니 공과대학(University of Technology Sydney)에서 박사과정으로 재학중인것으로 알고 있습니다. 박사 졸업논문의 주제가 궁금합니다.

    - 제 박사 졸업논문의 주제는 앞서 설명한 미지 환경에서의 경로 계획 문제를 정보 이론 (information theory)의 관점으로 접근하는 것입니다. 정보 이론을 사용하면 환경의 불확실성을 엔트로피 (entropy)라는 개념으로, 또 센서 측정값이 환경에 얼마나 관련 있는지를 정보량 (information content) 이라는 개념으로 수치화할 수 있습니다. 직관적으로 봤을 때, 환경에 대해서 정보를 충분히 수집을 안 한 상태에서 목적 부합성만 고려하면 비효율적인 경로를 택하기 쉽습니다. 그래서 각 경로를 택했을 때 얼마나 많은 정보량을 얻을 수 있는지와, 주어진 과제 및 목적에 얼마나 부합하는지를 동시에 고려하여 적절한 경로를 계획하는 방법을 연구하고 있습니다. 이론적으로 정보량과 목적 부합성 두 가지를 동시에 고려하는 것이 목적 부합성만 고려하는 것과 비교해서 얼마나 효율의 차이가 나는지도 동시에 분석하고 있습니다. 이런 이론적인 결과를 바탕으로 두 가지 실증 연구를 진행하고 있습니다. 첫 번째는 앞서 설명한 수중로봇 연구이고, 두 번째는 호주 연방정부와 Mission Systems라는 스타트업과 협력해서 미지의 도시환경에서 다수의 공중로봇의 경로를 효율적으로 계획하는 연구 프로젝트를 진행하고 있습니다.

    특히 저희 랩의 유찬열 (Chanyeol Yoo) 박사님과 협력하여 시제 논리 (temporal logic)을 이용해 복잡한 목적을 로봇에게 부여하고, 로봇이 자율적으로 목적에 부합하는 경로를 계획하는 알고리즘을 연구하고 있습니다. 예를 들어, 시제 논리를 이용하면 ‘이용자에게 가기 전에는 꼭 방역 구역에 갈 것. 이용자들을 1일에 한 번씩 방문 할 것’ 같은 복잡한 목적을 로봇에게 부여할 수 있습니다. 이때, 이용자들의 위치 추정이 부정확하다면 경로도 부정확할 것입니다. 그래서 제 연구의 주요 관심사는 이용자들의 위치와 환경에 대해 정보를 최대한 수집하는 것과 시제 논리로 구성된 목적에 부합하는 것, 이 두 가지의 균형을 찾는 것입니다.


    5. 앞으로의 장단기 연구활동 계획이 있으시다면?

    - 현재까지 코로나바이러스 때문에 현장 실험이 모두 취소되고 시뮬레이션으로 프로젝트를 진행해야 했습니다. 단기적으로는 코로나바이러스로부터 안전하면서 현장 실험과 비슷한 조건으로 테스트를 진행할 수 있는 환경을 구축하려 합니다.

    더 장기적으로는 다양한 생성적 학습 (generative learning)방법을 이용하여 더욱더 복잡한 환경으로 제 연구 결과를 확장하고 싶습니다. 이를 위해서 불확실성이나 엔트로피를 계산할 수 있는 생성적 학습 방법에 대해여 심도 있게 연구하고 있습니다.


    6. 영향을 받은 연구자가 있다면? 또한 어떤 영향을 받으셨는지 궁금합니다.

    - 가장 먼저 제 지도교수, Robert Fitch 교수님을 꼽고 싶습니다. 교수님과의 논의를 통해 제 머리속에만 있던 애매모호한 문제의식을 연구 문제로 수립할 수 있었습니다. 또 연구 결과를 효과적으로 소통하는 법에 대해 많이 배웠습니다. 또 제가 시드니 대학교 Australian Centre for Field Robotics에서 Research Assistant로 일할 당시 저희 랩의 선배들인 Graeme Best 박사님(현재 Oregon State University)과 Oliver Cliff 박사님(현재 University of Sydney)이 좋은 롤 모델이 되어준 것 같습니다. 어떻게 연구가 진행되는지, 어떻게 논문을 읽고 써야 하는지에 대해서 많이 배웠습니다. 또 Graeme Best와 Oliver Cliff가 공저자로 있는 Dec-MCTS: Decentralized planning for multi-robot active perception. The International Journal of Robotics Research, 38(2?3), 2019를 제 연구에 많이 참조했습니다.

    그리고 저희 저널 클럽 Collaborative Decision Making Reading Group (CDMRG) 멤버들이 항상 많은 도움을 주고 있습니다. 서로 관심 있고 흥미로운 분야를 공유하고, 건설적으로 토론하고, 논문 제출 전에 서로 peer review를 통해 퇴고를 도와주는 아주 좋은 팀워크의 그룹입니다.




    7. 연구활동 하시면서 평소 느끼신 점 또는 자부심, 보람

    - 여러 산학협력 프로젝트들에 기여하면서, 실무가 연구로, 연구가 실무로 이어지는 과정에서 보람을 느꼈습니다. 다양한 기관에 있는 이해관계자들을 통해 현장에서 겪고 있는 문제와 애로사항이 무엇인지에 대하여 알게 되었고, 이런 현장의 문제들을 연구 주제로 솔루션을 제시할 수 있어서 더욱 의미가 깊었습니다. 예를 들어, 실시간으로 해류를 추정하는 문제는 Blue Ocean Monitoring과 호주 연방정부에서 실제 수중 글라이더를 운영하는 분들과의 논의를 통하여 아이디어를 얻을 수 있었습니다.


    8. 이 분야로 진학(사업) 하려는 후배들에게 조언을 해 주신다면?

    - 제 짧은 경험으로 볼때, 이론과 demonstration의 균형이 매우 중요한 것 같습니다. 같은 이론적 결과라도 demonstration이 있는 논문이 독자에게 전달이 훨씬 더 잘되는 것 같습니다. 그렇기 때문에 로보틱스 연구를 시작하기 전에 기본적인 로봇 소프트웨어나 하드웨어 경험을 쌓을 것을 추천 드립니다.


    9. 다른 하시고 싶은 이야기들.

    - 제 연구에 관심을 가져주신 메릭에 감사드립니다. 코로나바이러스 때문에 저처럼 실험이 지연된 분들이나, 연구에 차질이 생기신 분들이 많으실 것 같습니다. 다들 힘 내셔서 같이 극복해 나가면 좋겠습니다.


    * 이기명 박사의 최근(대표) 논문

    - K. M. B. Lee, W. Martens, J. Khatkar, R. Fitch and R. R. Mettu, “Efficient Updates for Data Association with Mixture of Gaussian Processes", International Conference on Robotics And applications (ICRA), 2020, To Appear

    - K. M. B. Lee, C. Yoo, B. Hollings, S. Anstee, S. Huang and R. Fitch, "Online Estimation of Ocean Current from Sparse GPS Data for Underwater Vehicles," International Conference on Robotics and Automation (ICRA), 2019, pp. 3443-3449,

    - K. Y. C. To, K. M. B. Lee, C. Yoo, S. Anstee and R. Fitch, "Streamlines for Motion Planning in Underwater Currents," International Conference on Robotics and Automation (ICRA), 2019, pp. 4619-4625,

    - K. M. B. Lee, J. J. H. Lee, C. Yoo, B. Hollings, and R. Fitch, Active perception for plume source localisation with underwater gliders. Australasian Conference on Robotics and Automation (ACRA), 2018, Best Student Paper
     
    • 페이스북아이콘
    • 트위터 아이콘

    전체댓글 0

    [로그인]

    댓글 입력란
    프로필 이미지
    0/500자

    서브 사이드

    서브 우측상단1