[논문 리뷰] Survey of Simulators for Aerial Robots: An Overview and In-Depth Systematic Comparisons

Cora A. Dimmig, Giuseppe Silano외 5명|arXiv (Cornell University)|2023. 11. 04.

Robotic Path Planning Algorithms참고 문헌 62인용 수 5

한 줄 요약

이 논문은 14개의 널리 사용되는 플랫폼을 중심으로 44개의 드론 시뮬레이터에 대한 종합적 서베이와 체계적 비교를 제시한다. 물리적 정밀도, 센서 지원, 차량 유형, 라이선스 및 유지보수성과 같은 실용적 요소를 평가하여 연구자들이 특정 항공 로봇 응용 분야에 최적의 시뮬레이터를 선택하는 데 도움을 준다.

ABSTRACT

Uncrewed Aerial Vehicle (UAV) research faces challenges with safety, scalability, costs, and ecological impact when conducting hardware testing. High-fidelity simulators offer a vital solution by replicating real-world conditions to enable the development and evaluation of novel perception and control algorithms. However, the large number of available simulators poses a significant challenge for researchers to determine which simulator best suits their specific use-case, based on each simulator's limitations and customization readiness. In this paper we present an overview of 44 UAV simulators, including in-depth, systematic comparisons for 14 of the simulators. Additionally, we present a set of decision factors for selection of simulators, aiming to enhance the efficiency and safety of research endeavors.

연구 동기 및 목표

• 점점 증가하는 선택지 속에서 특정 연구 요구에 가장 적합한 UAV 시뮬레이터를 선택하는 데 도전 과제를 해결한다.
• 물리적 정밀도, 센서 지원, 차량 유형 호환성과 같은 핵심 기술적 및 실용적 차원에서 14개의 주요 UAV 시뮬레이터를 체계적으로 비교한다.
• 라이선스, 오픈소스 가용성, 활발한 유지보수, ROS, 강화학습, 하드웨어 프레임워크와의 통합과 같은 중요한 결론 도출 요소를 식별하고 평가한다.
• 연구자들이 UAV 알고리즘 개발에서 안전성, 효율성, 확장성 향상을 위해 최적의 시뮬레이터 선택을 체계적으로 최적화할 수 있는 프레임워크를 제공한다.
• 시뮬레이션에서 실제 구현으로의 전환을 지원하기 위해 시뮬레이터의 정밀도와 결과의 이식 가능성에 대해 분석한다.

제안 방법

• 물리 엔진, 렌더링, OS 지원, 인터페이스의 네 영역에서 18개의 평가 기준을 기반으로 14개의 널리 사용되는 UAV 시뮬레이터에 대한 깊이 있는 체계적 비교를 수행했다.
• 차량 유형 지원(예: 다중로터, 고정익, 헬리콥터, 군집), 센서 세트(예: RGB, 깊이, 자이로스코프, GPS, 라이다), 로봇 중앙처리소(ROS, 파이썬, 강화학습, C++)와의 통합을 포함한 세 핵심 차원에서 시뮬레이터 능력을 평가했다.
• 라이선스 모델(오픈소스, 기업 전용, 학술용)에 따라 시뮬레이터를 분류하고 장기적 유지보수성과 커뮤니티 지원을 평가했다.
• 항공역학적 효과, 예를 들어 저항, 바람, 항공역학적 영향을 포함한 물리 모델링 정밀도를 분석하고, 다중로터나 공중 조작 시스템과 같은 복잡한 동역학을 어떻게 처리하는지 평가했다.
• 표준화된 표(표 V–VII)를 사용하여 기능, 차량 유형, 센서 가용성을 시뮬레이터 간 비교하여 즉시 대조 평가가 가능하도록 했다.
• 국제 로봇 경기 대회, 실제 응용 사례, 커뮤니티 피드백의 통찰을 통합하여 실무 경험에 기반한 권고를 도출했다.

실험 결과

연구 질문

• RQ1 다중로터, 고정익, 다중차량 군집 역학을 현실적인 항공역학적 효과와 함께 가장 잘 지원하는 시뮬레이터는 무엇인가?
• RQ2 라이다, 광학 흐름, GPS, 자이로스코프 시뮬레이션을 포함한 센서 정밀도 측면에서 서로 다른 시뮬레이터는 어떻게 비교될 수 있는가?
• RQ3 오픈소스와 기업 전용 시뮬레이터 간의 주요 트레이드오프는 커스터마이제이션, 유지보수, ROS 또는 강화학습 프레임워크와의 통합 측면에서 무엇인가?
• RQ4 물리 엔진(예: PhysX, PyBullet, ODE)은 고속 또는 민첩한 비행 조건에서 UAV 비행 역학의 현실성과 정확성에 어떻게 영향을 미치는가?
• RQ5 장기적 지속 가능성, 재현 가능성, 효율적인 하드웨어 이식성을 확보하기 위해 연구자가 시뮬레이터 선택 시 우선적으로 고려해야 할 결론 도출 요소는 무엇인가?

주요 결과

• Gazebo(클래식 및 신규), Webots, AirSim은 다중로터, 고정익, 군집을 포함한 가장 광범위한 차량 유형 지원을 제공하며, ROS 1/2 통합 능력이 뛰어나다.
• AirSim과 Isaac Sim(Pegasus)는 Unreal Engine 기반 고정밀 렌더링을 바탕으로 RGB, 깊이, 세그멘테이션, 라이다, 광학 흐름을 포함한 가장 포괄적인 센서 세트를 제공한다.
• Gazebo, Webots, gym-pybullet-drones와 같은 오픈소스 시뮬레이터는 접근 가능한 소스 코드와 활발한 유지보수 덕분에 커스터마이제이션에 더 선호된다.
• Isaac Gym(Aerial Gym)은 GPU 가속 물리 엔진과 대규모 군집(예: 512대의 큼지막한 다중로터) 시뮬레이션 지원으로 고성능 강화학습 응용 분야에서 뛰어난 성능을 보인다.
• RotorTM 및 MATLAB UAV Toolbox와 같은 시뮬레이터들은 라이다나 광학 흐름을 포함한 제한된 센서 지원(예: 없음)을 보이며, 인식 중심 작업에 적합하지 않다.
• AirSim과 Isaac Sim(Pegasus)와 같은 기업 전용 시뮬레이터는 강력한 상업적 뒷받치기 기반으로 우수한 성능을 보이지만, 장기적 유지보수성과 개방형 접근성이 부족해 재현 가능성에 위험을 초래할 수 있다.