무선 신호를 이용해 로봇에게 초인적인 시력을 부여하다

로봇을 위한 견고한 지각 시스템을 개발하려는 경쟁에서, 한 가지 지속적인 과제는 악천후와 혹독한 환경에서 작동하는 것이었습니다. 예를 들어, 카메라나 LiDAR(Light Detection And Ranging)와 같은 기존의 빛 기반 비전 센서는 짙은 연기와 안개 속에서는 작동하지 않습니다.

그러나 자연은 시력이 빛의 한계에 의해 제한될 필요가 없다는 것을 보여주었습니다. 많은 유기체는 빛에 의존하지 않고도 환경을 인식하는 방법을 진화시켰습니다. 박쥐는 음파의 메아리를 사용하여 항해하고, 상어는 먹이의 움직임에서 전기장을 감지하여 사냥합니다.

파장이 빛파보다 몇 배나 긴 전파는 연기와 안개를 더 잘 통과할 수 있으며, 심지어 특정 물질을 통과할 수도 있습니다. 이 모든 능력은 인간의 시각을 넘어섭니다. 그러나 로봇은 전통적으로 제한된 도구 상자에 의존해 왔습니다. 즉, 자세한 이미지를 제공하지만 어려운 조건에서는 실패하는 카메라와 LiDAR를 사용하거나, 벽과 다른 폐색을 통과할 수 있지만 조잡하고 저해상도 이미지를 생성하는 기존 레이더를 사용합니다.

펜실베이니아 대학 공학 및 응용 과학부(펜실베이니아 공과대학)의 연구자들은 로봇에게 초인적인 시각을 부여하는 새로운 도구인 PanoRadar를 개발했습니다. 이 도구는 간단한 전파를 주변 환경에 대한 자세한 3D 보기로 변환합니다.

"우리의 첫 번째 질문은 두 가지 감지 방식의 장점을 결합할 수 있을지 여부였습니다." 컴퓨터 및 정보 과학 조교수인 밍민 자오가 말했습니다. "안개와 다른 까다로운 조건에도 회복력이 있는 무선 신호의 견고성과 시각 센서의 높은 해상도..."

Zhao와 무선, 오디오, 비전, 전자 장치 감지(WAVES) 연구실과 Penn Research In Embedded Computing and Integrated Systems Engineering(PRECISE) 센터의 팀은 2024년 모바일 컴퓨팅 및 네트워킹(MobiCom) 국제 학술대회에서 발표할 논문에서 박사과정생인 Haowen Lai, 최근 석사 학위를 취득한 Gaoxiang Luo, 학부 연구 조수인 Yifei(Freddy) Liu를 포함하여 PanoRadar가 전파와 인공지능(AI)을 활용하여 로봇이 연기가 자욱한 건물이나 안개 낀 도로와 같이 가장 까다로운 환경에서도 탐색할 수 있도록 하는 방법을 설명했습니다.

PanoRadar는 등대처럼 작동하는 센서로, 빔을 원형으로 훑어 전체 지평선을 스캔합니다. 이 시스템은 주변을 스캔하는 회전하는 수직 안테나 배열로 구성되어 있습니다. 이 안테나는 회전하면서 전파를 내보내고 주변에서 반사되는 신호를 수신하는데, 등대의 빔이 선박과 해안 지형의 존재를 드러내는 방식과 매우 유사합니다.

AI의 힘 덕분에 PanoRadar는 이 간단한 스캐닝 전략을 넘어섭니다. 회전하면서 다양한 영역을 비추는 등대와 달리 PanoRadar는 모든 회전 각도에서 측정값을 교묘하게 결합하여 이미징 해상도를 향상시킵니다. 센서 자체는 일반적으로 비싼 LiDAR 시스템 비용의 일부에 불과하지만 이 회전 전략은 가상 측정 지점의 밀도 있는 배열을 생성하여 PanoRadar가 LiDAR와 비슷한 이미징 해상도를 달성할 수 있도록 합니다. Zhao는 "핵심 혁신은 이러한 전파 측정을 처리하는 방법에 있습니다."라고 설명합니다. "저희의 신호 처리 및 머신 러닝 알고리즘은 환경에서 풍부한 3D 정보를 추출할 수 있습니다."

Zhao의 팀이 직면한 가장 큰 과제 중 하나는 로봇이 움직이는 동안 고해상도 이미징을 유지하는 알고리즘을 개발하는 것이었습니다. 논문의 주저자인 Lai는 "무선 신호로 LiDAR와 비슷한 해상도를 달성하기 위해 우리는 1밀리미터 미만의 정확도로 여러 다른 위치에서 측정을 결합해야 했습니다."라고 설명합니다. "로봇이 움직일 때 특히 어려운데, 작은 동작 오류조차도 이미징 품질에 상당한 영향을 미칠 수 있기 때문입니다."

팀이 해결한 또 다른 과제는 시스템에 보는 것을 이해하도록 가르치는 것이었습니다. Luo는 "실내 환경은 일관된 패턴과 기하학을 가지고 있습니다."라고 말합니다. "우리는 이러한 패턴을 활용하여 AI 시스템이 레이더 신호를 해석하도록 도왔습니다. 이는 인간이 보는 것을 이해하는 방법을 배우는 방식과 유사합니다." 머신 러닝 모델은 훈련 과정에서 LiDAR 데이터에 의존하여 현실과 이해도를 확인했고 계속해서 스스로를 개선할 수 있었습니다.

"다양한 건물에서 실시한 현장 테스트에서 기존 센서가 어려움을 겪는 곳에서 무선 감지가 얼마나 뛰어난지 보여주었습니다."라고 Liu는 말합니다. "이 시스템은 연기 속에서도 정확한 추적을 유지하고 유리 벽이 있는 공간도 매핑할 수 있습니다." 이는 무선파가 공기 중 입자에 의해 쉽게 차단되지 않고, 이 시스템은 유리 표면과 같이 LiDAR가 포착할 수 없는 것도 "포착"할 수 있기 때문입니다. PanoRadar의 고해상도는 사람을 정확하게 감지할 수 있다는 것을 의미하며, 이는 위험한 환경에서 자율 주행차와 구조 임무와 같은 애플리케이션에 중요한 기능입니다.

앞으로 팀은 PanoRadar가 카메라 및 LiDAR와 같은 다른 감지 기술과 함께 작동하여 로봇을 위한 더욱 강력하고 다중 모드의 인식 시스템을 만드는 방법을 탐색할 계획입니다. 팀은 또한 다양한 로봇 플랫폼과 자율 주행차를 포함하도록 테스트를 확대하고 있습니다. Zhao는 "위험이 큰 작업의 경우 환경을 감지하는 여러 가지 방법이 중요합니다."라고 말합니다. "각 센서에는 강점과 약점이 있으며, 이를 지능적으로 결합하면 실제 과제를 처리하는 데 더 적합한 로봇을 만들 수 있습니다."

이 연구는 펜실베이니아대학교 공학 및 응용과학부에서 수행되었으며 교수진의 창업 기금으로 지원되었습니다.

출처: https://www.sciencedaily.com/releases/2024/11/241112123749.htm