본 논문은 미지의 환경에서 다수의 무인항공기(UAV) 집단에 대한 동적 경로(궤적) 계획 문제를 다룬다. 기존 방법들은 종종 과도한 계산 부담을 수반하여 이론적 접근과 실제 군집 배치 간의 간극을 초래한다. 이러한 한계를 극복하기 위해, 본 논문은 분산 협력 계획 시스템(DCPS)을 제안한다. 이 시스템은 궤적 계획 수준과 협력 궤적 계획 수준의 두 수준으로 구성된다. 궤적 계획 수준에서는 국소 운동동역학 기반 A-스타(local kinodynamic-A-star) 방법과 가우시안 퍼텐셜 필드 B-스플라인(가우시안 potential field B-spline) 방법을 결합하여 운동동역학 Gaussian potential B-spline(KGPB) 접근법을 설계한다. 구체적으로 전단(front-end)에서는 운동학-동역학 제약을 기반으로 한 국소 운동동역학 A-스타 방법을 사용하여 먼저 궤적을 생성하고, 후단(back-end)에서는 Gaussian potential B-spline(GPB) 방법을 사용하여 궤적을 추가로 최적화한다. 협력 궤적 계획 수준에서는 각 UAV가 가장 가까운 이웃과만 통신하면 되는 back field neighbor replanning(BFNP) 접근법을 제안한다. 선행 UAV의 잠재적 충돌 영역(potential collision region)에 근거하여 현재 UAV의 궤적을 동적으로 개선함으로써 안전하고 안정적인 비행을 보장하며, 이에 따라 통신 비용이 유의하게 향상된다. 마지막으로 시뮬레이션 결과는 제안된 DCPS가 기존 방법에 비해 UAV 군집의 평균 속도를 최소 27% 향상시키고, 통과(이동) 시간을 24% 감소시킴을 보여준다. 또한 실험 결과는 제안된 DCPS가 효율적이고 안전한 궤적을 생성할 수 있음을 추가로 검증한다. 특정 사례에서 UAV는 최대 가능한 속도의 97%에서 운용된다. 제안된 DCPS는 미지의 환경에서 다수의 무인항공기를 위한 신뢰할 수 있는 해법을 제공한다.

본 논문은 자율 무인항공기(AAV)를 위한 두 가지 새로운 알고리즘을 설계하여 미지의 환경에서 목표 추적과 탐지를 수행하는 문제를 다룬다. 첫째, 동적 타깃이 미지의 환경에서 존재할 때의 추적 문제를 해결하기 위해 자동-가우시안-GRU-예측(AGUP) 알고리즘을 설계하였다. 가우시안 과정 회귀와 게이티드 순환 단위(Gated Recurrent Unit) 신경망을 통합함으로써 AGUP 알고리즘은 동적 타깃의 운동 궤적을 예측할 수 있다. 둘째, 다수의 정지 고정 타깃에 대한 최적 경로 계획 문제를 해결하기 위해 탐부 서치 보간 B-스플라인(TBL) 알고리즘도 제안된다. TBL 알고리즘은 방문 경로를 효율적으로 계획할 수 있으며 경로의 매끄러움도 가능하게 한다. 셋째, AAV가 타깃을 추적하고 탐지하도록 유도하기 위해 AGUP 및 TBL 알고리즘 모두 모델 예측 제어(Model Predictive Control, MPC) 접근법과 결합한다. 마지막으로, 시뮬레이션 및 실험 결과는 AGUP-MPC 알고리즘이 우수한 추적 성능을 보임을 보여준다. 또한 TBL-MPC 알고리즘은 최적의 매끄러운 탐지 경로를 효과적으로 계획하고, AAV가 여러 개의 정지 고정 타깃을 순차적으로 방문하도록 제어한다.

본 논문은 미지의 환경에서 다수의 무인항공기(UAV) 집단에 대한 동적 경로(궤적) 계획 문제를 다룬다. 기존 방법들은 종종 과도한 계산 부담을 수반하여 이론적 접근과 실제 군집 배치 간의 간극을 초래한다. 이러한 한계를 극복하기 위해, 본 논문은 분산 협력 계획 시스템(DCPS)을 제안한다. 이 시스템은 궤적 계획 수준과 협력 궤적 계획 수준의 두 수준으로 구성된다. 궤적 계획 수준에서는 국소 운동동역학 기반 A-스타(local kinodynamic-A-star) 방법과 가우시안 퍼텐셜 필드 B-스플라인(가우시안 potential field B-spline) 방법을 결합하여 운동동역학 Gaussian potential B-spline(KGPB) 접근법을 설계한다. 구체적으로 전단(front-end)에서는 운동학-동역학 제약을 기반으로 한 국소 운동동역학 A-스타 방법을 사용하여 먼저 궤적을 생성하고, 후단(back-end)에서는 Gaussian potential B-spline(GPB) 방법을 사용하여 궤적을 추가로 최적화한다. 협력 궤적 계획 수준에서는 각 UAV가 가장 가까운 이웃과만 통신하면 되는 back field neighbor replanning(BFNP) 접근법을 제안한다. 선행 UAV의 잠재적 충돌 영역(potential collision region)에 근거하여 현재 UAV의 궤적을 동적으로 개선함으로써 안전하고 안정적인 비행을 보장하며, 이에 따라 통신 비용이 유의하게 향상된다. 마지막으로 시뮬레이션 결과는 제안된 DCPS가 기존 방법에 비해 UAV 군집의 평균 속도를 최소 27% 향상시키고, 통과(이동) 시간을 24% 감소시킴을 보여준다. 또한 실험 결과는 제안된 DCPS가 효율적이고 안전한 궤적을 생성할 수 있음을 추가로 검증한다. 특정 사례에서 UAV는 최대 가능한 속도의 97%에서 운용된다. 제안된 DCPS는 미지의 환경에서 다수의 무인항공기를 위한 신뢰할 수 있는 해법을 제공한다.

본 논문은 자율 무인항공기(AAV)를 위한 두 가지 새로운 알고리즘을 설계하여 미지의 환경에서 목표 추적과 탐지를 수행하는 문제를 다룬다. 첫째, 동적 타깃이 미지의 환경에서 존재할 때의 추적 문제를 해결하기 위해 자동-가우시안-GRU-예측(AGUP) 알고리즘을 설계하였다. 가우시안 과정 회귀와 게이티드 순환 단위(Gated Recurrent Unit) 신경망을 통합함으로써 AGUP 알고리즘은 동적 타깃의 운동 궤적을 예측할 수 있다. 둘째, 다수의 정지 고정 타깃에 대한 최적 경로 계획 문제를 해결하기 위해 탐부 서치 보간 B-스플라인(TBL) 알고리즘도 제안된다. TBL 알고리즘은 방문 경로를 효율적으로 계획할 수 있으며 경로의 매끄러움도 가능하게 한다. 셋째, AAV가 타깃을 추적하고 탐지하도록 유도하기 위해 AGUP 및 TBL 알고리즘 모두 모델 예측 제어(Model Predictive Control, MPC) 접근법과 결합한다. 마지막으로, 시뮬레이션 및 실험 결과는 AGUP-MPC 알고리즘이 우수한 추적 성능을 보임을 보여준다. 또한 TBL-MPC 알고리즘은 최적의 매끄러운 탐지 경로를 효과적으로 계획하고, AAV가 여러 개의 정지 고정 타깃을 순차적으로 방문하도록 제어한다.

연성 구동기와 로봇의 개발은 생명체와 근접한 환경에서 작동할 수 있는 인간 친화적 로봇과 장치에 대한 관심을 촉진해 왔다. 연구자들은 연성 구동기를 이용하여 순응성을 갖추면서도 정밀한 동작을 생성하는, 다중 자유도(DOFs)를 갖는 하이브리드 연성/강성 기계 플랫폼을 구동해 왔다. 그러나 이러한 시스템에 피드백 제어를 위한 센서를 추가하는 일은, 시스템이 복잡한 동작을 수행하는 동안 동시에 작동해야 하는 다수의 센서가 필요하다는 점에서 여전히 중요한 과제로 남아 있다. 본 연구는 포유(yaw)와 피치(pitch) 방향 측정을 위해 각도 엔코더를 관통하는 두 개의 스프링-장력 텐던(spring-tensioned tendons)을 사용하는 방식을, 공압 인공근육 구동 2자유도(two DOFs) 플랫폼에 도입한다. 이 시스템은 큰 동작 범위와 같은 여러 장점을 가지며, 위치 제어를 위한 관절의 피드백 제어가 가능하게 한다. 관절은 다양한 동작 패턴을 추종할 수 있음이 입증되었고, 외부 교란을 통해서도 작동할 수 있으며, 팽창성(inflatable) 부재의 기반 관절로 구현되었다.

우주 로봇 팔은 미세중력 환경에서 작동하도록 설계되므로, 그 자체 무게로 인해 지구의 1g 표면에서는 이동이 어렵다. 케이블 구동 병렬로봇(cable-driven parallel robot, CDPR)은 로봇 팔의 자중을 부분적으로 감당할 수 있어 지상에서의 작동을 가능하게 한다. CDPR은 로봇 팔의 특정 지점에 연결되며, CDPR이 가해야 할 최적 인장력(optimal tensile forces)을 적용함으로써 중력에 의한 관절 토크(gravitational joint torques)를 감소시킨다. 이를 위해 우리는 로봇 팔과 CDPR을 연결하는 새 결합 인터페이스(coupling interface, CI)를 설계하고, 이를 위한 제어 방법을 제안한다. CI는 자이로스코프(gyroscopic) 메커니즘으로, 케이블들의 방향이 하나의 점에서 교차하도록 하여 CDPR이 발휘해야 하는 힘의 방향과 케이블들을 일치시킨다. 또한, 윈치 엔코더에서 얻은 실제 길이 대신 CI를 통해 계산된 이상적인 케이블 길이(ideal cable lengths)를 사용함으로써 환경 불확실성에 대한 강인성을 확보할 수 있었다. 이를 입증하기 위해, 환경 불확실성 하에서 이상적인 길이와 실제 길이를 각각 사용하는 경우를 비교하였으며, 이상적인 길이를 사용하는 경우가 더 우수한 강인성을 제공함을 보였다.

본 논문은 선형 기하를 통해 수정된 Denavit–Hartenberg(MDH) 파라미터를 추출함으로써 로봇 매니퓰레이터에 대한 운동학적 모델링 방법을 제안한다. 단일 분지형 매니퓰레이터의 경우, Plücker 좌표를 사용하여 다양한 관절 축을 선(line)으로 표현할 수 있다. 순기구학은 MDH 파라미터를 이용해 두 종류의 지수 좌표로부터 들어 올려진(exponential maps lifted) 행렬들의 곱을 수행함으로써 도출된다. MDH 파라미터를 추출하기 위해 선형 기하는 다음을 체계적으로 분석한다: (1) 점과 선 사이의 가장 가까운 점, (2) 두 선 사이의 최단거리 및 비틀림 각, (3) 공통 수선(common perpendicular) 선과 그 교점들, (4) 선 관계를 동선(collinear), 멀리 떨어진 평행(distant parallel), 교차(intersected), 어긋난(skewed) 경우로 분류한다. 각 경우에 대해 비틀림 각, 최단거리, 공통 수선 방향 벡터 및 공통 수선 위의 양 발(foot)에 해당하는 다섯 가지 파라미터를 선형 기하 블록의 결과로서 순차적으로 계산한다. 마지막으로 상술한 선형 기하 블록들을 활용하여 정의에 따라 네 가지 MDH 파라미터를 추출한다. 제안된 알고리즘의 유효성은 전형적인 선택 순응 조립 로봇 팔(Select Compliance Assembly Robot Arm, SCARA) 로봇 1개와 서로 다른 상용 매니퓰레이터 3개를 포함한 네 가지 예제를 통해 검증된다.

본 논문에서는 알려지지 않은 환경에서 다수의 무인항공기(UAV) 비행 안전 문제를 해결하기 위한 두 가지 기술을 제안한다. 하나의 기술은 전통적인 경로 계획 방법으로 생성되는 전방단 경로를 최적화하여 UAV의 동역학에 더 잘 부합함으로써 UAV의 후방단 이동 궤적을 얻는 것이다. 다른 기술은 충돌 검출 조정 영역을 도입하여 국소 이웃 통신(local neighborhood communication) 하에서 UAV의 궤적을 동적으로 재계획(dynamic replanning)함으로써 다수의 UAV에 대한 충돌 회피를 실현할 수 있도록 하는 것이다. 마지막으로, 시뮬레이션 및 실제 환경 실험 결과에 따르면, 제안된 기술들의 효과가 알려지지 않은 환경에서 다수의 UAV의 비행 안전에 대해 검증되었다.