[논문 리뷰] Duckiefloat: a Collision-Tolerant Resource-Constrained Blimp for Long-Term Autonomy in Subterranean Environments

Yi‐Wei Huang, Chen-Lung Lu외 8명|arXiv (Cornell University)|2019. 10. 31.

Underwater Vehicles and Communication Systems참고 문헌 26인용 수 23

한 줄 요약

Duckiefloat는 충돌에 견디는 능력과 자원 제약이 있는 풍선 로봇으로, 시각 기반 SLAM과 딥러닝을 활용해 고장 탐지 기능을 갖춘 지하 환경에서 장기적인 자율 주행을 목표로 한다. 최소한의 통신으로도 인간이 개입하는 시스템을 통해 상황 인식과 갇힘 복구 기능을 제공함으로써 장시간 운영을 실현한다.

ABSTRACT

There are several challenges for search and rescue robots: mobility, perception, autonomy, and communication. Inspired by the DARPA Subterranean (SubT) Challenge, we propose an autonomous blimp robot, which has the advantages of low power consumption and collision-tolerance compared to other aerial vehicles like drones. This is important for search and rescue tasks that usually last for one or more hours. However, the underground constrained passages limit the size of blimp envelope and its payload, making the proposed system resource-constrained. Therefore, a careful design consideration is needed to build a blimp system with on-board artifact search and SLAM. In order to reach long-term operation, a failure-aware algorithm with minimal communication to human supervisor to have situational awareness and send control signals to the blimp when needed.

연구 동기 및 목표

• 지하 환경에서 장시간 작동 가능한 충돌에 견디는 항공 로봇을 개발한다.
• 제한된 전력과 적재 능력이 있는 좁은 지하 환경에서 자원 제약이 있는 시스템을 설계하여 문제를 해결한다.
• 딥러닝을 활용해 현장에서의 SLAM과 장애물 탐지를 수행하는 자율 주행을 가능하게 한다.
• 상황 인식을 통해 최소한의 통신으로 인간 감시 시스템을 구현하고, 고장 복구를 가능하게 한다.
• 제약 조건 하에서 실제 터널 환경에서 성능을 검증한다.

제안 방법

• 크기와 적재 능력 제약를 충족시키기 위해 경량의 고체 구조 풍선, 저전력 추진 장치, 소형 현장 컴퓨팅 장치를 설계했다.
• 단일 카메라와 현장 프로세서를 통합하여 자율 주행을 위한 시각적 오도메트리와 SLAM을 수행했다.
• 현장 추론를 통해 실시간으로 장애물 탐지를 위한 딥러닝 모델을 구현했다.
• LoRa 기반 통신 모듈을 구현하여 최소한의 대역폭으로 기지국에 상태 업데이트와 장애물 보고서를 전송했다.
• 고장 인식 기능이 탑재된 제어 시스템을 개발하여, 풍선이 갇힐 경우 인간 감시자가 상황 인식 정보를 수신하고 복구 명령을 전송할 수 있도록 했다.
• 통제된 환경과 실제 터널에서 실험을 수행하여 자율성, 통신 범위, 복구 능력을 평가했다.

실험 결과

연구 질문

• RQ1 자원 제약이 있는 풍선이 현장에서 SLAM과 장애물 탐지를 수행하면서 지하 환경에서 장시간 자율 주행을 수행할 수 있는가?
• RQ2 최소한의 통신으로 인간이 개입하는 시스템이 좁고 비정형적인 터널 환경에서 상황 인식과 고장 복구에 얼마나 효과적인가?
• RQ3 긴, 좁고 복잡한 터널 환경에서 LoRa 통신의 한계는 무엇인가?
• RQ4 환경적 난류와 구조적 복잡성이 풍선의 비행 안정성과 탐색 성능에 어떤 영향을 미치는가?
• RQ5 충돌에 견디는 풍선이 인간 개입을 통해 제약된 통로에서 갇힐 경우 얼마나 잘 복구되는가?

주요 결과

• Duckiefloat는 Houli 터널에서 평균 1시간 동안 완전 자율 주행을 성공적으로 수행했으며, 약 300미터를 이동했다.
• 딥러닝을 활용한 현장 SLAM과 장애물 탐지 기능이 효과적으로 작동하여 자율 탐색과 보고 기능을 가능하게 했다.
• Houli 터널과 같은 긴 직선 터널에서는 LoRa 통신이 효과적이었으며, 장애물이 적고 공간이 넓어 신호 성공률이 높았다.
• 공기 방류 터널과 EE 빌딩처럼 다수의 굽이와 횡방향 장애물이 있는 환경에서는 신호 침투가 크게 감소했으며, 굽이당 횡방향 거리가 짧아지면서 신호 강도가 약해졌다.
• NIOSH 광산 터널에서 여러 차례 갇힌 상황에서도 시스템이 성공적으로 복구되었으며, 인간이 개입하는 상황 인식 기능이 고장 복구에 효과적이라는 것을 입증했다.
• 통제된 공기 흐름(1.2 m/s) 조건에서는 비행 성능이 저하되었으며, 충돌 빈도가 증가하고 속도가 감소해 환경적 난류에 민감함을 보였다.