2021 High-Accuracy Autonomous Excavation Of Free-Form Shapes_요약

High-Accuracy Autonomous Excavation Of Free-Form Shapes - 요약

한줄 요약

세계 최초 자율 보행 굴착기 HEAP을 개발하고, 힘-토크 궤적 기반의 토양 독립적 굴착 사이클과 드론 측량-설계-시공을 통합한 실시간 디지털 공정으로 자유곡선 형태의 제방을 ~3-5cm 정밀도로 자율 시공하였다.


1. 연구 배경 및 동기

문제

500 기존 순차적 Survey-Design-Fabrication 공정(위)에서 삼각형 병렬 통합 공정(아래)으로의 패러다임 전환

기존 연구의 한계

시스템 기관 한계점
LUCIE (1988) Lancaster Univ. 위치 궤적 기반, 단순 트렌치만 가능
ALS (1998) Carnegie Mellon LiDAR 추가했으나 대량 굴착에 한정
THOR TU Kaiserslautern 행동 기반 제어, 정밀 형상 불가
1.5t 굴착기 Australian ACFR 임피던스 제어, 토양 변화 대응 미흡
기존 연구 전반 다수 위치 궤적 → 토양 강도 초과 시 대응 불가

본 연구의 기여

  1. 엔드이펙터 힘-토크 궤적 기반의 토양 독립적 굴착 사이클
  2. 세계 최초 자율 보행 굴착기 HEAP: 센싱·액추에이션·제어
  3. 바퀴-다리 복합 로봇을 위한 일반화된 상태 추정 기법
  4. 고유감각(버킷 경로)+외부감각(LiDAR) 융합 굴착 매핑
  5. 자유곡선 트렌치 및 3D 제방을 위한 굴착 계획기
  6. 드론 측량 + 경관 설계 + 자율 굴착을 통합한 디지털 적응형 제작 공정
  7. 다양한 자유 형상에 대한 고정밀 자율 굴착 실증

2. 시스템 구성: HEAP

500 HEAP (Hydraulic Excavator for an Autonomous Purpose) — 세계 최초 자율 보행 굴착기

전체 아키텍처

graph TD
    A["측량<br>(드론 LiDAR)"] --> B["설계 환경<br>(Rhino + Docofossor)"]
    B --> C["원하는 고도맵 전송"]
    C --> D["HEAP 자율 굴착"]
    D --> E["실제 고도맵 피드백"]
    E --> B

    D --> F["굴착 매핑<br>(LiDAR + 버킷 경로)"]
    D --> G["굴착 계획기<br>(PoA + 덤프 포인트)"]
    D --> H["암 제어<br>(역동역학 + 역기구학)"]
    D --> I["섀시 제어<br>(능동 균형)"]
    D --> J["주행 제어<br>(Ackermann)"]
    D --> K["상태 추정<br>(IMU+GNSS)"]

하드웨어 구성

구성 요소 세부 사항
기반 기계 Menzi Muck M545 보행 굴착기 (12톤)
위치 센서 Leica iCON iXE3 GNSS (RTK, 2안테나)
IMU SBG Ellipse2-A (캐빈 + 섀시)
LiDAR Velodyne VLP-16 × 2 (인식용)
암 관절 측정 Draw wire encoder + IMU (이중화)
컴퓨터 Intel i7-5820K (Ubuntu 18.04)
소프트웨어 ROS + shared memory (100Hz)

암 액추에이션 3가지 방식 비교

400 HEAP 관절별 가용 측정·액추에이션 방식 요약

방식 응답시간(t90) 힘제어 컷오프 특징
서보 밸브 35ms (속도), 40ms (힘) >20Hz 고성능, 굴착 힘제어에 필수
파일럿 스테이지 680~850ms 0.85Hz 저비용, dead-zone 큼
조이스틱 액추에이터 ~600ms 0.73Hz 최소 침습, 공중 이동에 활용

3. 핵심 기술 1: 힘제어 단일 굴착 사이클

3단계 굴착 사이클 개요

graph LR
    A["Penetrate<br>(침투 단계)"] --> B["Drag<br>(끌기 단계)"]
    B --> C["Close<br>(닫기 단계)"]

    style A fill:#4472C4,color:#fff
    style B fill:#ED7D31,color:#fff
    style C fill:#70AD47,color:#fff

기존 연구들이 위치 궤적을 따르는 것과 달리, 본 연구는 힘-토크 궤적을 사용한다. 힘 궤적은 최대 힘 한계를 알고 설계되므로 토양 종류에 관계없이 안전하며, 토양이 달라지면 자연스럽게 다른 운동(딱딱한 토양: 침투+끌기, 부드러운 토양: 침투+회전)이 발생한다.

수식: 굴착 단계별 힘 제어 입력

(1) 침투(Penetrate) 단계 — Eq. (2.18), (2.19)

$$\mathbf{f}^{\text{des}}t = \begin{bmatrix} 0 \ s{\text{pen}} F_{z,\text{pen}} \ 0 \ 0 \end{bmatrix}, \quad \ddot{\mathbf{r}}{\text{des}} = \begin{bmatrix} \text{PID}(x{\text{PoA}}) \ 0 \ 0 \ \text{PID}(\psi_{\text{PoA}}) \end{bmatrix}$$

여기서 기하 형상 근접 시 힘 스케일 팩터: $$s_{\text{pen}} = \begin{cases} \dfrac{d}{\theta}, & \text{if } d \leq \theta \ 1, & \text{else} \end{cases}$$

기호 의미
$F_{z,\text{pen}}$ z 방향 침투력 (-45kN)
$s_{\text{pen}}$ 원하는 형상 근접 시 힘 감쇠 계수
$d$ 버킷 끝에서 목표 형상까지의 거리
$\theta$ 힘 스케일링 시작 임계 거리
$x_{\text{PoA}}$, $\psi_{\text{PoA}}$ 공격 지점의 x좌표, 캐빈 회전각

(2) 끌기(Drag) 단계 — Eq. (2.20)~(2.22)

형상 위반 방지를 위해 힘 크기 감소 대신 힘 벡터 방향을 회전: $$R_\phi = \begin{bmatrix} \cos(\phi) & -\sin(\phi) \ \sin(\phi) & \cos(\phi) \end{bmatrix}$$

$$\phi = \begin{cases} \alpha!\left(1 - \dfrac{d}{\theta}\right), & \text{if } d \leq \theta \ 0, & \text{else} \end{cases}$$

$$\mathbf{f}^{\text{des}}t = \begin{bmatrix} R\phi F_{\text{drag}} \ 0 \ 0 \end{bmatrix}, \quad F_{\text{drag}} = \begin{bmatrix} F_{x,\text{drag}} \ F_{z,\text{drag}} \end{bmatrix}$$

기호 의미
$\phi$ 힘 벡터 회전각
$\alpha$ 목표 형상 경사각과 끌기력의 각도 차
$F_{x,\text{drag}}$ 굴착기 방향 끌기력 (-40kN)
$F_{z,\text{drag}}$ 하향 유지력 (-40kN)

(3) 닫기(Close) 단계 — Eq. (2.23)

$$\mathbf{f}^{\text{des}}t = \begin{bmatrix} 0 \ F{z,\text{close}} \ \tau_{\text{close}} \ 0 \end{bmatrix}$$

기호 의미
$\tau_{\text{close}}$ 버킷 닫기 토크 (30kNm)
$F_{z,\text{close}}$ 흘림 방지 하향력 (-5kN)

직관: 같은 힘 궤적을 적용해도 딱딱한 토양에서는 짧게 침투하고 길게 끌며, 부드러운 토양에서는 깊게 침투하고 짧게 끄는 동작이 자연스럽게 나타난다 — 숙련 운전자의 행동과 동일.


4. 핵심 기술 2: 계층적 최적화 암 컨트롤러

역동역학 컨트롤러 우선순위 과제 (감소 순)

우선순위 과제 수식
1 운동 방정식 $[-M \quad \mathbb{I}]\mathbf{x}_d = \mathbf{h} + J^T\mathbf{f}^{\text{des}}_t + F_v\mathbf{u} + F_s\text{sign}(\mathbf{u})$
2 펌프 유량 한계 $[\delta t \mathbf{A}E(\mathbf{q}) \quad 0]\mathbf{x}d \leq Q{\max} - \mathbf{A}E(\mathbf{q})\mathbf{u}$
3 실린더 힘/토크 한계 $\mathbf{x}_d \leq E(\mathbf{q})\boldsymbol{\tau}^{\max}_p$
4 실린더 속도 한계 $\delta t \mathbf{x}d \leq E(\mathbf{q})^{-1}\mathbf{v}{\max} - \mathbf{u}$
5 실린더 위치 한계 $\frac{\delta t^2}{2}\mathbf{x}d \leq \mathbf{q}{\max} - \mathbf{q}$
6 자기충돌 회피 $[\delta t \mathbf{n}c^T J{p_1} \quad 0]\mathbf{x}d \leq \xi\frac{d-d_s}{d_i-d_s} - \mathbf{n}_c^T J{p_1}\mathbf{u}$
7 엔드이펙터 자세 (회전) $[J_R \quad 0]\mathbf{x}d = \ddot{\mathbf{r}}{R,\text{des}} - \dot{J}_R^T\mathbf{u}$
8 엔드이펙터 위치 (이동) $[J_T \quad 0]\mathbf{x}d = \ddot{\mathbf{r}}{T,\text{des}} - \dot{J}_T^T\mathbf{u}$
9 관절 운동 감쇠 $[\mathbb{I} \quad 0]\mathbf{x}_d = -k_p\mathbf{u}$

최적화 해 벡터: $\mathbf{x}_d = [\dot{\mathbf{u}}_d^T \quad \boldsymbol{\tau}_d^T]^T$


5. 핵심 기술 3: 굴착 계획기 (PoA 및 덤프 포인트)

graph TD
    A["초기화<br>(CAD 목표 고도맵 로드)"] --> B["다음 공격 지점<br>PoA 탐색"]
    B --> C{"고도 오차<br>< θ+?"}
    C -- No --> D["대량 굴착<br>(힘-토크 궤적)"]
    D --> E["다음 덤프 포인트 탐색"]
    E --> F["덤프 (버킷 비우기)"]
    F --> B
    C -- Yes --> G["정밀 다듬기<br>(위치 궤적)"]
    G --> H["완료"]

    style A fill:#5B9BD5,color:#fff
    style H fill:#70AD47,color:#fff

공격 지점(PoA) 선택 수식 — Eq. (2.24)~(2.28)

오차 행렬: $Z_e = Z_{\text{act}} - Z_{\text{des}}$

선택 행렬 (오차 > 임계값): $$S^+(x_i, y_j) = \begin{cases} 1, & \text{if } Z_e(x_i, y_j) > \theta^+ \ \text{NaN}, & \text{else} \end{cases}$$

PoA 선택 (최대값 argmax): $$\underset{x_i, y_j}{\arg\max} \; S^+(x_i, y_j)(Z_{\text{act}}(x_i, y_j) + \mu \cdot d(x_i, y_j))$$

여기서 $\mu = \tan\alpha$, $d$는 굴착기까지 유클리드 거리.

PoA 3D 좌표: $\mathbf{p}{\text{PoA}} = [x{\text{PoA}} + v_{\text{offset}}, \; y_{\text{PoA}}, \; Z_{\text{act}}(x_{\text{PoA}}, y_{\text{PoA}})]^T$

기호 의미
$\theta^+$ 굴착 오차 임계값 (0.2m)
$\mu$ 경사 파라미터 ($\tan\alpha$, 0.75)
$\alpha$ 최대 허용 경사각
$v_{\text{offset}}$ 수직 오프셋 (0.3m, 확실한 접촉 보장)

6. 핵심 기술 4: 상태 추정 (바퀴-다리 복합 로봇)

graph LR
    A["IMU 예측<br>(캐빈 프레임)"] --> E["TSIF 필터"]
    B["GNSS-RTK 업데이트<br>(2안테나)"] --> E
    C["롤링 예측<br>(바퀴 속도)"] --> E
    D["다리 오도메트리 업데이트<br>(관절 위치)"] --> E
    E --> F["상태 출력<br>위치/자세/속도/편향"]

    style E fill:#ED7D31,color:#fff

IMU 예측 수식 — Eq. (3.3)~(3.6)

$${}^I\mathbf{r}'{IC} = {}^I\mathbf{r}{IC} + \Delta t \left[ {}^I\mathbf{v}_{IC} + \frac{{}^I\bar{\mathbf{w}}_v}{\sqrt{\Delta t}} \right]$$

$${}^I\mathbf{v}'{IC} = {}^I\mathbf{v}{IC} + \Delta t \left[ \Phi^{-1}{CI}\left( {}^C\tilde{\mathbf{f}}{IC} - {}^C\mathbf{b}_f - \frac{{}^C\bar{\mathbf{w}}_f}{\sqrt{\Delta t}} \right) + {}^I\mathbf{g} \right]$$

GNSS 업데이트 혁신 방정식 — Eq. (3.7)

$$\mathbf{y}{\xi_k} = {}^I\tilde{\boldsymbol{\xi}}_k - {}^I\mathbf{r}'{IC} - \Phi'^{-1}{CI}({}^C\mathbf{l}{C\xi_k}) + {}^I\bar{\mathbf{w}}_{\xi_k}$$

실제 배치 결과: 롤링+다리 오도메트리는 바퀴 슬립 시 성능 저하로 인해 최종적으로 IMU+GNSS 조합만 배포.


7. 챕터 4: HEAP에서의 자유곡선 트렌치 굴착

500 굴착 매핑의 3가지 핵심 과제: (1) LiDAR 미탐지 구역, (2) 동적 환경 변화, (3) 자기 인식 오류

굴착 매핑 파이프라인

graph TD
    A["LiDAR 스캔<br>(Velodyne VLP-16)"] --> C["고도 맵 업데이트"]
    B["버킷 끝 경로<br>(고유감각)"] --> C
    C --> D["필터링:<br>낙토(버킷 아래), 자기인식 제거"]
    D --> E["2.5D 고도 맵"]
    E --> F["SQP 기반 스플라인 궤적 계획<br>(SDF 충돌 회피)"]

SQP 기반 스플라인 궤적 최적화 — Eq. (4.1)~(4.5)

$$\min_{\mathbf{x}k} \left{ \sum{k=0}^{N-1} c_{\text{length}}(\mathbf{x}k, \mathbf{x}{k+1}) + c_{\text{init}} + c_{\text{final}} \right}$$

SDF 제약: $$d_{\text{SDF}}(\mathbf{x}_k) \geq \epsilon, \quad \forall k$$

힘 제어 굴착 중 관절 토크 계산 — Eq. (4.6), (4.7)

$$\boldsymbol{\tau}_d = J^T\mathbf{f}^{\text{des}}_t + \mathbf{h}(\mathbf{q}, \mathbf{u}) + F_v\mathbf{u} + F_s\text{sign}(\mathbf{u})$$

with constraint: $\boldsymbol{\tau}_d \in [E(\mathbf{q})\boldsymbol{\tau}^{\min}_p, \; E(\mathbf{q})\boldsymbol{\tau}^{\max}_p]$


8. 챕터 5: 로봇 제방 시공 (Robotic Embankments)

500 드론 측량 → 설계 환경(Docofossor/Rhino) → HEAP 시공의 실시간 피드백 루프

3D 제방 굴착 계획기 개선

2D 트렌치 계획기(거리 기반 스코어링)를 3D로 확장, 진행 방향선(β 각도) 도입:

$$\underset{x_i, y_j}{\arg\max} \; S_{lb}(x_i, y_j) S^+(x_i, y_j)\left(Z_{\text{act}}(x_i, y_j) + \mu(\cos\beta \cdot x_i + \sin\beta \cdot y_i)\right)$$

덤프 포인트 계획기 — Eq. (5.4), (5.5)

$$S^-(x_i, y_j) = \begin{cases} 1, & \text{if } Z_e(x_i, y_j) < \theta^- \ \text{NaN}, & \text{else} \end{cases}$$

$$\underset{x_i, y_j}{\arg\min} \; S_{lv}(x_i, y_j) S^-(x_i, y_j)\left(Z_{\text{act}}(x_i, y_j) + \mu \cdot d(x_i, y_j)\right)$$


9. 실험 결과

설계 파라미터

400 굴착 계획 및 제어에 사용된 설계 파라미터 값

전체 실험 정밀도 요약

500 모든 굴착 실험의 셀당 평균 오차 비교 (시뮬레이션 vs HEAP 실기)

설계 형상 환경 평균 오차/셀
곡선 바닥 트렌치 Vortex 시뮬 0.035m
곡선 바닥 트렌치 HEAP 실기 0.024m
직선 세그먼트 트렌치 Vortex 시뮬 0.044m
직선 세그먼트 트렌치 HEAP 실기 0.027m
S-커브 제방 (오목부) HEAP 실기 0.038m
S-커브 제방 (전체) HEAP 실기 0.056m
코너 있는 양면 제방 HEAP 실기 0.032m

핵심 발견: 시뮬레이션 결과가 실기에서 오히려 정밀도가 향상됨. 시뮬레이션의 토양 탄성 변형이 마지막 몇 cm를 깎기 어렵게 만들었기 때문.

굴착기 컨트롤러 성능

graph LR
    A["위치·속도 한계<br>미포함"] --> B["평균 추적 오차<br>22.08cm"]
    C["위치·속도 한계<br>포함 (제안 방법)"] --> D["평균 추적 오차<br>2.89cm (-87%)"]

    style B fill:#C00000,color:#fff
    style D fill:#375623,color:#fff

S-커브 제방 실험 개요

항목 값
제방 길이 20m (S자 곡선)
이동 토량 30m³
자율도 Level 4 (SAE)
작업 시간 6시간
굴착 부피 30.60m³
성토 부피 32.20m³
설계 경사 33.7°
오목부 평균 오차 0.038m
전체 평균 오차 0.056m

10. 한계 및 향후 연구

현재 한계

향후 연구 방향

graph TD
    A["롤링/다리 오도메트리<br>바퀴 슬립 탐지 활용"] --> E["더 복잡한 지형<br>자율 주행"]
    B["버킷 부분 채우기<br>구현"] --> F["효율 향상"]
    C["다중 굴착기 조율"] --> G["대규모 프로젝트"]
    D["토양 조성 피드백<br>설계 적응"] --> H["완전 적응형<br>디지털 제작"]
    E --> I["건설 자동화<br>레벨 5 달성"]
    F --> I
    G --> I
    H --> I

    style I fill:#1F3864,color:#fff

한마디로 정리


핵심 키워드

자율 굴착 보행 굴착기 HEAP 힘-토크 궤적 토양 독립적 제어 계층적 최적화 상태 추정 고도 매핑 자유곡선 형상 디지털 제작 Docofossor 드론 측량 바퀴-다리 복합 로봇


관련 산출물


나의 의견

이 논문을 읽고 느낀 점, 우리 연구와의 연관성, 활용 가능성 등을 자유롭게 기록