시각에서 행동까지 뉴로모픽 제어로 자율 비행 로봇의 결정과 탐색

초록

본 논문은 카메라 이미지의 픽셀을 신경 집단에 매핑하고, 동적 분기(bifurcation) 메커니즘을 이용해 시각 기반 목표 선택을 수행하는 뉴로모픽 제어 프레임워크를 제안한다. 저차원 파라미터와 연속시간 비선형 동역학으로 대칭 상황에서의 무결정 문제를 해결하며, 시뮬레이션과 실제 쿼드로터 실험을 통해 실시간 성능을 검증한다.

상세 분석

이 연구는 로봇 내비게이션에서 ‘근접‑원거리’ 딜레마를 신경과학적 모델링으로 통합하려는 시도로, 몇 가지 핵심 기술적 기여를 제공한다. 첫째, 이미지 픽셀을 각각 독립적인 신경 집단에 연결하고, 각 집단의 발화율을 연속시간 미분 방정식으로 기술한다는 점에서 기존의 전역적인 특징 추출 파이프라인과 차별화된다. 이 접근은 “per‑pixel neural population”이라는 개념을 도입해, 목표 증거(strength of target evidence)를 직접 신경 활성도로 변환함으로써, 객체 검출·분류 단계 없이도 목표 방향을 추정한다.

둘째, 제안된 신경 동역학은 로컬 흥분(local excitation)과 글로벌 억제(global inhibition)를 갖는 링‑어트랙터 구조를 변형한 형태이며, 평균장(mean‑field) 근사에서 명시적인 분기(bifurcation) 점을 갖는다. 로봇이 환경 내 특정 위치에 도달하면 현재 헤딩 결정이 불안정해지는 ‘임계점’이 발생하고, 신경 집단 전체가 초감도 상태가 된다. 이때 시스템은 급격히 하나의 안정된 고정점(예: 좌회전 vs 우회전)으로 전이하면서 대칭에 의한 교착 상태를 자연스럽게 해소한다. 이러한 동적 대칭 붕괴는 비선형 의견 역학(NOD) 이론과 동물 실험에서 관찰된 다중 목표 선택 메커니즘을 수학적으로 정당화한다.

셋째, 제어 명령은 신경 활성도가 사전 정의된 임계값을 초과한 방향 벡터들의 가중합으로 생성된다. 이는 신경 활동 자체가 저역통과 필터 역할을 수행해 고주파 영상 노이즈와 일시적 목표 상실을 자연스럽게 억제한다. 또한 연속시간 시스템이 내재적인 메모리(시간 적분) 효과를 제공하므로, 순간적인 시각적 변동에 과도하게 반응하지 않는다.

넷째, 구현 측면에서 시스템은 단순한 비선형 함수와 선형 연산만을 사용하므로, 임베디드 CPU(Raspberry Pi)에서도 실시간(30 fps 이상)으로 구동 가능하다. 파라미터 수가 적고 해석 가능성이 높아, 하드웨어‑신경 회로(서브스레시홀드 CMOS)로의 아날로그 구현 가능성도 제시한다.

한계점으로는 (1) 목표 증거 매트릭스를 생성하는 전처리 모듈이 외부에 의존한다는 점이다. 색상 마스크, 옵티컬 플로우, YOLO 등 다양한 방법을 사용할 수 있지만, 전처리 성능이 전체 시스템 정확도에 직접적인 영향을 미친다. (2) 현재 모델은 2‑D 시야 평면을 전제로 하며, 깊이 정보가 없을 경우 거리 판단이 어려워 실제 3‑D 복합 환경에서의 확장성이 제한된다. (3) 분기 메커니즘이 환경 기하학에 강하게 의존하므로, 급격히 변하는 장애물이나 동적 목표가 다수 존재하는 상황에서는 임계점 탐지가 불안정해질 가능성이 있다. (4) 실험은 비교적 제한된 시나리오(다중 목표, 대칭 구조)에서 수행되었으며, 복잡한 도시 환경이나 대규모 다중 로봇 협업에 대한 검증이 부족하다.

전반적으로 이 논문은 신경 과학적 원리를 로봇 제어에 적용함으로써, 저비용·저전력 하드웨어에서도 플래너 수준의 결정 능력을 구현할 수 있음을 보여준다. 특히 동적 bifurcation을 이용한 대칭 붕괴는 기존의 휴리스틱 기반 교착 회피 방법보다 이론적 근거가 명확하고, 파라미터 튜닝이 직관적이다. 향후 연구에서는 3‑D 깊이 통합, 다중 로봇 협업, 그리고 완전 아날로그 뉴로모픽 구현을 통해 실용성을 한층 강화할 여지가 있다.