PAPERS

논문 트래커

arXiv cs.RO 신규 논문을 매일 수집해 한국어 요약을 붙입니다. 학회 채택 정보는 저자 코멘트에서 자동으로 추출합니다.

725건학회 채택 1건

2609.12959v12026.09.11

패턴 지향 군집을 위한 분산 확률적 최적 제어

Distributed Stochastic Optimal Control for Pattern-Oriented Swarms

Qingrui Zhang, Chenghao Yu, Feng Xue, Xintong Wang

GRF(가우시안 랜덤 필드)를 시간 영역으로 확장한 확률적 최적 제어 프레임워크를 통해 군집 드론의 기하학적 패턴 형성, 자기조직화, 안전 항법을 단일 확률론적 구조 안에서 다룬다. 집단 조율을 베이즈 추론(Bayesian inference) 과제로 정식화하여 환경 불확실성, 비볼록(non-convex) 제약, 이기종 플랫폼의 이질적 동역학을 동시에 처리한다. 언센티드 변환(unscented transform)으로 동적 장애물과 인접 에이전트의 상태 불확실성을 전파해 충돌 회피를 위한 신뢰 구간을 산출한다. 밀도 안내 패턴 제어(density-guided pattern control)는 기하 패턴을 암묵적 밀도 필드로 인코딩해 에이전트-목표 간 명시적 할당 없이 분산 방식의 자기 치유와 탄력적 재구성을 지원한다. 쿼드로터 15대 실내 실험 및 자체 제작 자율 쿼드로터 4대 야외 배치 실험으로 실기 검증되었으며, 고정익 UAV 군집에도 적용 가능함을 시뮬레이션으로 확인하였다.

2609.12937v12026.09.11

사람들 사이의 로봇: 사회적 모방에서 인간 집단의 사회적 형성으로

A Robot Among People:From Social Imitation to the Social Becoming of Human Groups

Victor Tuan Vu Pham, Judith Dörrenbächer, Thomas H. Weisswange, Marc Hassenzahl

이 논문은 집단 중재 로봇이 갈등·비참여·조율 부족 등의 문제를 '수리'하는 해결사로 설계되어 온 경향을 비판한다. 대안으로 로봇을 공유 환경의 상황적 요소, 즉 사람들이 배치·해석·상호작용하는 방식을 통해 의미가 형성되는 존재로 이해하는 관점을 제안한다. 저자들은 선행 연구인 로봇 거리 가구(robotic street furniture) 사례를 근거로, 인간 사회성을 모방하지 않고 집단을 향해 의도적으로 제약된 형태로 기능할 때 집단 차원의 의미 생성이 촉진된다고 주장한다. 공공 공간의 로봇은 자율성이나 지능이 아닌 관계적 역량(relational capacity)으로 개념화되어야 한다고 본다. 이로부터 저자들은 로봇 설계가 인간의 형상이나 효용이 아닌, 함께 존재하고 형성되어 가는 과정에서의 필요에 근거해야 한다는 원칙을 도출한다.

2609.12932v12026.09.11

ARC: 배치된 자율 시스템을 위한 3계층 거버넌스 아키텍처

ARC: Autonomous Robotics Compliance A Three-Layer Governance Architecture for Deployed Autonomous Systems

Tord Eide, Einar Holt

ARC는 자율 로봇 시스템의 배치 운용을 위해 제안된 3계층 컴플라이언스(compliance) 거버넌스 아키텍처다. 세 계층은 모델 안전 검증(model safety validation), 인지 인증 벤치마크(cognitive certification benchmarks), 운영 승인 기준(operational authorization standards)으로 구성된다. 각 계층은 자율 시스템이 현장에 배치되기까지의 단계별 적합성 판단 기준을 제공하는 것을 목적으로 한다.

2609.12927v12026.09.11

방수 수동 적응형 그리퍼를 이용한 경사면 물체의 수중 파지

Robust Underwater Grasping of Sloped Objects with a Waterproof Passive Adaptive Gripper

Jooyoung Hong, Daewon Hong, Joohyung Kim

평행-조 그리퍼(parallel-jaw gripper)는 경사지거나 비대칭인 물체를 파지할 때 토크 유발 구름 및 전단 미끄러짐으로 성능이 저하되며, 물에 젖거나 잠긴 환경에서는 마찰 감소로 문제가 더욱 심각해진다. 본 논문은 이를 해결하기 위해 수중 환경에서의 파지를 위한 방수 수동 적응형 그리퍼를 제안한다. 제안된 그리퍼는 경사면에서 전체 자기정렬(global self-alignment)을 담당하는 수동 회전 관절과, 국소 표면 적응을 위한 수동 가변 강성(variable-stiffness) 패드를 통합한 완전 방수 설계를 특징으로 한다. 건식 및 수중 조건 모두에서 다양한 원통형·원추형 물체를 대상으로 실험한 결과, 고정 패드 및 고정 관절 기준 그리퍼 대비 우수한 파지 유지력과 강인성을 보였다.

2609.12898v12026.09.11

UniPart: 체화 인터랙션을 위한 제로샷 언어 기반 3D 부품 분할

UniPart: Towards Zero-shot Language-Grounded 3D Part Segmentation for Embodied Interaction

Xinqiang Yu, Zekun qi, Jiawei He, Wenyao Zhang, Xuchuan Chen 외 4명

정밀 로봇 조작에는 물체 전체가 아닌 부품 단위의 이해가 필요하지만, 기존 3D 기반 모델은 범용성과 부품 인식 특화 사이에서 균형을 맞추지 못해 제로샷(zero-shot) 전이 성능이 낮다. UniPart는 CLIP 텍스트 임베딩을 조건으로 삼는 피드포워드 크로스모달(cross-modal) 3D 트랜스포머로, 자유형식 텍스트 구문을 입력받아 포인트 클라우드(point cloud)에서 기능적 부품을 선택한다. 학습 규모 확보를 위해 Objaverse 자산 16만 개 이상과 텍스트-부품 쌍 800만 개로 구성된 LangPart-1M 데이터셋을 구축하고, 수동 레이블링한 고품질 서브셋 LangPart-4K를 파인튜닝·평가에 사용한다. UniPart는 오픈 어휘(open-vocabulary) 부품 벤치마크에서 제로샷 성능을 달성하며, 실제 환경의 언어 조건부 부품 파지(grasping) 태스크로의 전이도 확인된다.

2609.12894v12026.09.11IROS

Before the Tipping Point: 형상 무관 3D 무게중심 추정을 위한 힘 기반 능동 지각

Before the Tipping Point: Force-Guided Active Perception for Shape-Agnostic Estimation of 3D Centers of Mass

Steven M. Hyland, Jing Xiao, Cagdas D. Onal

이 논문은 형상 정보나 사전 모델 없이 미지 물체의 3D 무게중심(Center of Mass, CoM) 높이와 질량을 추정하는 힘 기반 방법을 제안한다. 로봇 매니퓰레이터가 물체에 준정적(quasistatic) 상승 푸시-리트랙트 동작을 가하고, 6축 힘-토크 센서로 전도(tipping) 과정 중 힘-각도 데이터를 수집해 관성 파라미터를 식별한다. 푸시-리트랙트 사이클을 사용해 마찰 편향(frictional bias)을 완화하고 일반화된 파라미터 피팅을 가능하게 한다. 물체가 넘어지지 않도록 안전 마진을 활용해 임계 전도 구간(sub-critical tipping regime) 안에서 실험을 유지하는 방법도 제안한다. 실험 결과, 다양한 미지 물체에 대해 질량·CoM 높이·전도 각도 모두 상대 오차 5.0% 미만을 달성했다.

2609.12883v12026.09.11

이송에서 조작으로: 자기 로봇공학에서 파지 기능 실현

From Transportation to Manipulation: Enabling Grasping in Magnetic Robotics

Lara Bergmann, Noah Greis, Cedric Grothues, Lisa-Marie Weigelt, Klaus Neumann

자기 부상(MagLev) 시스템은 고혼합·저볼륨 제조 환경에서 유연한 물류 재구성을 가능하게 하지만, 파지(grasping) 및 조작 기능은 거의 활용되지 않은 상태다. 연구팀은 세 개의 MagLev 무버를 기계적으로 결합한 저비용 병렬 6자유도(DoF) 매니퓰레이터에 1-DoF 그리퍼를 통합한 Gripper MagBot을 제안한다. 이 장치는 안정성과 작업 공간 요건에 따라 기본 모드와 단일 트랙 모드 두 가지 구성 중 선택할 수 있다. 도킹 스테이션을 활용해 기계 재구성 시 Gripper MagBot의 자율 탈착이 가능하다. 역기구학(inverse kinematics) 제어기를 적용하여 시뮬레이션과 실기 환경 모두에서 픽앤플레이스 동작을 시연하였다.

2609.12871v12026.09.11

다중 차량 데이터셋: RTK-GNSS 기반 자동 주석화를 위한 카메라·LiDAR·레이더 센서와 스캔 3D 모델

A Multi-Vehicle Dataset with Camera, LiDAR, and Radar Sensors and Scanned 3D Models for Custom Auto-Annotation using RTK-GNSS

Philipp Berthold, Bianca Forkel, Mirko Maehlisch

자율주행 인식 알고리즘 개발을 위한 다중 센서 데이터셋이 제안되었다. 카메라, LiDAR, 레이더 센서 데이터와 함께 대상 차량 전체의 스캔 3D 모델을 포함하며, RTK-GNSS(실시간 이동측위)를 통해 센서 차량 주변 동적 객체의 포즈와 연속적 운동학 정보를 제공한다. 기준 데이터가 완비되어 있어 사용자 정의 세분도(granularity)로 다양한 주석 형식을 사후 생성할 수 있다. 데이터셋은 7대의 대상 차량을 활용한 단일 객체 및 다중 객체 녹화 시나리오를 포함한다. 차량 표면의 법선(normal) 정보가 포함되어 있어 폐색(occlusion)이나 레이더 반사 같은 측정 효과도 정량적으로 평가할 수 있다.

2609.12837v12026.09.11

저고도 비행 환경에서 항공 LiDAR-관성 오도메트리의 파라미터 민감도 분석

Parameter Sensitivity Analysis for Aerial LiDAR-Inertial Odometries in low-altitude flights

Robert Milijas, Jose Ramiro Martinez-de Dios, Stjepan Bogdan

LiDAR 기반 동시 위치추정 및 지도작성(SLAM)과 LiDAR-관성 오도메트리(LIO) 알고리즘은 무인 항공기(UAV) 정밀 항법에 활용되나, 성능이 시나리오·센서·운동 특성에 크게 의존하여 집중적인 파라미터 조정이 요구된다. 본 연구는 EKF 기반 LIO 알고리즘인 FAST-LIO2와 그래프 기반 SLAM 알고리즘 Cartographer의 LIO 모듈을 대상으로, 서로 다른 LiDAR와 환경에서 저~중고도 비행으로 수집한 항공 데이터셋에서 파라미터 영향을 분석하였다. 파라미터 조합은 철저한 격자 탐색(grid search)으로 구성하고, 절대 궤적 오차(ATE)와 파라미터 간 관계는 Pearson 상관계수로, 개별 파라미터의 영향도는 랜덤 포레스트 순열 중요도(random forest permutation importance) 분석으로 평가하였다. 분석을 통해 두 알고리즘 각각에서 성능에 영향이 큰 파라미터를 식별하고 간소화된 조정 절차와 권고안을 도출하였다. 제안된 권고안을 적용하면 분석 데이터셋의 94% 사례에서 ATE가 격자 탐색 최적 성능의 5 cm 이내에 수렴하는 것으로 나타났다.

2609.12831v12026.09.11

VertexCBF: 꼭짓점 제한 제어 탐색을 통한 신경망 제어 장벽 함수 개선

VertexCBF: Improving Neural Control Barrier Functions via Vertex-Restricted Control Search

Bojan Derajić, Sebastian Bernhard, Wolfgang Hönig

VertexCBF는 신경망 기반 제어 장벽 함수(Control Barrier Function, CBF)를 확장 가능하고 체계적으로 학습하는 프레임워크다. 물리 정보 기반(physics-informed) 학습과 희소 지도 학습을 결합해 정상 상태 Hamilton-Jacobi 가치 함수를 신경망으로 근사한다. 볼록 다면체(convex polytope) 제어 집합과 제어 친화적(control-affine) 동역학을 이용해 해밀토니안이 꼭짓점에서 최대화됨을 활용하고, GPU 병렬 꼭짓점 제한 트리 탐색으로 지도 데이터를 효율적으로 생성한다. 잔차(residual) 아키텍처를 통해 학습된 CBF가 지정된 제약 함수를 초과하지 않음을 구조적으로 보장한다. 15개 시스템 대상 비교 평가에서 기존 기법보다 더 큰 안전 집합을 안정적으로 복원하며, 이동 로봇이 보행자를 회피하는 하드웨어 실험도 수행되었다.

2609.11920v12026.09.10

EVPeriscope: 이벤트 기반 프로펠러 추적을 통한 공중·지상 로봇 간 확장 인식

EVPeriscope: Extended Perception across Aerial and Ground Vehicles with Event-based Propeller Tracking

Dexter Ong, Vijay Kumar, Pratik Chaudhari

EVPeriscope는 지상 로봇에 장착된 상향식 이벤트 카메라(event camera)로 쿼드로터(quadrotor) 프로펠러의 고주파 시각 신호를 감지해 공중-지상 이종 로봇 간 상대적 위치추정(relative localization)과 제어를 수행하는 시스템이다. 기존 프레임 기반 카메라와 피듀셜 마커(fiducial marker)는 모션 블러·조명 변화·탑재 하중 제약에 취약하지만, 이벤트 카메라는 이러한 조건에서도 안정적으로 동작한다. 지상 로봇의 온보드 센서가 차폐되거나 성능이 저하될 때 쿼드로터가 확장 인식 수단으로 기능하는 유대류형(marsupial) 이종 로봇 구성을 채택한다. 쿼드로터 제어 시스템은 온보드 센싱과 연산만으로 200 Hz에서 동작하며, 풍속 최대 15 mph의 주·야간 환경과 밀집 수풀 속 폐루프 항법 실험을 통해 성능이 검증되었다.

2609.11875v12026.09.10

UniMPA: 행동 기반 전이 모델링을 통한 통합 메모리-예측-행동 모델

UniMPA: A Unified Memory-Prediction-Action Model via Action-Grounded Transition Modeling

Wei Li, Rui Shao, Jie He, Lingsen Zhang, Ziwei Liu 외 1명

시각-언어-행동 모델(VLA)을 활용한 로봇 조작 연구에서 관측-행동 학습은 전이 실현 가능성 격차(transition realizability gap)라는 근본적인 문제에 직면한다. 이 논문은 전이 모호성, 예측-실행 불일치, 경험-실현 불일치 세 가지 문제를 해결하기 위해 UniMPA를 제안한다. UniMPA는 지속적-선택적 미래 예측(Persistent-Selective Future Prediction)을 통해 태스크 수준 진행 상태를 지속 추적하는 잠재 스트림과 세밀한 상호작용 변화를 선택적으로 처리하는 픽셀 스트림을 함께 운용한다. 시간적 시각-행동 메모리 뱅크(Visual-Action Memory Bank)는 과거 실행 경험을 검색해 예측된 전이의 물리적 실행 가능성을 평가하며, 행동-시각 메모리 뱅크(Action-Visual Memory Bank)와 프로토타입 편향 플로우(Prototype-Biased Flow)는 현재 장면에 맞도록 행동을 문맥 인식 방식으로 적응시킨다.

2609.11871v12026.09.10

전체 차량 성능을 위한 학습 에이전트 기반 모델 예측 제어

Learning Agent-based Model Predictive Control for Holistic Vehicle Performance

Jiaming Zhong, Reza Valiollahi Mehrizi, Mohammad Pirani, Chao Yu, Alireza Kasaiezadeh 외 2명

본 연구는 기존 에이전트 기반 모델 예측 제어(AMPC)의 한계인 에이전트 기여값 미지(未知) 문제를 해결하기 위해 학습 에이전트 기반 MPC(LAMPC)를 제안한다. 온라인 데이터 관리 전략으로 강화된 가우시안 과정 회귀(Gaussian Process Regression, GPR)를 학습 핵심으로 사용해 미지의 에이전트 기여값을 예측한다. 새로운 다단계 예측 메커니즘이 GPR의 예측 지평선 전반에 걸친 학습 잠재력을 활용하며, 예측 평균값이 시스템 모델을 보완해 제어 정확도를 높인다. 예측 분산에 기반한 소프트 찬스 제약(soft chance constraint)으로 구성된 확률론적 프레임워크가 제어 안전성과 실현 가능성을 보장한다. 시뮬레이션 및 실험 결과, LAMPC는 학습이 충분한 시나리오에서 높은 추종 성능을 달성하고 학습이 부족한 시나리오에서도 제약 조건을 항상 만족시키며 전통적인 AMPC를 상회하는 것으로 나타났다.

2609.11775v12026.09.10

실시간 야코비안 추정을 통한 손내 펜 글쓰기의 신속한 학습

Rapid Learning of Dexterous In-Hand Pen Writing through Real-Time Jacobian Estimation

Kai Stewart, Yasunori Toshimitsu, Robert K. Katzschmann

본 연구는 의인화 로봇 손(anthropomorphic hand)으로 파지한 펜을 손 안에서 조작해 글씨를 쓰는 체화 제어(embodied control) 방법을 제시한다. 핵심은 손-물체 결합 시스템의 실시간 작업 야코비안(task Jacobian) 추정으로, 해석적 접촉·기구학 모델, 시뮬레이션 훈련, 사전 수집 시연을 모두 사용하지 않는다. 노트북 CPU만으로 약 18초의 초기화 후 손내 펜 쓰기를 시작하며 온라인으로 지속 적응한다. 물리 로봇에서 공중 및 종이 위 문자·도형 쓰기 실험 결과 평균 0.6 mm의 평면 내 정밀도를 달성하였다. 동일한 추정기·제어기 정식화가 물리 로봇 1종과 시뮬레이션 로봇 손 2종에서 모두 동작함을 검증하였다.

2609.11766v12026.09.10

온실 로봇 수확을 위한 Hierarchical Localization과 GLOMAP 기반 Visual-SLAM의 은폐 토마토 감지

Visual-SLAM for the detection of hidden tomatoes in greenhouses by Hierarchical Localization and GLOMAPfor robotized harvesting

Fernando Cañadas-Aránega, José C. Moreno, José L. Blanco-Claraco, Francisco Rodríguez

이 논문은 온실 내 토마토 작물 매핑을 위해 단안(monocular) 카메라 기반의 시각적 동시 위치추정·지도작성(Visual-SLAM) 시스템을 제안한다. 구조-운동 재구성(Structure-From-Motion) 기반의 GLOMAP 매퍼와 Hierarchical Localization 툴박스를 통합하여 작물의 3D 모델을 생성한다. 위치추정은 전역 검색으로 위치 가설을 생성한 뒤 후보 영역 내 지역 특징을 결합하는 조대-정밀(coarse-to-fine) 계층적 전략을 사용한다. Agroconnect 실험 온실의 실제 토마토 송이를 대상으로 실험한 결과, 기존 시각 기술로는 접근하기 어려운 은폐 토마토를 올바르게 식별하였다. 재구성된 3D 모델은 과실 크기·무게중심 위치·방향에 대한 수동 실측값과 비교해 기하학적 정확도가 확인되었다.

2609.11753v12026.09.10

SEED-UMI: 인간과 로봇이 외골격을 공유하는 일대일 정교 시연

SEED-UMI: Sharing the Exoskeleton between human and robot for onE-to-one Dexterous demonstration

Tengbo Yu, Jiahao Wu, Daohan Li, Bingxu Chen, Hao Liu 외 2명

SEED-UMI는 인간과 로봇이 동일한 외골격(exoskeleton)을 착용해 시연 데이터를 수집하는 모방 학습(imitation learning) 프레임워크다. 기존 착용형 외골격 시스템은 인간 측에서만 데이터를 기록한 뒤 자유 공간에서 보정한 개방 루프 매핑으로 재타게팅하는 방식을 사용하며, 접촉 상황에서 성능이 저하된다. SEED-UMI에서는 외골격에 장착된 손목 카메라가 데이터 수집 단계와 로봇 정책 실행 단계 모두에서 동일한 외부 메커니즘을 촬영하므로, 분할(segmentation)이나 인페인팅(inpainting) 없이 외골격 중심 손목 이미지로 정책을 직접 학습할 수 있다. 5가지 접촉 집약적 작업에서 외골격 기반 원격조작 대비 3.0배의 데이터 수집 효율과 평균 70.0%의 롤아웃 성공률을 달성했다.

2609.11737v12026.09.10

ORCH: 조직 원리를 통한 구현형 AI의 집단 지능 실현

ORCH: Organizational Principles Enable Collective Intelligence in Embodied AI

Zhengran Ji, Jonathan Hyun, Boyuan Chen

ORCH(Organizing Roles and Coordination Hierarchies)는 인간 조직 이론의 원리를 적용해 다수의 이종 구현형 인공지능(embodied AI) 에이전트를 태스크별 계층 조직으로 편성하는 프레임워크이다. 병렬 수행이 가능한 작업에는 풀드 상호의존(pooled interdependence)을, 선행 조건이 존재하는 작업에는 순차 상호의존(sequential interdependence)을 결합해 조직 구조를 구성한다. 정찰·구조·수송·자원 관리·진화 억제 등 25개 산불 대응 임무에서 최대 50개의 이종 에이전트 팀과 8종의 대형 언어 모델(LLM)을 사용해 기존 4개 프레임워크와 비교 평가하였다. 인간이 설계한 ORCH 조직은 기존 프레임워크 대비 최종 점수를 평균 63.97%, 실행 효율을 74.29% 향상시켰으며, LLM이 자동 생성한 조직도 각각 43.63%, 52.53% 개선하는 것으로 나타났다. 또한 모델 규모가 클수록 집단 성능이 단조 증가하지는 않았으며, 계층적 조직이 장기 임무에서 전문화 집단 내 병렬 활동을 유지하면서 임무 단계 간 순서적 전환을 조율하는 데 기여한 것으로 분석되었다.

2609.11733v12026.09.10

근육 기반 보행을 위한 반사 정보 활용 신경근 강화학습

Reflex-Informed Neuromuscular Reinforcement Learning for Muscle-Driven Locomotion

Jian Zhou, Xingyu Zhang, Rui Ma, Yu Cao, Shane Xie 외 1명

이 연구는 근육 기반 보행(muscle-driven locomotion)에서 생리적 타당성과 외부 교란 적응성을 동시에 확보하기 위한 반사 정보 활용 신경근 강화학습(Reflex-Informed Neuromuscular Reinforcement Learning) 프레임워크를 제안한다. 고정된 위상 의존 반사 제어기(phase-dependent reflex controller)가 하위 신경근 제어 기반으로 작동하며, 강화학습 정책은 현재 상태에 따라 엉덩이 스윙·무릎 지지·발목 추진에 연관된 반사 이득 및 임계값을 조절하는 4개의 생체역학적 잔류 파라미터를 출력한다. 실험 결과, 일반 보행 조건에서 운동학적 정확도와 동역학적 일관성이 향상되고 좌우 대칭성 및 보폭 간 일관성이 개선된 것으로 나타났다. 학습된 정책은 재학습 없이 근육 약화와 외부 교란 상황 모두에서 강건성을 유지한다.

2609.11717v12026.09.10

MC-DeTra: 조감도 이미지에서 움직임 일관성 기반 객체 탐지 및 사회적 맥락 인식 궤적 예측 통합 모델

MC-DeTra: Motion-Consistent Joint Object Detection and Socially-Aware Trajectory Forecasting in Bird's-Eye-View Images

Vladislav Diuzhev, Dmitry Yudin

MC-DeTra는 자율주행을 위해 객체 탐지와 궤적 예측(trajectory forecasting)을 통합한 모델로, LiDAR와 고정밀 지도(HD map)로부터 래스터화된 조감도(Bird's-Eye-View, BEV) 이미지를 공유 표현으로 활용한다. 저자들은 공개 구현이 없었던 기존 DeTra 모델을 재구현하고 코드를 공개하였으며, 이를 기반으로 MC-DeTra를 개발하였다. MC-DeTra는 각 행위자의 과거 움직임과 주변 교통 점유 정보를 보조 감독 신호로 삼고, 예측 방향과 이동 방향을 정렬하는 출력 간 일관성 제약을 추가하는 움직임 일관성 메커니즘을 도입한다. 보조 손실은 학습 단계에만 적용되어 추론 시 추가 지연이 발생하지 않는다. Waymo Open Dataset 평가에서 MC-DeTra는 동적 행위자의 궤적 예측 정확도를 향상시키면서 탐지 정확도도 유지하거나 개선하는 것으로 나타났다.

2609.11698v12026.09.10

공력 사전정보 없는 테일-시터 UAV의 협조적 궤적 생성 및 추적 제어

Aerodynamic Prior-Free Coordinated Trajectory Generation and Tracking Control for a Tail-Sitter UAV

Erchao Rong, Zihao Liu, Junning Liang, Jianguo Wang, Xiao Jie 외 3명

이 논문은 특정 기체에 대한 공력(aerodynamic) 사전 식별 없이도 전 비행 포락선(full flight envelope)에 걸친 비선형 공력 환경에서 작동하는 테일-시터(tail-sitter) UAV용 궤적 생성·추적 제어 프레임워크를 제안한다. 계획 단계에서는 협조 비행 조건 하의 phi-이론 모델을 적용해 해석적 미분 평탄성(differential flatness) 매핑을 도출한다. 추적 단계에서는 단순화된 국소 정확 모델을 예측 제어에 활용하여 실시간 공력 파라미터 추정을 수행한다. 시뮬레이션과 경미한 바람 조건에서의 실제 비행 시험을 통해 높은 정밀도의 궤적 추적과 공력 조건 적응성이 확인되었다. 프레임워크 소스 코드는 GitHub(SYSU-HILAB/AP-PnC)를 통해 공개되어 있다.