딥 쿱만 MPC로 휠로더 자동화 실현

arXiv(cs.RO) 보도에 따르면, 연구진이 굴착 작업 중 휠로더가 반복적으로 수행하는 '전진 굴착-후진 배토'의 V자형 작업 사이클을 자동화하기 위한 새로운 제어 프레임워크를 제안했습니다.

아르민 압돌모함마디(Armin Abdolmohammadi)가 이끄는 연구팀은 관절형(articulated) 차량 특유의 비선형 동역학과 복잡한 차량-지형 상호작용 때문에 기존 모델 기반 제어 방식이 이러한 작업을 효과적으로 처리하지 못했다고 설명합니다. 이에 연구팀은 장기 경로에 대한 기하학적 계획과 데이터 기반 예측 제어를 결합한 계층형 프레임워크를 제안했습니다.

먼저 저차원 관절 기구학 모델(kinematic model)을 이용해 전체 작업 경로의 형태를 생성하고, 공유된 중간 상태를 기준으로 전진 및 후진 궤적을 동시에 최적화합니다. 실제 차량 동역학을 반영하기 위해 연구팀은 고정밀 물리 시뮬레이터인 Algoryx Dynamics에서 생성한 데이터를 활용해 전진용과 후진용 딥 쌍선형(bilinear) 쿱만 모델을 각각 학습시켰습니다. 쿱만 기반 방식은 복잡한 비선형 동역학을 더 다루기 쉬운 선형에 가까운 형태로 근사해, 실시간 제어기에서 계산 부담을 줄여줍니다.

이렇게 학습된 쿱만 모델은 궤적 추종을 위한 모델예측제어(MPC) 시스템에 반영되며, 50밀리초 실행 주기 안에서 동작할 만큼 계산 효율이 높게 설계됐습니다. 이는 중장비를 실시간으로 제어하기에 충분히 빠른 속도입니다.

논문에 따르면 고정밀 시뮬레이션 결과, 제안된 전 과정 통합 프레임워크가 휠로더의 V-사이클 작업을 정확하고 계산 효율적으로 수행할 수 있음이 확인됐으며, 연구진은 이를 두고 "관절형 대형 건설기계의 자율 운용을 향한 유망한 접근법"이라고 표현했습니다.

이 논문은 2026년 9월 22일 제출됐으며 8페이지 분량에 그림 4개가 포함돼 있고, arXiv의 로보틱스 및 시스템·제어 분야에 게재됐습니다. 대부분의 arXiv 프리프린트와 마찬가지로 이번 결과는 실제 하드웨어가 아닌 시뮬레이션에서만 검증됐으며, 정식 동료 심사를 거친 것으로는 보이지 않습니다.