A Study on Communication-Aware Deployment of Mobile Relay Robots in Indoor Disaster Environments Using Spatiotemporal Channel Prediction and Hierarchical Predictive Control

국문 초록 (Abstract)

실내 재난 환경에서는 고정 통신 인프라가 손상되거나 음영 지 역이 발생하기 때문에, 탐색 로봇과 지휘소 사이의 안정적인 무선 연결을 유지하기 위한 이동형 중계 로봇의 자율 배치가 중요하다. 본 논문은 실내 재난 환경에서 이동형 중계 로봇의 통신 연결성을 유지하기 위해 시공간 채널 예측과 타원형 튜브 MPC 기반 계층적 예측 제어를 결합한 통합 프레임워크를 제안한다. 제안 방법은 ITU-R 기반 경로손실 모델의 잔차를 시간적 성분 과 공간적 성분으로 분해한다. 시간적 잔차는 ARX-Kalman 필터를 통해 온라인 RSSI 측정값으로부터 추정하고, 공간적 잔차는 Gaussian process 회귀를 통해 미방문 영역의 음영 구조를 예측한다. 두 예측 성분은 평균 및 분산 형태로 통합되어 상위 및 하위 제어기에 전달 되며, 이를 통해 통신 제약을 확률적으로 고려할 수 있다. 제어 구조는 상위 분산 MPC 와 하위 적응형 타원형 Tube MPC 로 구성된다. 상위 제어기는 중계 로봇의 배치 위치와 연결 구조를 결정하고, 하위 제어기는 비홀로노믹 이동 로봇의 운동 불확실성과 통신 불확실성을 고려하여 튜브로 강화된 통신·장애물 제약을 만족 하는 이동 명령을 생성함으로써 안전 여유를 확보한다. 제안된 튜브 구조는 통신 제약과 장애물 회피 제약을 동시에 강화하여 좁은 통로 와 비가시선 환경에서도 신뢰성 있는 연결 유지가 가능하도록 설계 되었다. MATLAB 시뮬레이션은 Three-Room, Warehouse, Parking-Hall 시나 리오에서 수행되었으며, Static, CARA, ARX-KF DMPC, Proposed 방법을 비교하였다. 제안 방법은 중계 로봇 수, 연결성 만족률, 위반율, 처리 량 측면에서 기존 방법 대비 향상된 성능을 보였다. 또한 Unitree Go2 탐색 로봇과 AgileX Limo Pro 중계 로봇을 이용한 하드웨어 실험 을 통해 실제 로봇 시스템에서의 적용 가능성을 검증하였다. 본 연구는 시공간 채널 예측과 계층적 예측 제어를 통합함으로 써 실내 재난 환경에서 통신 연결 유지를 위한 이동형 중계 로봇 제 어의 실용성과 확장 가능성을 제시한다.

목차 (Table of Contents)

• Chapter 1 Introduction 1
• 1.1 Study Background 1
• 1.2 Problem Statement and Challenges 4
• 1.3 Related Work and Research Gaps 6
• 1.4 Research Contributions 10
• 1.5 Dissertation Organization 14
• Chapter 2 System Model and Unified Problem Formulation 16
• 2.1 Relay Network Architecture 16
• 2.2 Differential-Drive Relay Model 18
• 2.3 Indoor Radio Model and Spatiotemporal Residual Decomposition 19
• 2.3.1 Nominal Path-Loss Model 19
• 2.3.2 Spatiotemporal Residual Decomposition and Online Dataset 21
• 2.4 Unified Communication-Preserving Navigation Problem 23
• 2.4.1 Probabilistic Communication-Preserving Condition 24
• 2.4.2 Upper-Layer Relay Deployment 25
• 2.4.3 Lower-Layer Local Communication-Preserving Navigation 26
• 2.4.4 Information Flow Between Layers 27
• Chapter 3 Spatiotemporal Channel Prediction 29
• 3.1 ITU-R Model Augmentation and Residual Decomposition 29
• 3.2 Temporal Channel Estimation: ARX-Kalman Filter 32
• 3.2.1 ARX Dynamics for the Correction State 32
• 3.2.2 Kalman Recursion 33
• 3.2.3 Multi-Step Prediction and Variance Propagation 34
• 3.2.4 Theoretical Analysis 36
• 3.3 Spatial Channel Prediction: Gaussian Process Regression 39
• 3.3.1 Residual-Based GP Model and SE Kernel 39
• 3.3.2 Posterior Mean and Variance 41
• 3.3.3 Conservative Communication Field via Lower Confidence Bound 42
• 3.3.4 Local Lipschitz Smoothness Bound 43
• 3.4 Unified Spatiotemporal Channel Forecast 45
• 3.4.1 Combined Mean. 45
• 3.4.2 Combined Variance Under Independence 46
• 3.4.3 Unified LCB and Information Flow to the Controllers 47
• 3.4.4 Validity of the Independence Assumption and Design Rationale 48
• 3.5 Online Memory Management 50
• 3.6 Empirical Validation on Real RSSI Logs 51
• 3.7 Chapter Summary 55
• Chapter 4 Two-Layer Predictive Control Architecture 56
• 4.1 Two-Layer Architecture Overview 56
• 4.2 Upper-Layer Distributed MPC for Relay Deployment 58
• 4.2.1 Deterministic Reformulation of the Probabilistic Connectivity Constraint 58
• 4.2.2 Uncertainty-Aware Stage Cost 59
• 4.2.3 Local QCQP Formulation 61
• 4.2.4 Distributed Coordination via ADMM 63
• 4.2.5 Recursive Feasibility Under Slack Augmentation 65
• 4.3 Lower-Layer Adaptive Ellipsoidal Tube MPC 67
• 4.3.1 Nominal and Actual Relay Dynamics 67
• 4.3.2 Adaptive Disturbance Set 69
• 4.3.3 Closed-Loop Ellipsoidal Tube and Scalar-Radius Recursion . 71
• 4.3.4 Tube-Tightened Constraints 73
• 4.3.5 Finite-Horizon Optimization Problem 75
• 4.3.6 Theoretical Analysis: Tube Invariance, Recursive Feasibility, and Uniform Ultimate Boundedness 78
• 4.4 Composite Recursive Feasibility and Stability of the Two-Layer Architecture 86
• 4.4.1 Composite Recursive Feasibility 86
• 4.4.2 From Feasibility to Stability 88
• 4.5 Computational Considerations 94
• 4.6 Chapter Summary 95
• Chapter 5 Integrated Simulation Validation 97
• 5.1 Simulation Setup 98
• 5.1.1 Simulation Scenarios 98
• 5.1.2 Compared Controllers 99
• 5.1.3 Evaluation Metrics and Computational Profile 101
• 5.2 Simulation Results 102
• 5.2.1 Three-Room Scenario 103
• 5.2.2 Warehouse Scenario 111
• 5.2.3 Parking-Hall Scenario 121
• 5.3 Cross-Scenario Discussion 130
• Chapter 6 Principal Hardware Experiment 134
• 6.1 Experimental Setup 134
• 6.1.1 Hardware Platforms 134
• 6.1.2 On-Board Implementation of the Proposed Controller 136
• 6.1.3 Experimental Site and Two Scenarios 138
• 6.2 Indoor-Corridor Scenario Results 140
• 6.3 Outdoor-Solar-Pillar Scenario Results 149
• 6.4 Limitations and Conclusions 159
• Chapter 7 Conclusion 161
• References 164
• Acknowledgements 181