현실적인 시뮬레이션 환경 개발
자율주행 드론을 위해서는 현실적인 시뮬레이션 환경과 이를 기반으로 한 인지 및 제어 기술이 필수적이다. 이에 본 연구의 목적은 실제 환경을 최대한 반영할 수 있도록 다양한 노이즈와 외란을 포함하고 물리 모델을 고도화한 현실적인 시뮬레이션 환경을 구축하는 데 있다. 시뮬레이션은 Unreal Engine 기반 AirSim과 PX4를 이용하여 구현하였으며, 드론 레이싱 대회 시뮬레이션, 드론 자격증 시험 연습 시뮬레이션 등 다양한 응용을 진행하고 있다.
AirSim의 기본 Air Drag Force 모델은 실제 공기역학 특성을 충분히 반영하지 못해 정확도가 떨어지는 한계가 있다. 이를 보완하기 위해 보다 개선된 모델 수식을 연구 및 적용하여, 비행 환경에 더욱 근접한 시뮬레이션을 구현하였다
RGB-based lightweight 6D object pose estimation model
드론에 탑재되는 edge device와 onboard sensor는 연산 자원과 전력 소모 측면에서 제약이 크기 때문에, 제한된 자원 환경에서도 빠르고 안정적으로 물체의 자세를 인식할 수 있는 경량 모델이 필요하다. 특히 자율비행 과정에서는 장애물을 신속하게 인식하고 회피하기 위한 실시간성이 매우 중요하므로, 높은 정확도와 함께 가벼운 특징을 동시에 만족하는 Perception이 필요하다. 따라서 RGB만을 활용하여 효율적으로 물체의 위치와 자세를 추정할 수 있는 transformer 기반의 lightweight object pose estimation 모델을 연구하고 있다. 이를 통해 드론 플랫폼의 제한된 하드웨어 환경에서도 실시간 obstacle avoidance가 가능하도록 하는 것을 목표로 하며, 궁극적으로는 실제 비행 환경에서 활용 가능한 고속·고효율 인지 시스템 구현을 지향한다
