오프로드 환경에서 굴절식 차량을 위한 적응형 샘플링 기반 Model Predictive Path Integral 경로 계획 및 제어 기법 개발 = Development of an Adaptive Sampling-based Model Predictive Path Integral Path Planning and Control Method for Articulated Vehicles in Off-road Environments

국문 초록 (Abstract)

최근 건설 산업에서는 생산성과 안전성을 동시에 확보하기 위한 자율주행 기술의 필요성이 급격히 증가하고 있다. 그러나 기존의 자율주행 제어 방식은 비정형적인 오프로드 환경과 굴절식 덤프트럭의 복잡한 동역학 특성을 충분히 반영하지 못해 실시간 제어 안정성과 안전성을 동시에 확보하는 데 한계가 있었다. 본 연구는 이러한 문제를 해결하기 위해 적응형 샘플링 기반 Model Predictive Path Integral(MPPI) 제어기법을 적용하여 오프로드 환경에서의 안전하고 강건한 자율주행 제어 알고리즘을 제안한다. 제안된 적응형 샘플링 MPPI 기법은 샘플링 과정에서 각 제어 시퀀스의 비용 정보를 활용해 상위 샘플의 평균과 공분산을 실시간으로 갱신함으로써, 전체 샘플 분포가 저비용 구간으로 수렴하도록 설계되었다. 이를 통해 무의미한 탐색 영역을 줄이고, 현재 주행 상황에 최적화된 확률적 제어 입력을
도출함으로써 근사 최적 제어 도출 방식을 향상시킨다. 또한 굴절식 덤프트럭의 주요 운행 환경인 채석장과 절벽 지형에서의 안전 확보를 위해 단차 제한 제약 조건을 설계하였다. 이를 위해 시뮬레이터인 Vortex Studio 내에서 채석장 지형의 포인트 클라우드 데이터를 추출하고, 고저차 정보가 반영된 엘리베이션 그리드맵을 생성하였다. 차량 모델의
전차체와 후차체 중심 좌표를 기준으로 각 모서리의 위치를 추정하고, 예측 지평선 상의 연속된 시간 스텝 간 고저차를 비교하여 단차 임계값을 초과하지 않도록 제어 입력에 제한을 부여하였다. 이를 통해 절벽이나 급경사 지형에서 차량의 추락 위험을 효과적으로 억제하였다. 본 연구에서 제안한 알고리즘은 건설기계 특화 시뮬레이터인 Vortex Studio를 활용한 디지털 트윈 기반 시뮬레이션 환경에서 검증되었다. 절벽 구간, 고저차 지형 등 다양한 오프로드 시나리오를 구성하여 제어 성능과 단차 제한에 의한 거동안정성 효과를 평가한 결과, 제안된 기법이 기존 MPPI 대비 높은 안정성과 효율성을 보이는 것으로 확인되었다.

다국어 초록 (Multilingual Abstract)

This study presents an autonomous driving control framework for articulated dump trucks operating in off-road environments with significant elevation changes. An Adaptive Importance Sampling (AIS) procedure was integrated into the Model Predictive Path Integral (MPPI) controller to improve sampling efficiency and generate more stable control inputs. In addition, an elevation-based drop-off constraint was developed to prevent the vehicle from entering hazardous low-ground regions. Simulation experiments were conducted in terrain with pronounced elevation gaps and uneven surfaces. The results show that the proposed approach effectively avoids drop-off areas and produces stable articulation steering and roll motions, demonstrating improved safety and reliability for off-road autonomous driving.

목차 (Table of Contents)

• 1 서론 1
• 1.1 연구 배경 1
• 1.2 연구 동향 4
• 1.2.1 경로 설계 및 제어 기법 4
• 1.2.2 적응형 샘플링 기법 6
• 1.3 연구 목표 8
• 2 Model Predictive Path Integral 제어 기법 10
• 2.1 개요 10
• 2.2 MPPI 제어 기법 11
• 2.2.1 예측 모델 12
• 2.2.2 비용 함수 12
• 2.2.3 제약 조건 13
• 3 적응형 샘플링 기반 MPPI 지역 경로 생성 및 제어 기법 설계 14
• 3.1 MPPI의 한계와 적응형 샘플링 필요성 14
• 3.2 거동 예측 모델: Articulated Kinematic Vehicle 16
• 3.3 적응형 샘플링 기법 설계 19
• 3.4 비용 함수 및 제약 조건 22
• 3.4.1 비용 함수 22
• 3.4.2 제약 조건 24
• 4 오프로드 환경 시뮬레이션 결과 29
• 4.1 개요 29
• 4.2 적응형 샘플링 MPPI 성능 검증 32
• 4.2.1 적응형 샘플링 MPPI 검증 시나리오 33
• 4.2.2 적응형 샘플링 MPPI 검증 시나리오 결과 35
• 4.3 단차 제약 조건 성능 검증 37
• 4.3.1 단차 제약 조건 검증 시나리오 38
• 4.3.2 단차 제약 조건 검증 시나리오 결과 39
• 4.4 통합 성능 검증 41
• 4.4.1 통합 성능 검증 시나리오 42
• 4.4.2 단차 구간 시나리오 결과 42
• 4.4.3 통합 시나리오 결과 45
• 5 결론 50
• 참고 문헌 52
• Abstract 54