[논문 리뷰] Dynamic Formation Reshaping Based on Point Set Registration in a Swarm of Drones

Jawad N. Yasin, Sherif A. S. Mohamed외 5명|arXiv (Cornell University)|2020. 10. 29.

Distributed Control Multi-Agent Systems참고 문헌 32인용 수 3

한 줄 요약

이 논문은 드론 스웜이 장애물 사이의 좁은 틈새를 통과할 때 속도를 줄이지 않고도 거의 최적의 재구성성을 달성할 수 있도록 동적 형성 재구성 알고리즘을 제안한다. 장애물 통과 후 원래 형성으로 효율적으로 복원하기 위해 점집합 정렬(PSR)을 사용함으로써, 경로 이탈을 최소화하고 전통적인 감지-피하기 접근 방식 대비 재구성 시간을 14% 감소시킨다.

ABSTRACT

This work focuses on the formation reshaping in an optimized manner in autonomous swarm of drones. Here, the two main problems are: 1) how to break and reshape the initial formation in an optimal manner, and 2) how to do such reformation while minimizing the overall deviation of the drones and the overall time, i.e., without slowing down. To address the first problem, we introduce a set of routines for the drones/agents to follow while reshaping to a secondary formation shape. And the second problem is resolved by utilizing the temperature function reduction technique, originally used in the point set registration process. The goal is to be able to dynamically reform the shape of multi-agent based swarm in near-optimal manner while going through narrow openings between, for instance obstacles, and then bringing the agents back to their original shape after passing through the narrow passage using point set registration technique.

연구 동기 및 목표

• 드론 스웜이 동적 장애물 탐지 환경에서 형성 유지와 임무 시간 최소화에 도전하는 문제를 해결하기 위해.
• 형성 재구성 중 감속 또는 정지 행동을 피함으로써 전력 소모와 임무 시간을 줄이기 위해.
• 동적으로 큐 형성으로 전환함으로써 좁은 통로를 원활하고 지속적으로 통과할 수 있도록 하기 위해.
• 장애물 통과 후 점집합 정렬(PSR)을 사용해 원래 형성 형태를 효율적으로 복원하기 위해.
• 검색 및 구조, 감시와 같은 시간이 중요한 애플리케이션에서 스웜의 신뢰성과 확장성을 향상시키기 위해.

제안 방법

• 스웜는 좁은 통로 통과를 위해 형성 재구성 중 동적 리더 재선택을 수행하는 리더-팔로워 아키텍처를 사용한다.
• 장애물 감지 시 리더가 간극을 계산하고 스웜을 통과할 수 있도록 정렬하며, 팔로워는 일시적 리더 할당을 통해 재구성한다.
• 턴백 기능은 점집합 정렬(PSR)을 사용해 원래 형성으로 복원하기 위한 최적의 목표 위치를 계산한다.
• PSR은 재구성 중 총 이동 거리와 이탈을 최소화하기 위해 온도 함수 감소를 활용하여 수렴성을 높인다.
• 국부적 통신과 피드백 제어를 통해 에이전트 간 거리 유지를 강제하여 최소 간격을 유지한다.
• 알고리즘은 고정 고도를 가진 2차원 환경에서 작동하며, 에너지 소비와 임무 시간을 줄이기 위해 지속적인 전진 운동을 우선시한다.

실험 결과

연구 질문

• RQ1 드론 스웜은 장애물 사이의 좁은 틈새를 통과할 때 속도를 줄이지 않고 어떻게 동적으로 형성 재구성을 할 수 있는가?
• RQ2 장애물 통과 후 경로 이탈을 최소화하면서 원래 형성 형태를 복원하는 데 가장 효율적인 방법은 무엇인가?
• RQ3 점집합 정렬(PSR)은 분산된 국부적 재구성에 비해 형성 재통합의 속도와 정확도를 어떻게 향상시키는가?
• RQ4 표준 감지-피하기와 함께 형성 제어를 수행하는 전통적 방법에 비해 제안된 방법은 임무 시간과 에너지 소모를 얼마나 줄이는가?
• RQ5 형성 재구성 중 동적 리더 재선택은 형성 안정성과 드론 간 거리 유지에 어떤 영향을 미치는가?

주요 결과

• DFRPSR 알고리즘이 국부적 감지-피하기 방법 대비 재구성 시간을 14% 감소시켰으며, 스웜은 97초 만에 원래 형성으로 복귀했고, 이는 전통적 방법 대비 111초 대비 빠른 속도였다.
• 모든 에이전트가 재구성 중 정의된 최소 거리를 유지했으며, 큐 단계 동안 드론 간 거리는 7.81m에서 40m 사이로 변동했다.
• UAV 1과 2 사이의 최소 거리는 12.8m였고, 전환 과정에서 리더의 동적 변경으로 최대 거리는 40m에 도달했다.
• UAV 2는 전환 기간 내내 UAV 4의 리더로 남아 있었으며, 중앙값 거리는 14.86m, 최대 거리는 22.82m를 기록했다.
• 점집합 정렬 기법은 빠르고 정확한 재배치를 가능하게 하여 총 이동 거리와 이탈을 최소화하고 효율적인 재구성을 보장했다.
• 이 방법은 정적 2차원 환경에서 신뢰성 있는 성능을 보였지만, 3차원 확장 및 공기 저항과 같은 환경적 영향은 아직 테스트되지 않았다.