UAV 데이터 몰 자동화 도전 과제: 디지털 트윈과 실제 환경 멀티모달 무선 데이터셋

초록

본 논문은 NSF AERPAW 프로젝트의 두 번째 AADM 챌린지에서 수집된 UAV 기반 무선 데이터셋을 소개한다. 디지털 트윈(DT)과 실제 야외 테스트베드에서 수행된 500초 비행 미션 동안 UAV가 4개의 기지국(BS)으로부터 데이터를 다운로드하고, USRP, Keysight RF 센서, LoRa, Fortem 레이더 등 다중 센서 데이터를 동기화하여 제공한다. 데이터는 UAV 텔레메트리, 링크 품질, 전송량 등으로 구성되어, 자율 비행, 다셀 스케줄링, A2G 전파 모델링, DT‑RW 전이 학습 등 다양한 연구에 활용될 수 있다.

상세 분석

이 데이터셋은 UAV 기반 데이터 몰링 연구에 있어 가장 포괄적인 실험적 근거를 제공한다는 점에서 큰 의의를 가진다. 첫째, 디지털 트윈(DT) 환경과 실제 야외 테스트베드가 동일한 토폴로지와 미션 규칙을 공유함으로써, 알고리즘의 시뮬레이션‑실제 전이 성능을 정량적으로 평가할 수 있다. DT에서는 LOS+지면 반사 모델만을 사용해 채널을 단순화했지만, 실제 환경에서는 다중 경로, 페이딩, 기상 변화 등 복합적인 무선 특성이 반영된다. 이러한 차이를 데이터셋이 그대로 기록하고 있어, 전이 학습(transfer learning) 및 도메인 적응(domain adaptation) 연구에 귀중한 자료가 된다.

둘째, UAV는 4개의 BS와 동시다중 연결을 시도하며, 각 BS마다 서로 다른 데이터 볼륨(예: D1~D4)과 트래픽 요구를 부여받는다. 이는 기존 단일 링크 데이터셋과 달리 다셀 스케줄링, 동적 BS 선택, 트래픽 우선순위 결정 등 복합적인 의사결정 문제를 제시한다. 데이터에는 초당 SNR, RSSI, 전송률, 다운로드량 등 링크 품질 지표가 포함되어 있어, 강화학습(RL) 기반 스케줄링 정책이나 최적화 기반 접근법을 검증하는 데 적합하다.

셋째, UAV 텔레메트리와 외부 센서(키사이트 RF 센서의 TDOA, Fortem 레이더의 RCS·속도, LoRa 게이트웨이의 패킷 메타데이터)가 모두 제공된다. 이는 RF 기반 위치 추정, 센서 융합, ISAC(통합 감지·통신) 연구에 바로 활용 가능하도록 설계된 것이다. 특히, 레이더와 RF 센서가 제공하는 독립적인 위치 추정값을 UAV의 GNSS 기반 실측값과 비교함으로써, 오차 모델링 및 베이지안 필터 설계에 필요한 실제 데이터셋을 제공한다.

넷째, 점수 체계는 데이터 다운로드량과 미션 완료 시간(500 초) 사이의 트레이드오프를 반영한다. S = S₁ + S₂ − P 형태의 식은 팀별 알고리즘이 얼마나 효율적으로 에너지·시간 제약을 관리했는지를 정량화한다. 이러한 점수 구조는 다목적 최적화 문제를 정의하고, Pareto 최적 해를 탐색하는 연구에 활용될 수 있다.

마지막으로, 데이터셋은 22개 팀 중 15개 팀이 DT 단계에, 11개 팀이 실제 테스트베드에 참여한 결과를 포함한다. 각 팀은 3개의 미션(다양한 데이터 볼륨 구성)으로 총 45개의 DT 비행과 33개의 실제 비행 로그를 남겼다. 따라서 동일 알고리즘에 대한 DT‑RW 성능 차이를 직접 비교할 수 있는 드문 사례를 제공한다. 이러한 풍부한 메타데이터와 다중 시나리오 구성은 UAV 네트워크, 무선 자원 관리, 에너지 효율 비행 설계 등 광범위한 분야에서 재현 가능하고 확장 가능한 연구를 가능하게 한다.