이번 포스팅에서는 이번 달 Science Robotics 커버를 장식한 Snake-like 탐사 로봇에 대한 소개를 적어보도록 하겠습니다. 논문의 제목은 [EELS: Autonomous snake-like robot with task and motion planning capabilities for ice world exploration] 이며, 얼음으로 구성된 환경에서 자율 탐사가 가능한 로봇 시스템에 대한 논문이라고 유추해 볼 수 있겠습니다.
로봇분야에서 명성이 높은 저널 중에는 과학분야에서 오래전부터 유명한 Science에서 세부분야 저널로 운영하는 Science Robotics도 있습니다. 평가의 문턱이 높은 만큼 발표되는 논문은 연구적으로 수준이 높아 좋은 영감이 되는 논문이 많습니다.
원문은 이곳에서 확인하실 수 있습니다.
Table of Contents
저자 소개
프로젝트의 규모가 큰 만큼 이 논문의 저자가 무려 48명이나 됩니다. 내용을 보면 가장 많이 기여한 단체는 JPL (Jet Propulsion Lab.)으로 보이고, 1저자는 공동 1저자로 T.S. Vaquero, G. Daddi, R. Thakker, M. Paton 4명으로 되어 있습니다.
편집자의 소개글
Enceladus와 같은 얼음 달의 탐사에 대한 관심이 커지고 있습니다. 그러나 표면이나 얼음 화구 내부의 환경적 극단 때문에 샘플을 얻는 것은 도전적입니다. Vaquero 등은 얼음 표면에서 자율적으로 탐사할 수 있는 뱀 모양 로봇인 Exobiology Extant Life Surveyor (EELS)를 개발했습니다. EELS는 주변 환경을 관찰하기 위한 센서와 카메라가 장착된 ‘지각 머리’를 갖추고 있으며, 몸체는 형태를 변형할 수 있는 관절 세그먼트와 이동을 용이하게 하는 나사 모양의 외부 표면으로 구성되어 있습니다. EELS는 복잡한 얼음 지형에서의 위험을 감지하고 자율적으로 탐사하는 잠재력을 보여줍니다.
논문 요약
얼음 세계는 지하 해양의 존재 증거로 인해 우주 생물학적 관심의 전선에 섰습니다. 특히 Enceladus는 알려진 화구 시스템이 지하 해양과 연결되어 있을 가능성이 높기 때문에 얼음 달 중에서 독특합니다. 이러한 화구를 통해 해양 수면에서 바다물이 우주로 분출됩니다. 기존 연구에서는 작은 로봇을 화구로 보내고 해양 수면의 물 샘플을 직접 채취하는 것이 가능할 것으로 나타났습니다. 이러한 임무를 가능하게 하기 위해 NASA의 제트 추진 연구소는 Enceladus의 극한 환경을 탐색하고 폭발적인 화구로 하강하여 수정되지 않은 액체 샘플을 캡처하고 잠재적으로 해양에 도달할 수 있는 뱀 모양 로봇 인 Exobiology Extant Life Surveyor (EELS)를 개발 중입니다.
그러나 Enceladus의 환경으로의 이동은 어렵습니다. 기존 궤도 정찰의 한계로 인해 그 지오메트리 및 표면 / 화구의 물리적 특성에 대한 상당한 불확실성이 있습니다. 통신이 제한되어 있어 한정된 인간 감독 하에 높은 자율성을 갖는 로봇이 임무를 수행해야 합니다. 여기에서 우리는 EELS 프로젝트와 극한 얼음 지형 / 환경을 탐색하기 위한 위험 인식 자율 로봇을 개발하기 위한 노력에 대한 개요를 제공합니다. 우리는 로봇의 아키텍처와 얼음 환경을 안전하고 효과적으로 탐지하기 위한 기술적 도전에 대해 설명합니다. 특히 표면 이동, 불확실성 하의 임무 및 모션 계획, 위험 측정과 관련된 문제에 중점을 두고 있습니다. 우리는 현장 실험과 시뮬레이션 시나리오에서의 이동성과 위험 인식 임무 및 모션 계획에 대한 초기 결과를 제공합니다.
내용 소개
가스 거대 행성의 얼음 달인 유로파, 타이탄 및 엔셀라두스는 지하 해양의 증거 때문에 우주 생물학적 관심의 선두에 서 있습니다. 특히 토성의 얼음 달인 엔셀라두스는 얼어붙은 표면 아래 액체 물 해양을 가지고 있다고 여겨지는 매력적인 달입니다. 엔셀라두스는 지하 해양을 가지고 있을 뿐만 아니라 알려진 옥탄을 가지고 있으며, 그 해양은 광물을 공급하는 암석핵과 직접적으로 접촉할 것으로 여겨집니다. 카시니의 비행 데이터는 열악한 환경에서 농축수압장치의 잠재적 존재를 시사했습니다. 화구 통과로 채집된 샘플이나 그 위에 착륙할 때 표면에서 채집된 샘플을 통해 생명의 흔적을 감지하는 것이 가능할 수 있습니다. 그러나 기존 연구는 일부 중요한 생물학적 질문을 해결할 수 없다는 것을 보여 주었습니다. 엔셀라두스에서 생물학적 흔적을 찾고 그 결과로 생명을 특성화하기 위해서는 이 화구의, 주변의, 그리고 해양의 샘플이 필요합니다.
유감스럽게도, 우리는 화구의 내부 환경과 그 주변의 환경에 대해 아주 제한된 지식만 가지고 있습니다. 대부분은 카시니라는 단일 미션에서 얻어진 것입니다. 표면 이미지의 최상의 해상도는 매우 제한된 영역 당 약 6m입니다. 대부분의 근거리 이미지는 단안으로, 따라서 로봇 규모의 표면 지형은 대부분 알려지지 않았습니다. 게다가 분출 메커니즘에 대한 여러 상충 가설이 있습니다, 기존 카시니 데이터로는 해결할 수 없습니다. 결과적으로 화구 지오메트리, 액체 인터페이스까지의 깊이(있을 경우), 유동의 속도 및 얼음 벽의 물리적 특성이 대부분 제한되어 있습니다.
선행 미션 없이 엔셀라두스의 불확실한 얼음 환경을 탐사하는 것은 도전적인 조건에서 작동하고 탐색하며 적응할 수 있는 강건한 자율 로봇 시스템을 개발해야 합니다. 예를 들어, 환경 및 지형 속성/동적의 사전 지식이 매우 제한되어 있으므로, 탐사 및 운영 중에 높은 불확실성과 위험이 있습니다. 지하 해양에서의 샘플링은 표면 및 지하 탐사 및 탐사를 모두 필요로 합니다. 이 과정에서 표면-지하 궤적에서의 환경 조건 및 얼음/환경의 물리적 특성이 크게 변할 수 있습니다(지하 환경에서는 좁은 통로를 이동하는 동안 제한된 가시성과 화구에서의 난류 흐름이 추가됩니다). 지구와의 통신은 장거리로 인해 제한되어 있습니다(왕복 시간은 130~155분이며, 마스 미션과 비교하여 다운링크 속도가 제한됩니다) 또는 시스템이 지하 환경에 있을 때 시야가 없습니다.
환경 조건이 가혹하여 시스템의 수명이 제한될 수 있으며, 예를 들어 방사선이나 온도의 극단적인 환경 및 소진 가능한 배터리와 같은 제한된 자원이 있을 수 있습니다. 이러한 도전적인 요소로 인해 이러한 환경에서 로봇을 지상에서 수동으로 명령하는 것이 불가능하며, 따라서 로봇 탐사자는 인간 감독이 제한되거나 전혀 필요하지 않은 상황에서 임무를 수행할 수 있도록 높은 자율성, 적응성 및 강건성을 갖추어야 합니다.
여기에서는 이전에 언급한 도전적인 환경/요구 사항을 해결하기 위해 개발된 자율적이고 적응적이며 강건한 로봇 플랫폼 인 NASA 제트 추진 연구소 (JPL)의 Exobiology Extant Life Surveyor (EELS) 로봇을 소개합니다. 그림 1은 Enceladus 미션용 EELS 컨셉을 보여줍니다. 우리는 EELS의 강건한 소프트웨어 아키텍처를 소개하고, 불확실성 하에서의 안전한 표면 탐색, 탐사 및 감지 문제를 어떻게 해결하는지에 초점을 맞춥니다. 우리의 기여는 특히 소프트웨어 아키텍처와 불확실한 환경에서의 과제 및 동작 계획 시스템에 관한 것입니다. 또한, 우리는 표면 이동성 및 동작 계획 접근법 및 실험에 대한 요약을 제공하며, Enceladus에서 운영하기 위해 필요한 자율성 요구 사항, 이러한 요구 사항을 충족할 수 있는 소프트웨어 아키텍처, 소프트웨어 스택의 고수준 과제 및 동작 계획 구성 요소에 대해 논합니다.
EELS 프로젝트 – 얼음 환경 탐사 로봇 연구
EELS 로봇은 표면 및 지하 구조를 탐구하고 환경의 거주 가능성을 평가하며 궁극적으로 생명의 증거를 탐색하기 위해 고안된 뱀과 같은 이동식 기기 플랫폼입니다. 이는 바다 세계에서 영감을 받은 지형, 유동 매체, 폐쇄된 미로 같은 환경 및 액체를 가로질러 이동할 수 있도록 설계되었습니다. Enceladus는 EELS 하드웨어 및 소프트웨어 아키텍처, 그리고 이동성 및 자율성 능력을 개발하는 데 있어 주요한 요인입니다. 우리는 Enceladus를 향한 발걸음의 석달을 준비하며 지구의 빙하를 EELS 아키텍처를 개발하고 테스트하는 데 사용하고 있습니다.
지난 몇 년간 EELS와 유사한 과학적 목표를 달성하기 위한 행성 지하 접근 미션들이 제안되어 왔습니다. 열 융해 프로브를 통한 열 융해 절벽을 극복하는 것이 행성 얼음 시트를 넘어서기 위한 주요한 방법입니다. 이러한 미션 개념들 사이에는 두께 수 km의 저온 얼음 시트로 인해 동력이 발생하는데에 어려움이 있는 특징이 있습니다. 크라이오젠 재료를 통한 열 융해가 프로브의 측면 벽으로부터의 열 손실과 함께 비효율적이기 때문입니다.
미래의 과제는 얼음 시트 내에 암석이나 공허가 존재할 가능성을 고려해야 합니다. 다른 방법으로는 거친 빙하 지형을 가로지를 수 있는 이동 시스템 및 화염구로 내려가는 것이 있습니다. EELS는 얼음을 매개체로 사용하는 대신 움직임을 위한 매개체로 사용하는 방법을 통해 크라이오젠 얼음에서 열 융해 특성을 우회하면서 Enceladus 화염구 내에서의 이동 가능한 것으로 이 연구를 노렸습니다. EELS는 더 넓은 범위의 지형에서 움직일 수 있는 것으로 인해 Enceladus 화염구 이동 미션에 더 적합합니다.
EELS의 개발은 Enceladus 화염구 탐사 미션을 가능하게 하는 아홉 가지 특정 능력을 포함하고 있습니다. 이는 얼음 표면과 로봇을 고속 제트에 고정시키는 신뢰할 수 있는 상호작용을 위한 고유 인식 제어; 사용 가능한 자유도를 완전히 활용하고 다양한 유형의 환경을 통과하는 보행/움직임 제어; 지역 환경의 기하학적 및 의미적 정보를 획득하기 위한 외부 인식; 지속적으로 로봇의 위치 목표로의 실행 가능한 경로를 찾는 움직임 계획; 전역 좌표에서 상황 인식을 제공하기 위한 전역 위치 추적 및 매핑; 경로 및 보행/움직임 패턴을 공동으로 최적화하기 위한 전역 운동 계획; 관측, 샘플링 및 센서 배치를 위한 과학적 감지 및 작동; 고수준 이동성, 과학 및 공학 활동의 계획 및 강력한 실행; 그리고 높은 수준의 위험 관리로 구성됩니다.
지표 환경의 높은 불확실성 측면을 감안할 때, 이러한 능력들 사이의 불확실성 하에서 추론은 EELS 프로젝트에서 핵심 역할을 하며 시스템 수준의 자율성 요구 사항을 이끌어 냅니다. 본 논문에서는 이러한 특정 항목에 대한 요구 사항에 중점을 두고 있습니다.
실험 결과
Surface Locomotion
이 섹션에서는 EELS의 하드웨어 유연성과 컨트롤러 및 추정기를 결합하여 극한 지형에서의 표면 이동성을 달성하는 방법에 대해 설명합니다. 이러한 지형에서의 표면 이동성을 시연하기 위해 두 가지 다른 상태 추정 방법과 함께 두 가지 다른 보행을 배치하고 테스트했습니다. 주요 운동 전략은 다중 에이전트 자율성에서 영감을 받아 모양 및 나사 기반의 이동을 분리합니다. 이 보행은 리더-팔로워로 알려져 있으며 로봇의 지각 헤드가 따르는 경로를 생성합니다. 추진력은 나사 액추에이터를 회전시켜 얻으며 각 하드웨어 모듈은 지각 헤드가 그린 경로를 따라 움직이도록 제어됩니다.
외부 지각 상태 추정을 사용할 때 로봇의 실제 위치와 원하는 위치 간의 오차 용어를 생성하고 계획된 경로로 로봇을 제어하는 데 사용할 수 있습니다. 각 나사에 별도의 속도를 명령함으로써 로봇은 드리프트를 보정하기 위해 나사를 사용하여 원하는 위치로 홀로노믹하게 이동할 수 있습니다. 외부 지각 상태 추정을 사용할 수 없을 때 로봇은 같은 나사 추진 및 모양 적응 방법을 사용하여 경로를 따를 수 있지만, 오류 및 경로를 따라 진행은 추정되지 않습니다. 테스트된 두 번째 보행은 모양 기반의 사이드윈딩이었습니다. 이런 운동 전략에서는 로봇의 시간에 따라 변하는 모양과 나사의 이방성 마찰 특성이 결합되어 추진력을 생성합니다. 나사 기반 및 모양 기반 보행 사이를 전환할 수 있는 기능은 다양한 환경에 대한 유연성과 적응성을 제공합니다.
표면 이동성은 JPL의 Mars Yard에서의 모래 지형 및 캘리포니아의 빅 베어에서의 얼음 및 눈 지형에서의 실험실 및 현장 실험 캠페인을 통해 평가되었습니다. 평지, 경사면, 장애물 및 구멍이 있는 곳에서 테스트가 수행되었습니다. 또한, 모래와 눈은 응축된 및 비응축된 조건 모두에서 테스트되었습니다. 다양한 테스트 지형 구성은 나사 및 모양 기반 이동 결합에 의한 로봇의 적응성을 강조했습니다. 테스트 캠페인의 주요 기획은 리더-팔로워와 모양 기반 기획이었습니다.
외부 지각 및 자세 지각 제어가 효과적인 이동 방법으로 증명되었습니다. 나사 기반 이동은 리더-팔로워 기획의 폐루프 경로 추적을 가능하게 하였으며, 모양 기반 이동은 일반적인 이동성 시스템(예: 로버)의 종말을 야기할 수 있는 상황에서 로봇이 움직이지 않는 상황에서 유용한 전략으로 입증되었습니다. 또한, 모양 기반 이동은 나사 이동이 덜 신뢰할 때 파우더 눈 또는 고운 모래와 같은 비응축 지형을 탐색하는 효과적인 방법으로 입증되었습니다.
현장에서 여러 차례 외부 지각 위치 및 매핑이 실패했습니다. 이러한 실패는 하드웨어 결함과 외부 지각 알고리즘과 환경 간의 상호 작용의 혼합으로 인해 발생했습니다. 이러한 실패는 제어 스키마 간에 전환할 수 있는 자세 제어 전략과 시스템 수준 자율성의 필요성을 강조했습니다. 외부 지각 실패는 주로 환경에서의 퇴화로 인해 발생하며, 더 많은 특징이 보이기 전까지 자세 지각적으로 이동하여 재위치가 가능하도록 할 수 있습니다. 게다가, 하드웨어 결함으로 인해 외부 지각이 실패하는 경우에도, 좀 더 보수적인 경로를 사용하여 미션을 계속할 수 있는 가치가 있습니다.
Task and Motion Planning Module
작업 및 동작 계획 모듈에서는 불확실성 하에서 작업 및 동작 계획의 결합을 통해 표면 이동성을 용이하게 하기 위해 초점을 맞췄습니다. 운영 중에는 외부 지각 상태 추정이 하드웨어 고장 또는 환경 내부에 있는 기본적인 관측 불가능성 때문에 실패할 수 있습니다. 관측 불가능성 문제는 뱀 로봇의 경우 특히 심하며, 지각 헤드가 환경에 매우 낮게 위치하고 가시적인 특징의 수가 종종 제한되기 때문입니다. 외부 지각 상태 추정이 정상적으로 작동하는 경우(그림 5A 참조) 자연적인 공분산 증가로 인한 불확실성 증가가 발생하지만 루프 클로저가 없는 동시 위치 추정 및 매핑 (SLAM) 시스템의 경우 거의 최적의 경로를 따를 수 있습니다.
반면에 외부 지각이 작동하지 않는 경우(그림 5B), 이동 및 경로는 불확실성 증가를 예측하여 보수적으로 계획해야 하며 안전 제약 조건을 위반할 가능성이 결코 초과되지 않도록 보장해야 합니다. 혼합 제어-작업 행동 공간을 정당화하는 주요 직관은 지각 헤드를 들어 환경을 스캔함으로써 로봇의 자세 지식을 향상시킬 수 있고 더 많은 특징을 관측하거나 잠재적으로 목표물을 직접 관측할 수 있습니다.
재위치할 수 있는 능력은 스캔 활동을 포함하는 경로를 계획하는 모듈에게 비스듬은 스캔 없는 보수적인 경로보다 비용이 적게 드는 경로를 계획할 수 있게 해줍니다(그림 5C 참조). 또한, 이 경로는 재위치를 통해 모듈이 장애물에 더 가까이 이동할 때 안전 제약 조건이 초과되지 않도록 보장할 수 있기 때문에 이에 대한 더 큰 위험이 없습니다. 이러한 혼합 접근법의 또 다른 장점은 좁은 통로를 통해 목표물에 도달하기 위해 탐색해야 하는 높은 누적 분율 면적 환경에서는 보수적인 경로 계획자에게 해결하기 어려운 경우가 있을 수 있습니다. 그러나 작업 및 동작 계획자는 이러한 환경 조건 하에서 목표물로 진행할 수 있으며 관측 불가능성 문제가 해결되고 시스템이 다시 외부 지각적인 탐색으로 전환할 수 있을 때까지 계속해서 진행할 수 있습니다.
작업 및 동작 계획 시스템에서 우리는 불확실성, 위험에 대한 추론 및 명시적으로 정보를 확보하는 작업을 통해 외부 지각 실패 상황에서의 운영을 보여주었습니다. 그림 7에서는 2.5 차원 시뮬레이션 환경에서 믿음 공간에서 계획의 표현을 볼 수 있습니다. 플래너는 시작 위치에서 목표에 도달하도록 요구되며, 불확실성 증가를 고려하여 (그림에서 그림자로 표시된 원 형태로) 일련의 제어 입력과 스캔 작업의 시퀀스를 생성합니다.
하드웨어 시스템의 테스트에서는 로봇이 외부 지각 피드백 없이 이동하는 개방 루프 동작(스캔 작업이 수행되지 않고 SLAM이 실행되지 않음)을 제안된 위험 인식 플래너와 비교하여, 로봇의 움직임과 함께 작업을 계획하는 것이 굉장히 안전한 동작을 나타내는 것을 관찰하였습니다. 그림 8은 개방 루프 동작과 위험 인식 작업 및 동작 플래너 간의 차이를 강조합니다. 우리는 로봇의 외부 지각 위치가 지표면에 가깝게 작동하지 않으며, 센서 위치를 재구성하여 정보를 확보할 수 있다고 가정합니다.
EELS 로봇의 경우, 이 정보 확보 행동은 로봇의 머리를 들어 특징을 찾는 것으로 구성됩니다. 개방 루프 정책이 안전 제약 조건을 위반하는 것을 볼 수 있으며, 반면 위험 인식 정책은 상태 불확실성이 너무 많이 증가했을 때 새로운 정보를 얻고 다시 계획하여 목표에 도달합니다. 이러한 실험실 환경에서 작업 및 동작 플래너는 기지국(인텔 i7 NUC, 2.65 GHz, 32GB 메모리)에서 호출된 후 10초 이내에 일관된 계획을 찾을 수 있었습니다. 이 작업 및 동작 계획 문제는 우리가 고려한 행동 공간이 이동 및 정보 확보 작업으로 제한되어 있기 때문에 Enceladus 지표면에서 작동하기 위해 해결해야 하는 전체 미션 계획 문제의 하위 집합입니다. 전체 미션 계획 문제에는 과학 수집, 통신 및 다른 장애 복구 행동과 같은 작업이 포함됩니다.
마치며
이번 포스팅에서는 Science Robotics 커버를 장식한 EELS 논문에 대한 소개를 적어보았습니다. 워낙 내용이 방대한 논문이라 모든 내용을 담기는 어려워 일부만 발췌하였는데, 언제간 이런 거대한 프로젝트에 참여하여 큰 성과를 내보고 싶어지는 논문인 것 같습니다. 특히, 앞으로 사람이 직접 탐험하기 어려운 장소들을 로봇을 이용해 탐험할 수 있는 것은 그 자체로도 멋진 목표이기 때문에 앞으로도 어떤 성과가 나올지 기대가 됩니다.