두 듀빈스 차량의 최적 경로 제어 설계

초록

본 논문은 초기와 최종 위치·방향이 주어진 두 대의 듀빈스 차량이 충돌을 피하면서도 서로 너무 멀어지지 않도록 이동하도록 하는 최적 제어 문제를 다룬다. 푼제곱법(PMP)을 적용해 해밀토니안 시스템을 구성하고, 초기·최종 조건을 갖는 상태 방정식과 경계조건이 없는 공액 방정식을 동시에 해결한다. 경계조건이 없는 공액 방정식은 최적화 변수로 간주하여 가장 큰 기울기 하강법(greatest gradient descent)으로 수치적으로 해결한다. 시뮬레이션을 통해 제안 방법의 수렴성과 경로 품질을 검증한다.

상세 요약

이 연구는 두 대의 비선형 비홀리데크 차량, 즉 듀빈스 차량의 협동 이동을 최적화하는 문제에 초점을 맞춘다. 듀빈스 차량은 일정한 전진 속도와 제한된 회전 반경을 갖는 비홀리데크 모델로, 경로는 직선과 원호의 조합으로 표현된다. 논문은 두 차량이 시작점과 목표점 사이를 이동하면서(1) 충돌 방지(거리 ≥ 최소값)와 (2) 과도한 분산 방지(거리 ≤ 최대값)라는 두 가지 제약을 동시에 만족하도록 설계한다. 이러한 제약은 상태 변수인 두 차량의 위치 차이 벡터에 대한 불평등 제약식으로 수식화된다.

최적 제어 해법으로는 푼제곱법(Pontryagin’s Maximum Principle, PMP)을 적용한다. PMP에 따라 정의된 해밀토니안은 차량의 제어 입력(전방 가속도와 회전 각속도)과 상태·공액 변수(라그랑주 승수)로 구성된다. 상태 방정식은 듀빈스 차량의 운동학적 모델을 그대로 사용하고, 공액 방정식은 해밀토니안에 대한 상태 변수의 편미분으로 얻어진다. 여기서 중요한 점은 공액 방정식이 경계조건을 갖지 않는다는 점이다. 전통적인 두점 경계값 문제와 달리, 공액 변수는 최적화 과정에서 스스로 조정되어야 하므로, 초기값 선택이 수렴에 큰 영향을 미친다.

이를 해결하기 위해 저자는 “greatest gradient descent”라는 변형된 경사 하강법을 도입한다. 기본 아이디어는 공액 변수의 초기값을 무작위 혹은 휴리스틱하게 설정한 뒤, 전체 해밀토니안 시스템을 통합해 얻은 최종 비용 함수(예: 경로 길이와 제약 위반 페널티)의 그래디언트를 계산하고, 그 그래디언트의 부호가 가장 큰 방향으로 공액 초기값을 업데이트한다는 것이다. 반복 과정에서 비용이 감소하지 않으면 스텝 사이즈를 조정하고, 수렴 기준을 만족할 때까지 반복한다. 이 방법은 전통적인 shooting method의 발산 위험을 완화하고, 다중 초기값에 대해 전역 최적에 근접한 해를 찾을 가능성을 높인다.

시뮬레이션에서는 두 차량이 서로 다른 초기·목표 구성을 가질 때, 제안된 수치 해법이 안정적으로 수렴함을 보인다. 경로는 직선-원호-직선 형태의 듀빈스 경로 구조를 유지하면서, 최소 거리와 최대 거리 제약을 만족한다. 또한, 제어 입력은 제한된 회전 반경 내에서 부드럽게 변하며, 급격한 스위칭이 발생하지 않는다. 이는 실제 로봇이나 무인 차량 시스템에 적용했을 때 물리적 구현 가능성을 시사한다.

전체적으로 이 논문은 듀빈스 차량 쌍의 협동 경로 최적화라는 비교적 새로운 문제에 대해, PMP 기반 해밀토니안 접근과 공액 변수의 수치 최적화를 결합한 실용적인 프레임워크를 제시한다. 다만, 공액 초기값 선택에 대한 이론적 보증이 부족하고, 고차원 다중 차량 확장에 대한 논의가 제한적이라는 점은 향후 연구 과제로 남는다.