벤치 테스트를 비행에 적용 드론 충돌 안전 한계 자동 설정

초록

실내에서 사람과 가까이 비행하는 마이크로 드론의 충돌 위험을 실험적으로 측정하고, 그 데이터를 기반으로 실시간 속도 제한을 적용하는 도구체인을 제시한다. 충격 벤치, 데이터 기반 회귀 모델, ROS 2 안전 거버너를 공개하고, 여러 상용 및 자체 제작 드론에 적용해 작업 효율을 유지하면서 힘 제한을 만족함을 검증하였다.

상세 분석

이 논문은 실내 마이크로‑에어리얼 차량(MAV)의 인간 근접 운용을 위한 충돌 안전성을 정량화하고, 실시간 제어에 적용하는 전 과정을 체계화한 점에서 의미가 크다. 첫 번째 핵심은 ‘컴팩트 충격 벤치’이다. 전기 구동식 캣펄트와 이중 레일 구조를 이용해 3‑4 m/s 범위의 속도로 드론을 자유롭게 충돌·반동시킬 수 있도록 설계했으며, 로드셀 3개, 가속도계, 고속 카메라, TFmini‑S 속도 센서를 6.25 kHz로 동기화해 힘‑시간 프로파일을 고정밀으로 획득한다. 데이터 전처리는 다단계 필터링(중간값 → 칼만)과 양의 힘만을 적분하는 보수적 임펄스 계산을 적용해 측정 오류를 최소화하고, 충돌 지속시간은 영상 기반 zero‑crossing과 일치시켜 신뢰성을 높였다.

두 번째로, 각 드론(DJI Avata, Flywoo FlyLens, 탄소·대나무 기반 Cognifly)별로 속도‑힘, 속도‑임펄스, 속도‑접촉시간 관계를 2차~3차 다항식 회귀로 모델링했다. 표본 수가 적어 R²만으로는 모델 품질을 판단하기 어려워 MAE를 병행 평가했으며, 회귀식은 ‘속도 → 평균 충격력’ 함수를 제공한다. 이 함수를 이용해 목표 힘 한계(F*)를 만족하는 최대 허용 속도(v_max)를 수치적으로 해석(루트 찾기)함으로써, 설계자는 원하는 안전 기준(예: ISO TS 15066의 목·목, 가슴 등 부위 한계)으로부터 직접 속도 제한값을 도출할 수 있다.

세 번째 기여는 ROS 2 기반 ‘Safety Governor’ 노드이다. 실시간으로 /odometry와 /range 토픽을 받아 현재 속도와 인간과의 거리(협업 구역)를 판단하고, 앞서 얻은 회귀식과 ISO 15066 기반 협업 반경 식을 결합해 두 개의 상한(거리 기반, 충격 기반) 중 최소값을 /cmd_vel_limited 토픽에 퍼블리시한다. 이렇게 하면 인식·플래닝 오류가 발생하더라도 마지막 방어선으로 속도가 자동 억제된다.

실험 결과는 네 가지 드론 모델 각각에 대해 4회 반복 측정한 평균·표준편차를 제시했으며, 특히 대나무‑TPU 조합이 가장 낮은 피크 힘(≈84 N)과 짧은 접촉 시간을 보여 인간 안전 기준을 충분히 만족함을 확인했다. 안전 거버너 적용 후에도 작업 스루풋(평균 비행 속도)은 85 % 이상 유지돼 실용성을 입증했다. 제한점으로는 충돌 속도 범위가 3‑4 m/s에 국한되고, 반동 구역이 300 mm로 제한돼 고속·대형 드론에 바로 적용하기 어렵다는 점을 언급한다. 향후 연구에서는 고속 충돌 데이터 확보와 다양한 충돌 각도·표면 재질에 대한 확장, 그리고 머신러닝 기반 비선형 모델링을 제안한다.

전반적으로 이 연구는 실험 기반 충돌 데이터와 제어 시스템을 연결하는 ‘벤치‑투‑플라이트’ 파이프라인을 최초로 제공함으로써, 실내 MAV 운영 시 규제 준수와 현장 안전을 동시에 달성할 수 있는 실용적인 프레임워크를 제시한다.