제7부 자율성·군집

7.14 자율 탐사 비행: 프런티어·정보 이득·지하·실내·산림 탐사와 DARPA SubT

7.14.1 이 장에서 배우는 것 / 선수 지식 / 특히 중요한 독자

7.2.8은 이미 아는 구역을 빠짐없이 커버하는 커버리지 경로를 다뤘다. 이 장은 지도가 없는 곳에서 시작한다. 동굴·광산·무너진 건물·숲 아래처럼 아무도 지도를 주지 않는 공간에 들어가, 기체가 스스로 다음에 어디를 볼지 정하며 지도를 채운다. 이것이 자율 탐사다. 땅 위 로봇의 탐사 이론은 오래되었지만, 비행체에는 두 가지가 더 추가된다. 배터리가 다 되기 전에 이미 아는 길로 돌아와야 한다는 것, 그리고 지하에서는 통신이 먼저 끊긴다는 것이다.

배우는 것:

• 탐사 문제의 정식화 — 점유·빈 칸·미관측의 세 상태, 프런티어, 정보 이득과 다음 최적 시점(NBV), 그리고 "탐사 완료"를 무엇으로 정의하는가.
• 알고리즘 계열 — 프런티어 기반·표본 기반 NBV·계층형·그래프 기반 탐사, 그리고 동굴형 격자 세계에서 직접 돌린 세 전략의 비교.
• 비행체 특유의 제약 — 남은 에너지로 돌아올 수 있는 영역, 직선거리로 귀환을 판단하면 왜 늦는가, 통신 중계, 미지 공간 앞의 속도.
• DARPA 지하 도전(SubT, 2018~2021) — 회차별 결과와 공중 로봇이 실제로 한 일, 공개된 교훈.
• 지하·실내·산림 탐사의 연구와 평가 지표 — 탐사 부피 대 시간, 지도 완전도, 귀환율.

선수 지식: 지도 표현과 미관측 공간은 7.13.7, 탑재 SLAM의 드리프트와 루프 폐쇄는 7.13.5, 실내·지하 항법과 터널의 통신은 4.10.4·4.10.6, 귀환 에너지와 귀환 불가점은 2.6.5, 감지 거리가 허용하는 속도는 7.1.4.3, 그래프 탐색은 7.2.4, 다중 홉 통신은 3.10.6과 3.16.5.2다. 수식은 확률·로그와 최단 경로 수준이다. 탐사 이론의 일반론은 자매서 robotics의 제11부(계획), 다중 로봇 탐사는 제24부(다중 로봇)가 맡는다(BK-07).

특히 중요한 독자: 엔지니어는 7.14.3·7.14.5·7.14.6을 건너뛰지 않는다. 소방·재난·광산 안전 쪽의 사업·정책 담당자는 7.14.9(SubT의 교훈)와 7.14.12(워크스루)로 "드론 한 대가 한 번 출격에 무엇을 할 수 있나"를 가늠할 수 있다. 인증·규제 담당자는 7.14.6(귀환 보장)과 7.14.16을 먼저 본다. 통신 없이 스스로 판단하는 비행을 무엇으로 허가하느냐가 거기서 결정된다.

기준 시점과 정직성. 이 장은 2026년 10월을 기준으로, 지식은 2026년 중반까지 반영했다. 시뮬레이션은 파이썬 표준 라이브러리(math·random·heapq, 고정 시드)로 했고(mil-uam/fig-src/7.14-calc.py), 세계·센서·기체는 교육용 가정이다. DARPA SubT의 일정·순위·점수는 DARPA 발표와 참가 팀의 공개 보고로 확인했고, 팀이 스스로 보고한 내용은 그렇다고 밝혔다. 이 장의 탐사는 재난 대응·점검·과학 조사·수색 구조를 위한 지도 작성이다. 시설 침투·표적 탐색 같은 군사 전술은 다루지 않는다(BK-04).

7.14.2 개념·직관 — 커버리지는 지도를 따라 순회하고, 탐사는 지도를 만든다

커버리지는 경계가 정해진 구역을 빠짐없이 지나가는 일이다(7.2.8). 경로를 미리 짜고 그대로 난다. 탐사는 경계도 모르는 공간에서 시작한다. 경로를 미리 짤 수 없다. 기체는 본 만큼만 알고, 아는 만큼만 계획한다. 그래서 탐사는 보고→지도 갱신→다음 볼 곳 고르기→날기를 몇 초마다 반복하는 고리다(7.14.4의 그림).

세 축의 요구가 다르다. 군용 드론에게 탐사는 건물·지하 시설 내부 정찰이고 공개된 가장 큰 시험대가 DARPA SubT다(4.10.7.3). 통신 두절과 노획을 전제로 해야 한다(8.17). 민간 UAS에게는 광산 안전 점검, 무너진 건물의 수색 구조(14.7·16.19), 동굴·지하 시설 측량, 숲 아래 산림 조사(14.3)가 응용이다. 사람 손이 닿지 않는 위험 공간에 사람 대신 들어가는 것이 가치다. AAM에는 직접 해당하는 임무가 거의 없다. 다만 "모르는 곳에서 스스로 경로를 정하는 자율"을 어떻게 보증하느냐는 질문은 장래 자율 비행(15.23)과 같은 뿌리를 가진다.

7.14.3 탐사 문제의 정식화

7.14.3.1 세 상태와 프런티어

탐사의 지도는 칸을 세 상태로 나눈다. 점유(무엇이 있다), 빈 칸(보았는데 비어 있다), 미관측(아직 모른다)이다(7.1.6.1·7.13.7.1). 탐사는 미관측을 줄이는 일이다. 줄일 곳은 빈 칸 가운데 미관측 칸과 맞닿은 칸, 곧 프런티어(Yamauchi, 1997)다.

$$\mathcal F=\{\,c\in\mathcal M_{\text{빈}}\ :\ \exists\,c'\in\mathcal N(c),\ c'\in\mathcal M_{\text{미관측}}\,\}$$

$\mathcal N(c)$는 칸 $c$의 이웃이다. 프런티어에 가서 보면 그 너머가 드러나고 프런티어는 앞으로 전진한다. 가장 단순한 탐사 규칙은 "가장 가까운 프런티어로 간다"다. 기체는 이미 본 빈 칸 위로만 갈 수 있으므로 "가깝다"는 직선거리가 아니라 아는 공간 위의 최단 경로 길이다(7.2.4).

7.14.3.2 정보 이득과 다음 최적 시점

프런티어가 여럿이면 어디로 갈 것인가. 다음 최적 시점(NBV, next-best-view, Connolly 1985)은 후보 시점마다 거기서 보면 지도가 얼마나 확실해지는가를 매긴다. 칸의 점유 확률을 $p_i$라 하면 지도의 불확실성은 엔트로피다.

$$H(\mathbf m)=-\sum_i\Big[p_i\log_2p_i+(1-p_i)\log_2(1-p_i)\Big]$$

미관측 칸($p_i=0.5$)은 1비트, 확실히 아는 칸은 0에 가깝다. 시점 $\mathbf v$의 정보 이득은 거기서 측정한 뒤의 기대 엔트로피 감소 $I(\mathbf v)=H(\mathbf m)-\mathbb E_{\mathbf z}\big[H(\mathbf m\mid\mathbf z(\mathbf v))\big]$다. 실무에서는 이를 그 시점에서 보일 미관측 칸의 수로 근사한다. 정보 이득만 보면 멀리 있는 큰 미관측 영역으로 오가느라 시간을 버린다. 그래서 이동 비용 $c(\mathbf v)$로 깎은 효용을 사용한다(Bircher 외, 2016의 꼴).

$$U(\mathbf v)=I(\mathbf v)\,e^{-\lambda\,c(\mathbf v)}$$

비행체는 이 효용에 두 항을 더 넣는다. 에너지(그 시점에서 돌아올 수 있는가, 7.14.6)와 통신(그 시점이 링크 밖인가, 7.14.7)이다.

7.14.3.3 탐사 완료의 정의

"다 보았다"는 저절로 정해지지 않는다. 연구와 시험은 다음 기준을 사용하고, 보통 여럿을 병용한다.

탐사 완료는 "더 볼 것이 없다"가 아니라 "이 기체가 이 조건에서 더 볼 수 있는 곳이 남지 않았다"다. 그래서 탐사 결과에는 지도와 함께 남은 프런티어와 미관측 영역의 목록을 넘겨야 한다. 다음 출격이나 다른 기체(7.15)가 거기서 시작한다.

7.14.4 탐사 고리와 알고리즘 계열

탐사 고리는 아래 그림처럼 돈다. 땅 위 로봇의 고리와 같은 구조에 비행체는 "가서 보고 돌아올 에너지가 있는가"와 통신 중계를 더한다.

알고리즘은 다음 시점을 어디서 찾고 어떻게 매기느냐에 따라 달라진다.

계층형과 그래프 기반이 지하 탐사에서 많이 사용된 이유는 같다. 탐사가 길어지면 "다음에 볼 곳"보다 "돌아갈 길과 아직 안 간 분기점의 목록"이 더 중요해진다.

7.14.5 시뮬레이션 — 가까운 곳인가, 많이 보이는 곳인가

세 전략을 같은 세계에서 비교했다. 세계는 셀룰러 오토마타로 만든 동굴형 2차원 격자(120 × 60칸, 칸 1 m, 출발점에서 닿을 수 있는 빈 칸 평균 6,396 m²) 8개다(시드 5870~5877). 기체는 360°·5 m 거리 센서를 달고, 이미 본 빈 칸 위로만 8방향으로 1 m/s로 난다. 목표가 더는 프런티어가 아니면 다시 고른다. 탐사율은 이미 본 빈 칸을 닿을 수 있는 빈 칸으로 나눈 값이다.

1. 최근접 프런티어 — 아는 공간 위 경로가 가장 짧은 프런티어.
2. 정보 이득 × 거리 벌점 — 프런티어 묶음마다 두 후보를 두고 $U=I\,e^{-0.1\,c}$가 가장 큰 곳.
3. 정보 이득만 — $\lambda=0$. 거리를 무시하고 가장 많이 보일 곳.

읽을 것은 셋이다. ① 단순한 최근접 프런티어가 강하다. 거리 벌점을 곱한 효용은 예산 시점(732 s)에서 3 %포인트 남짓 앞설 뿐이고, 마지막 몇 %를 줍느라 끝까지 가는 경로는 오히려 23 % 길다(1,482 m 대 1,202 m). ② 거리를 무시하면 절반도 못 본다. 정보 이득만 고르면 같은 732 s에 39 %다. 큰 미관측 영역을 향해 세계를 가로질러 오가기 때문이다. $\lambda$가 정보와 이동의 교환 비율이라는 말의 뜻이 이것이다. ③ 알고리즘보다 배터리가 먼저 묶는다. 가장 나은 전략도 732 s에 84 %이고, 이것은 귀환 시간을 빼기 전의 값이다(다음 절). 이 결과는 2차원·완벽한 센서의 장난감이다. 3차원 공간과 시야가 좁은 센서에서는 시점 선택에 따른 차이가 더 크게 난다고 보고된다(FUEL 등의 비교 실험) (조건별 확인 필요).

7.14.6 비행체 제약 I — 돌아올 수 있는 영역

7.14.6.1 귀환 조건

땅 위 로봇은 배터리가 떨어지면 멈춰 서서 구조를 기다릴 수 있다. 비행체는 떨어진다. 그래서 탐사의 모든 결정 앞에 "지금 돌아서면 돌아갈 수 있는가"가 놓인다. 2.6.5.2의 귀환 에너지를 탐사로 옮기면 두 식이 된다. 호버에 가까운 저속 비행에서 동력 $P$가 거의 일정하다고 두면 에너지를 시간으로 사용할 수 있다.

$$t+\frac{\ell_{\text{귀환}}(\mathbf p)}{v}+t_{\text{착륙}}\ \le\ T,\qquad c(\mathbf p\to\mathbf v)+\ell_{\text{귀환}}(\mathbf v)\ \le\ v\,\big(T-t-t_{\text{착륙}}\big)$$

첫 식은 지금 돌아서야 하는가, 둘째 식은 그 후보 시점을 고를 수 있는가다. 둘째 식을 만족하는 시점들이 "돌아올 수 있는 영역"이고, 시간이 갈수록 오그라든다. 함정은 $\ell_{\text{귀환}}$이다. 기체는 아는 길로만 돌아올 수 있으므로 출발점까지의 직선거리가 아니라 지나온 공간 위 경로 길이를 사용해야 한다. 오토파일럿의 단순한 귀환 기능은 직선이나 지나온 경로 역추적을 사용한다(2.6.5.1). 지하에서는 직선 귀환이 벽을 뚫는 경로다.

7.14.6.2 직선거리로 판단하면 늦다

7.13.6의 2 kg 쿼드 LIO 구성(체공 13.2분 = 792 s, 20 % 예비는 이미 뺐다)에서 착륙·여유 60 s를 빼 예산 $T=732$ s로 두고, 앞 절의 세계 하나(시드 5870)를 정보 이득 × 거리 벌점 전략으로 탐사하며 매 걸음 귀환 경로를 계산했다.

정보 이득 × 거리 벌점 전략은 600 s에 돌아서야 한다. 그때 귀환 경로는 133 m, 직선거리는 105 m이고 탐사율은 66.4 %다. 출발점까지의 직선거리로 판단하면 654 s까지 탐사를 이어 간다. 그 자리는 출발점과 직선으로 78 m지만 아는 공간 위 귀환 경로는 155 m(2.0배)다. 돌아오는 데 809 s가 들어 예산을 77 s 넘긴다. 체공의 10 %다.

같은 세계에서 최근접 프런티어는 출발점 가까이부터 채워 귀환 경로와 직선의 차가 작았다(640 s 귀환, 직선 판단의 부족 2 s). 그러나 그 탐사에서도 굴곡도(귀환 경로 ÷ 직선거리)는 한때 2.68까지 올랐다. 직선 판단이 맞느냐는 그 순간의 위치에 달린 운이다. 실제 지하에서는 막힌 갱도와 층간 이동 때문에 굴곡도가 이보다 클 수 있다. 그래서 귀환 경로는 지나온 공간의 그래프(7.14.4의 그래프 기반 계열) 위에서 매 결정마다 계산한다.

7.14.6.3 한 번에 못 보면 여러 번 — 출격과 누적 탐사율

예산에 귀환 판단을 넣고, 귀환한 뒤 배터리를 바꿔 이미 아는 지도로 다시 출격하게 했다. 다음 출격도 출발점에서 같은 전략으로 남은 프런티어를 고른다(8개 세계 평균).

"아는 공간 이동 비율"은 새 칸을 하나도 보지 못한 걸음과 귀환 시간의 합을 착륙까지의 시간으로 나눈 값이다.

읽을 것은 셋이다. ① 귀환 판단은 첫 출격의 탐사율을 약 10 %포인트 깎는다. 732 s에서 멈추기만 하면 80~84 %지만(7.14.5), 돌아올 시간을 남기면 72~74 %다. ② 이 크기의 공간은 두 번 출격해야 거의 다 본다. ③ 두 번째 출격은 절반 이상을 이미 아는 공간을 오가는 데 사용한다. 첫 출격은 4분의 1 남짓이다. 출발점에서 띄우는 출격을 거듭할수록 효율이 떨어지고, 마지막 조각을 줍는 출격은 거의 이동뿐이다. SubT 1위 팀의 교훈(7.14.9.3)과 같은 결론이다.

7.14.7 비행체 제약 II — 통신 두절과 중계

지하에서는 위치보다 통신이 먼저 끊긴다(4.10.6). 탐사 드론에게는 세 가지 길이 있다.

① 완전 자율 + 데이터 뮬. 통신 없이 탐사하고, 돌아와서(또는 링크 안으로 들어와서) 지도를 넘긴다. 구성이 가장 가볍다. 사람은 비행 중 아무것도 보지 못하고, 기체를 잃으면 그 출격의 지도도 잃는다. 데이터 뮬은 정보를 실어 나르는 운반자라는 뜻이다.

② 중계 노드 투하. 링크가 약해지는 곳마다 노드를 내려놓아 메시 네트워크를 늘린다(3.10.6). SubT의 공개 팀들이 지상 로봇으로 이 방식을 사용했다(4.10.6). 소형 드론은 노드를 실을 탑재 여유가 작다. CERBERUS의 공중 로봇은 자체 무전기 없이 가장 가까운 와이파이 접속점에 붙는 방식이었다고 팀이 보고했다(Tranzatto 외, 2022). 노드 수는 터널의 길이보다 굽이와 분기가 정한다. 직선 구간의 노드 간격을 150 m로 가정하면 600 m 직선 터널에 노드 4개면 되지만, 굽이·분기가 넷이면 8개가 된다. 홉이 늘수록 종단 처리량은 줄고 지연은 는다(3.16.5.2의 이상 모형에서 5홉 3.3 Mbit/s).

③ 계류. 유선으로 전력과 통신을 받는다(1.14·3.17.5). 체공 제약이 사라지고 영상이 끊기지 않는다. 대신 줄 길이가 탐사 반경이고, 굽이마다 줄이 걸린다.

탐사 효용에 통신을 넣는 연구도 있다. 링크 품질이 문턱 아래로 떨어질 시점을 피하거나, 일정 시간마다 링크 안으로 돌아와 보고하게 하는 식이다. 이 선택은 사람이 얼마나 자주 상황을 봐야 하는가라는 운용 요구가 정한다(7.11).

7.14.8 비행체 제약 III — 미지 공간 앞의 속도와 충돌

7.1.4.3의 식은 감지 거리가 허용하는 속도였다. 탐사에서는 감지 거리보다 앞쪽으로 확인된 빈 공간의 길이 $R$이 먼저 묶인다. 모퉁이 너머는 미관측이고, 미관측은 장애물로 보아야 하기 때문이다(7.13.7.1). 같은 식에 지연 0.3 s·제동 감속 4 m/s²·여유 0.5 m(실내 가정)를 넣으면 다음이다.

좁은 굽이에서는 감지 거리가 아무리 길어도 2~3 m/s를 넘기 어렵다. 그래서 지하 탐사 드론의 속도는 수 m/s로 낮고, 탐사 속도는 비행 성능보다 공간의 꼴이 정한다. 언제나 확인된 빈 공간 안에서 멈출 수 있는 궤적을 짜는 일은 7.12가 다룬다.

좁은 공간에서는 충돌이 예외가 아니다. 두 방향의 설계가 있다. 하나는 충돌 회피를 엄격히 하는 것이고, 다른 하나는 충돌을 견디는 기체다. 보호 케이지로 기체를 감싸 벽에 닿아도 계속 나는 설계가 상용 점검 드론과 SubT 팀(CERBERUS가 Flyability와 함께 개발한 기체)에 사용되었다(Tranzatto 외, 2022). 대가는 질량과 체공이다(4.10.7.1의 가드 0.25 kg이 체공 15 % 감소). 하강풍은 바닥의 먼지를 일으켜 카메라와 LiDAR를 가릴 수 있고, 벽·천장 근처의 재순환은 추력을 변동시킨다(1.2.7.2). 이 효과는 기체·공간마다 달라 시험으로 확인한다 (정량 자료 확인 필요).

7.14.9 DARPA SubT — 공중 로봇이 한 일과 교훈

7.14.9.1 대회의 구조와 결과

DARPA 지하 도전(Subterranean Challenge, SubT)은 로봇 팀이 GNSS와 통신이 없는 지하 공간을 탐사해 정해진 물체("인공물")를 찾고 위치를 보고하는 대회였다. 생존자를 흉내 낸 열 마네킹·휴대전화·배낭이 모든 회차의 공통 인공물이었다(DARPA, 2019-11). 실제 로봇이 겨루는 시스템 경쟁과 시뮬레이션 안에서 겨루는 가상 경쟁이 나란히 열렸다. 터널·도시·동굴 회차의 일정과 결과는 DARPA 발표로, 최종전의 순위는 업계 매체와 참가 기관의 발표로 확인했다.

최종전의 23점 동점은 마지막 인공물을 더 일찍 보고한 팀이 이기는 동점 규칙으로 갈렸다(CERBERUS 팀 보고와 참가 기관 발표). 상금은 1위 200만 달러, 2위 100만 달러, 3위 50만 달러였다. CSIRO Data61은 가장 정확한 보고상도 받았다고 발표했다. 가상 경쟁 최종전은 Dynamo가 1위였다. 4.10.7.3이 최종전 순위를 이미 적었으므로, 여기서는 공중 로봇이 무엇을 했는가에 집중한다.

7.14.9.2 공중 로봇이 한 일

두 상위 팀이 모두 이종 팀에 드론을 넣었다. 그러나 1위 팀의 최종전 점수는 모두 지상 로봇이 냈다(팀 보고). CSIRO Data61 팀에서 드론이 낸 점수와 다른 팀의 공중 로봇 운용은 이 장에서 확인하지 못했다 (확인 필요).

7.14.9.3 공개된 교훈

CERBERUS의 기술 보고(Tranzatto 외, 2022)는 공중 로봇에 대해 다섯 가지를 적었다. 팀 자신의 평가이므로 그렇게 읽는다.

• 지형과 수직 통로에서 유일하다. 비행체만이 험한 지형에 영향받지 않고 완전히 수직인 통로를 다닌다. 앞선 두 회차에서는 계단의 수직 이동을 포함한 탐사를 해냈다.
• 체공이 짧고 탑재량이 작다. 그래서 지상 로봇과 함께 사용해야 한다.
• 출발점이 아니라 깊은 곳에서 띄워야 한다. 모든 로봇이 같은 출발 구역에서 시작해, 비행체를 출발 구역에서 띄우는 일은 위험하고 값이 작았다. 지상 로봇이 비행체를 싣고 들어가 깊은 곳에서 띄우는 모함형(marsupial) 결합이 열쇠라고 보았으나, 개발 시간이 모자라 대회 뒤에야 완성했다.
• 금지 구역 같은 운용 장치가 필요하다. 최종전의 RMF-Owl 사례가 보여 준다.
• 충돌을 견디는 설계가 좁은 공간을 연다.

이 교훈은 이 장의 계산과 연계된다. 출발점에서 띄운 드론은 두 번째 출격부터 체공의 절반 이상을 이미 아는 곳을 오가는 데 사용한다(7.14.6.3). 깊은 곳에서 띄우면 그 시간이 새 공간에 사용된다. 이종 팀의 작업 할당과 모함·도킹은 7.15가 이어서 다룬다.

7.14.10 지하·실내·산림 탐사의 연구

연구의 공통 방향은 셋이다. ① 3차원 프런티어 계산을 가볍게 — 프런티어를 증분으로 관리하고 묶음 단위로 다룬다. ② 긴 임무의 귀환과 재배치 — 지나온 길의 그래프를 유지한다. ③ 이종 팀과 다중 기체 — 지도를 나눠 만들고 합친다(7.13.9·7.15). 산림 하부 탐사는 측량·산림 조사와 이어지며 산출물의 정확도는 6.6.6(식생 투과)과 같은 문제를 가진다.

7.14.11 평가 지표 — 무엇을 재야 비교할 수 있나

귀환율을 빼고 탐사율만 보고하면 무모한 전략이 이긴다. 돌아오지 못한 기체의 지도는 통신이 없으면 남지 않는다. 시험 보고에는 탐사율과 귀환율, 남은 프런티어 목록을 함께 적는 편이 공정하다. 시뮬레이션 비교는 같은 세계·같은 센서·같은 예산에서만 의미가 있다(8.28).

7.14.12 수치 예시·워크스루 — 동굴 6,400 m²를 2 kg 쿼드로

앞 절의 동굴형 세계 하나를 실제 임무처럼 끝까지 따라간다. 가정은 다음이다.

① 첫 출격. 정보 이득 × 거리 벌점 전략으로 600 s에 귀환을 시작해 733 s에 착륙한다. 탐사율은 66.4 %, 출발점에서 가장 멀리 간 귀환 경로는 133 m다(7.14.6.2). 직선거리로 판단했다면 예산을 77 s 넘겼다.

② 두 번째·세 번째 출격. 배터리를 바꿔 같은 지도로 다시 띄우면 두 번째 출격 뒤 99.4 %다. 세 번째 출격이 남은 조각을 마저 보지만 430 s 가운데 94 %를 아는 공간 이동에 사용한다. 남은 0.6 %를 위해 한 번 더 띄울지는 과업이 정한다(찾을 대상이 거기 있을 수 있는가). 같은 세계에서 최근접 프런티어는 두 번(69.9 %, 100 %)에 끝났다.

③ 통신. 귀환 경로 133 m는 직선 구간만이라면 중계 노드 한두 개 거리다. 동굴처럼 굽이가 많으면 노드 수는 길이보다 굽이 수를 따른다(7.14.7). 2 kg 쿼드에는 노드를 실을 여유가 없으므로(질량 대가는 7.13.6) 출격 사이에 사람이나 지상 로봇이 입구 쪽에 깐다. 그렇지 않으면 비행 중 영상은 입구 근처에서만 보이고, 지도는 착륙한 뒤에 넘어온다(데이터 뮬).

④ 위치 보고. 첫 출격의 비행 거리는 약 700 m(733 m)다. 탑재 SLAM의 드리프트가 0.5 %면 3.5 m, 1 %면 7 m다(7.13.5). 보고 기준 5 m에 0.5 %는 들어가고 1 %는 넘는다. 출발점으로 돌아올 때의 루프 폐쇄가 지도를 당겨 주지만 그 효과는 루프의 한가운데에서 가장 작다(7.13.5.2). 출격마다 같은 출발 패드에서 시작해 지도를 이어 붙이면 다음 출격의 좌표 기준이 유지된다.

⑤ 속도. 1 m/s는 좁은 굽이(앞쪽 확인 공간 2 m)의 안전 속도 2.5 m/s보다 낮다. 넓은 곳에서 더 빨리 날면 같은 체공에 더 넓게 본다. 이 시뮬레이션은 결정 지연과 모퉁이 감속을 넣지 않아 탐사율이 속도에 정비례하므로 그 이득을 과장한다. 실제로는 지도 갱신·프런티어 계산의 주기와 모퉁이마다의 감속이 이득을 깎는다(7.14.8).

⑥ 결론. 2 kg 쿼드 한 대로 약 6,400 m² 단면의 동굴을 보려면 두세 번 출격한다. 첫 출격은 4분의 1, 두 번째는 절반 이상의 시간을 아는 공간 이동과 귀환에 사용한다. 출격 사이의 배터리 교체와 지도 이어 붙이기가 운용의 일부가 된다. 같은 일을 깊은 곳에서 띄운 드론(모함형)이나 계류 드론으로 하면 무엇이 달라지는지가 다음 절의 선택이다.

7.14.13 설계 트레이드오프 — 무엇이 들어가는가

① 자율 드론 한 대. 가볍고 빠르게 투입한다. 체공이 탐사 범위를 정하고, 통신이 없으면 기체를 잃을 때 지도도 잃는다. 수 분 안에 첫 정보가 필요한 재난 초기 정찰에 맞다.

② 계류 드론. 체공과 통신을 줄로 산다(1.14). 탐사 반경이 줄 길이이고 굽이에서 줄이 걸린다. 입구 가까운 공간을 오래 관측하는 데 맞다.

③ 이종 팀(지상 운반 + 드론). 지상 로봇이 중계 노드를 깔고 드론을 깊은 곳까지 실어 날라 띄운다. SubT 상위 팀의 구성이다. 비용과 복잡성이 크고, 팀 사이 지도 병합과 작업 할당이 따로 문제다(7.15).

④ 사람의 원격 조종 + 보조 자율. 숙련된 조종자가 영상으로 들어가고 기체는 충돌 회피와 귀환만 맡는다. 통신이 유지되는 범위에서만 된다. 오늘날 상용 실내 점검 드론의 다수가 이 방식이다 (경험 범위).

견해: 지하·재난 탐사에서 드론은 단독 주역보다 이종 팀의 "수직·고속 정찰 부품"으로 설계하는 편이 맞다고 본다. 근거는 셋이다. 첫째, 이 장의 계산에서 2 kg 쿼드 한 번의 출격은 6,400 m² 단면의 70 % 남짓(약 4,600 m²)을 보고 돌아오는 정도다(7.14.6.3). 둘째, SubT 최종전에서 1위 팀의 점수는 모두 지상 로봇이 냈고, 그 팀 스스로 비행체를 깊은 곳에서 띄워야 한다고 결론지었다(7.14.9.3). 셋째, 수직 갱·계단·높은 공동처럼 비행체만 갈 수 있는 곳이 분명히 있다. 반대 입장은 가볍고 값싼 드론 여러 대를 동시에 띄우는 것이 지상 로봇보다 빠르고 싸다고 본다. 넓고 장애물이 적은 공간(큰 창고·지하 주차장)에서는 그 입장이 맞을 수 있다.

7.14.14 세 축 비교

7.14.15 관련 규격·프로토콜

자율 탐사 알고리즘을 규정한 표준은 없다. 위 문서는 탐사 체계의 통신·인터페이스·시험법이다. 유료 표준은 구조 수준으로만 다뤘다.

7.14.16 관련 규제·인증 요구와의 연결

7.14.17 함정과 한계

이 장의 한계도 밝힌다.

• 시뮬레이션은 2차원 단면이다. 3차원의 수직 통로·천장·센서 시야각은 넣지 않았다. 동굴형 세계는 셀룰러 오토마타로 만든 가상이며 실제 광산·건물의 꼴과 다르다.
• 센서·지도는 완벽하다고 두었다. 드리프트(7.13.5)·가짜 관측·동적 물체가 없다. 실제 탐사에서는 위치 오차가 귀환 경로와 보고 위치를 함께 변동시킨다.
• 에너지는 시간에 비례한다고 두었다. 바람·상승·기동의 동력 변화와 배터리 잔량 추정 오차(1.22)는 예비로 흡수했다고 가정했다.
• SubT의 공중 로봇 교훈은 주로 한 팀(CERBERUS)의 자기 보고다. 다른 팀의 공중 로봇 운용 자료는 확인하지 못했다.

7.14.18 체크포인트·연구 질문

체크포인트

1. 커버리지와 탐사의 차이를 "시작할 때 아는 것"과 "끝의 정의"로 설명하라.
2. 프런티어의 정의를 사용하고, "가장 가까운 프런티어"의 거리가 왜 직선거리가 아닌지 말하라.
3. 효용 $U=I\,e^{-\lambda c}$에서 $\lambda=0$이면 무슨 일이 생기는가? 이 장의 시뮬레이션 결과로 답하라.
4. 귀환 조건의 두 식은 각각 무엇을 묻는가? 직선거리로 판단하면 왜 예산을 넘기는가?
5. 앞쪽으로 확인된 빈 공간이 3 m이면 멈출 수 있는 최대 속도는 얼마인가(지연 0.3 s·감속 4 m/s²·여유 0.5 m)?
6. SubT 최종전에서 1위 팀이 공중 로봇에 대해 얻은 교훈 두 가지를 말하고, 이 장의 출격 계산과 연결하라.

연구 질문 — 이 장에서 파생되는 열린 주제(25.7에 모은다)

1. 귀환 보장 탐사 — 위치 추정 오차와 배터리 잔량 추정 오차를 함께 넣고도 귀환 확률을 정해진 수준 이상으로 보장하는 탐사 정책을 만들 수 있는가(2.6·7.8과 연결)?
2. 모함형 이종 팀의 최적 투하 — 지상 로봇이 드론을 어디서 띄워야 팀 전체의 탐사율이 가장 커지는가? 투하 지점 선택을 탐사 효용에 어떻게 넣는가(7.15와 연결)?
3. 통신을 고려한 탐사 — 중계 노드의 수가 정해졌을 때 노드 투하 위치와 탐사 순서를 함께 최적화할 수 있는가(3.10·4.10과 연결)?
4. 탐사 평가의 표준화 — 서로 다른 세계·센서에서 나온 탐사 결과를 공정하게 비교하는 지표와 공개 시험 환경을 만들 수 있는가(25.5·8.28과 연결)?

1차 출처(이 장)

• Yamauchi, B., "A Frontier-Based Approach for Autonomous Exploration," Proc. IEEE International Symposium on Computational Intelligence in Robotics and Automation (CIRA), 1997.
• Connolly, C. I., "The Determination of Next Best Views," Proc. IEEE ICRA, 1985.
• Bircher, A. 외, "Receding Horizon 'Next-Best-View' Planner for 3D Exploration," Proc. IEEE ICRA, 2016.
• Cieslewski, T.; Kaufmann, E.; Scaramuzza, D., "Rapid Exploration with Multi-Rotors: A Frontier Selection Method for High Speed Flight," IROS 2017.
• Zhou, B. 외, "FUEL: Fast UAV Exploration Using Incremental Frontier Structure and Hierarchical Planning," IEEE Robotics and Automation Letters 6(2), 2021. Cao, C. 외, "TARE: A Hierarchical Framework for Efficiently Exploring Complex 3D Environments," Robotics: Science and Systems, 2021.
• Dang, T. 외, "Graph-based subterranean exploration path planning using aerial and legged robots," Journal of Field Robotics 37(8), 2020.
• Tabib, W. 외, "Autonomous Cave Surveying With an Aerial Robot," IEEE Transactions on Robotics 38(2), 2022.
• Liu, X. 외, "Large-scale Autonomous Flight with Real-time Semantic SLAM under Dense Forest Canopy," IEEE Robotics and Automation Letters 7(2), 2022. Zhou, X. 외, "Swarm of micro flying robots in the wild," Science Robotics 7(66), 2022.
• Tranzatto, M. 외, "Team CERBERUS Wins the DARPA Subterranean Challenge: Technical Overview and Lessons Learned," arXiv:2207.04914, 2022(팀 자기 보고 — 공중 로봇의 구성·최종전 운용·교훈).
• DARPA 발표: 터널 회차 결과(2019-08), 공통 인공물 안내(2019-11), 도시 회차 결과(2020-02-27), 동굴 회차 시스템 경쟁 취소(2020-07) — darpa.mil(1차, 취소 발표는 업계 매체의 인용으로 확인). 최종전 순위·점수·상금은 업계 매체(Robotics 24/7, 2021-09-27)와 참가 기관(CSIRO·ETH/NCCR Robotics·카네기멜런대) 발표로 확인(2차·당사자). CSIRO Data61 팀의 드론 구성은 Emesent 발표(2021-09-24, 당사자).
• 수식과 시뮬레이션은 위 문헌의 표준 정식화를 따랐고 수치는 모두 이 장의 계산이다.

출처를 찾고 판을 추적하는 방법은 0.9에서 다룬다.

다음 장: 1.33에서는 날기만 하지 않는 비행 로봇을 다룬다. 호버가 비싸다는 사실(1.2)에서 출발해, 나뭇가지·벽·천장에 앉거나 붙어 체공 시간을 사는 퍼칭과 부착, 바퀴로 굴러가는 주행-비행 겸용, 물과 공기를 오가는 수중-공중 이동의 원리와 설계 대가를 정리한다.