ArduPilot 입문 - 자동 조종 장치의 상태 추정, 제어 및 임무 설계

Contents — find the section you need

ArduPilot은 드론 전용 "자동 조종 앱"이 아닙니다. 고정익 항공기(비행기), 멀티콥터(콥터), 지상 차량(로버), 심지어 잠수정/보트(하이브리드 구성)에 이르기까지, 센서를 읽고, 상태를 추정하고, 액추에이터 명령을 내리고, 오류 발생 시 안전한 상태로 전환하는 임베디드 플랫폼입니다. 비행체를 비행시키기 전에 상태 추정, 제어, 통신, 전력 공급, 그리고 지상 관제소를 하나의 안전 사례로 통합적으로 이해하는 것이 필수적입니다.

자율 비행 항공기 예시

이미지: Skydio X2D 항공기 검사 (Mauricio Campino, 공개 도메인), Wikimedia Commons. ArduPilot 차량이 아니며, 온보드 컴퓨팅 및 자율 비행 환경을 설명하기 위한 예시 이미지입니다.

30초 요약

ArduPilot은 IMU, GNSS, 자력계, 기압계 및 거리 측정기 데이터를 확장 칼만 필터(EKF)를 통해 융합하여 자세, 속도, 위치 및 바이어스를 추정합니다.
헬리콥터는 추력 배분 및 자세 제어에, 비행기는 공기역학 및 에너지 관리에, 로버는 바퀴/조향 및 경로 추적에 중점을 두며, 이들은 서로 다른 매개변수를 공유합니다.
내부 각속도/자세 제어 루프는 고주파로 작동하고, 외부 위치/속도/임무 제어 루프는 목표값을 생성합니다. 실제 차량에서 PID 제어의 부호와 단위를 검증해야 합니다.
MAVLink는 차량과 지상국, 보조 컴퓨터 및 주변 장치를 연결하는 메시징 프로토콜입니다. 통신 두절, 저전압, GNSS 손실 및 지오펜스 이탈은 모두 페일세이프를 통해 처리됩니다.
테스트는 SITL, 로그 재생, 프로펠러 제거 벤치 테스트, 테더링 테스트 및 저고도 테스트의 단계별로 진행됩니다. 시뮬레이션이 성공하더라도 실제 차량의 진동, 전자기 잡음 및 전력 강하는 별개의 문제입니다.

1. 아키텍처

그림 1 — 센서들은 확장 칼만 필터(EKF)를 통해 융합됩니다. 내부 자세/속도 제어 루프는 믹서를 구동하여 모터와 서보에 출력을 전달합니다. MAVLink는 지상국 및 외부 컴퓨터와의 경계를 형성합니다.

차량의 메인 루프는 센서 데이터 획득, 추정, 제어, 출력, 통신 및 로깅을 고정된 주기로 처리합니다. 고속 IMU 데이터는 자세를 예측하고, GNSS, 자력계, 기압계 및 외부 영상은 저속 보정을 제공합니다. 추정 품질이 저하되면 목표물을 계속 추적하는 대신 컨트롤러는 안전한 동작(정지, 복귀 또는 착륙)으로 전환합니다.

2. 확장 칼만 필터(EKF)를 이용한 상태 추정

한 가지 예로, 상태 벡터는 위치 $p$ , 속도 $v$ , 자세 $R$ , 그리고 자이로/가속도계 바이어스 $b_g,b_a$ 입니다. 예측값은 IMU에서 얻고, 업데이트값은 외부 관측값에서 얻습니다.

\dot p=v,\qquad \dot v=R(a_m-b_a-n_a)+g,

\dot R=R[\omega_m-b_g-n_g]_{\times}

여기서 $a_m,\omega_m$ 은 측정값이고, $g$ 은 중력이며, $[\cdot]_{\times}$ 은 교차곱 행렬입니다. EKF는 공분산 $P$ 을 전파하고, 관측 잔차(혁신)가 예상 범위를 벗어나는 경우 해당 센서를 일시적으로 제외합니다. 이는 자기 간섭이나 다중경로 GNSS를 맹목적으로 수용하지 않기 위한 메커니즘입니다.

차량 진동은 가속도계에 고주파 성분을 추가하여 추정 및 제어를 불안정하게 만듭니다. 프레임 강성, 프로펠러 밸런스, 댐퍼, 필터 지연 시간은 기계적 측면과 소프트웨어적 측면 모두에서 조정해야 합니다. 로그의 진동 스펙트럼을 동일한 타임스탬프에서 EKF의 혁신 기술과 중첩하면 원인을 더 쉽게 파악할 수 있습니다.

3. 헬리콥터, 비행기, 로버의 제어

헬리콥터

멀티콥터는 총 추력과 각 모터의 회전 속도로부터 자세 토크를 생성합니다. 대략적으로,

T=k_f\sum_i\omega_i^2,\qquad \tau_z=k_m(\omega_1^2-\omega_2^2+\cdots)

여기서 믹서는 롤, 피치, 요, 스로틀 요구량을 각 모터에 분배합니다. 자세-각도 제어 루프 외부에는 풍향 및 탑재량 변화에 대한 추력 여유를 모니터링하는 속도/위치 제어 루프가 있습니다.

비행기

고정익 항공기는 날개 양력과 항력, 속도, 받음각, 에너지 상태를 이용하여 비행합니다. 롤 각도로 방향을 전환하고 피치로 속도와 고도를 조절하므로 멀티콥터의 게인을 직접 재사용할 수 없습니다. 자동 착륙에는 바람, 활주로, 센서 지연 시간을 고려한 별도의 테스트가 필요합니다.

로버

로버는 바퀴 속도, 조향각, GNSS, 나침반, LiDAR 및 유사 센서를 통합하여 웨이포인트와 속도 목표물을 추적합니다. 바퀴 미끄러짐과 경사로 인해 데드 레코닝이 오차가 발생하므로, 공분산 및 재위치 추정은 robotics-dead-reckoning 문서에서 다룬 주행 거리 측정 방식과 동일하게 설계되었습니다.

4. 임무 및 MAVLink

임무는 웨이포인트, 속도, 고도, 카메라 트리거, 착륙 등과 같은 일련의 명령입니다. MAVLink는 하트비트(HEARTBEAT), 위치, 자세, 매개변수, 임무 데이터 및 명령 확인 응답을 교환하는 소형 바이너리 메시지 프로토콜입니다. SITL과 지상국은 UDP를 통해 연결됩니다. 실제 하드웨어에서는 무선 링크의 지연 시간, 대역폭, 암호화 및 인증을 평가해야 합니다.

임무 자동화 시, 응답을 기다리지 않고 다음 명령으로 넘어가지 마십시오. ACK, 타임아웃, 재시도, 취소 및 전원 재부팅 후 재개 위치를 정의하십시오. 통신은 제어 시스템의 단일 장애 지점이 되어서는 안 됩니다. 지상국과의 연결이 끊어지더라도 기체가 안전하게 복귀 및 착륙할 수 있도록 설계해야 합니다.

5. 안전장치 및 안전 테스트

저전압, RC 링크 손실, GNSS 품질 저하, EKF 오류, 지오펜스 이탈 및 모터 고장을 감지하고 기체 유형에 적합한 동작으로 전환하십시오. 헬리콥터의 "이륙 지점 복귀"가 항상 안전한 선택은 아닙니다. 강풍, 장애물 근처 또는 홈 위치 확인이 불가능한 경우 착륙 또는 대기가 더 적절할 수 있습니다. 임계값을 설정한 후에는 위험도가 낮은 환경에서 해당 임계값을 넘어서는 실제 테스트를 수행하십시오.

테스트는 SITL → 하드웨어 인 더 루프 → 프로펠러 제거 → 테더링 → 저고도 → 운용 고도 순으로 단계적으로 진행해야 합니다. 전원을 갑자기 차단하거나, GNSS 안테나를 차폐하거나, 통신을 차단하거나, 센서 하나를 제거하는 등의 오류 주입 테스트를 기록하면서 실행해야 합니다. 비행 허가, 현지 항공법, 개인정보 보호 및 무선 통신 규정은 다른 어떤 기술적 요구 사항 못지않게 중요합니다.

6. 파라미터 튜닝 권장 순서

센서 방향, 교정, 타이밍 및 공급 전압을 확인합니다.
기체를 고정한 상태에서 자이로스코프/가속도계/나침반의 바이어스와 진동을 측정합니다.
작은 게인부터 시작하여 내부 자세 제어 루프를 튜닝하고 포화 및 진동을 관찰합니다.
속도/위치/고도 루프를 추가하고 다양한 풍향 및 탑재량 조건에서 추적 성능을 평가합니다.
임무, 안전장치, 재시작 및 로깅을 포함한 전체 엔드 투 엔드 테스트를 실행합니다.

프로펠러, 관성 모멘트, 추력 여유, 샘플링 주기 등이 다르면 다른 차량의 게인 값을 복사해도 안정성을 확보할 수 없습니다. 로그에서 목표값, 측정값, 출력 포화도, 혁신도를 중첩하여 어떤 루프에서 지연이 발생하는지 확인하십시오.

7. 현재 활용 및 연구

ArduPilot은 농업용 살포, 측량, 재난 평가, 연구용 VTOL, 자율 비행선 등 다양한 분야에서 여러 유형의 차량에 사용되고 있습니다. 일부 구성에서는 보조 컴퓨터에서 MAVLink를 통해 목표값을 전송하고 ROS 2 또는 컴퓨터 비전 기반 추정값을 보조 관측값으로 제공합니다. 시각 항법, 다중 센서 오류 진단, 학습 기반 풍향 추정, 다중 차량 조정 등에 대한 연구가 진행 중이지만, 최종 출력값이 기존의 제한 및 안전장치를 통과하도록 하는 것이 여전히 가장 좋습니다.

요약

ArduPilot의 핵심은 센서 융합, 계층적 제어, 임무 실행, 통신 및 안전장치를 단일 임베디드 시스템으로 통합하는 것입니다. 차량을 움직이는 코드를 작성하기 전에 예상 상태 및 좌표계, 제어 주기, 출력 제한, 그리고 오류 발생 시 전환 과정을 명확히 정의해야 합니다. SITL과 로그를 활용하고, 실제 차량에서 안전성 테스트를 신중하게 수행해야 합니다. 오픈 소스 소프트웨어는 연구 단계의 프로젝트를 실제 운영 단계로 이끌어 줄 수 있습니다.

이해력 점검

경로 입력만으로 자율 비행이 가능한가요?

차량 설정, 예상, 제어 및 안전장치가 함께 작동해야 합니다.

명령 실행 조건과 경로 계획을 분리하십시오.

참고 자료

Try it in the browser

Lab Change the conditions in a browser experimentPython에서 PID 제어기의 게인, 딜레이, 포화도를 조절해 보세요.Lab Change the conditions in a browser experiment파이썬에서 칼만 필터 실행하기: 노이즈, 결측 데이터 및 이상치 처리

What to read next

Review the background유압 시스템 기초 - 파스칼의 원리부터 로봇의 힘 제어까지 Continue the series군집 제어(다중 로봇) 기초 — 무리 형성, 대형 구축 및 합의 도출 Explore another aspect of this fieldICP가 실패하는 이유: 초기화, 이상치 및 대칭 기하학적 구조

#ArduPilot #Autopilot #Drones #MAVLink #EKF #SITL