딥 에너지 모델을 이용한 다중 로터 UAV의 CVaR 기반 비행 에너지 위험 평가

무인 항공기(UAV) 비행의 위험 평가에서 에너지 관리는 핵심적인 요소이며, 비행 중 배터리가 고갈되면 거의 확실하게 기체 손상이 발생할 뿐만 아니라 인명 부상이나 재산 피해의 고위험 상황이 초래된다. 비행 시 소비되는 에너지량을 예측하는 것은 경로, 날씨, 장애물 등 다양한 요인이 전반적인 에너지 소비에 영향을 미치기 때문에 도전적인 과제이다. 본 연구에서는 시간에 따라 변화하는 특징을 잡기 위해 시계열 컨볼루션 네트워크(Temporal Convolutional Networks)를 활용하면서 정적 맥락 정보도 통합하는 깊은 에너지 모델을 개발하였다. 제안하는 에너지 모델은 실제 비행 데이터셋을 기반으로 훈련되며, 비행을 특정 구간으로 나누어 분석할 필요가 없다. 기존 최고 수준의 분석적 방법과 비교하여 테스트 비행에서 전력 예측 정확도가 약 29% 향상됨을 입증하였다. 본 에너지 모델을 활용하면 주어진 비행 경로에 대한 에너지 사용량을 예측하고, 비행 중 배터리 고갈 위험을 평가할 수 있다. 이 위험을 정량화하기 위해 조건부 가치하락(Conditional Value-at-Risk, CVaR)을 사용하는 방안을 제안한다. CVaR는 몬테카를로 전방 시뮬레이션 결과의 출력 분포를 위험 공간(risk space)으로 변환함으로써, 정상 경로에서 최악의 에너지 소비에 관련된 위험을 효과적으로 포착함을 보여준다. 위험 공간 분포에 대해 CVaR를 계산함으로써, 이륙 전에 비행의 종합적 위험 수준을 평가할 수 있는 지표를 제공한다. 제안하는 에너지 모델과 위험 평가 방법은 비행 안전성을 향상시키고, 제안된 이륙 위치에서의 커버리지 영역을 효과적으로 평가할 수 있다.비디오 및 코드베이스는 다음 링크에서 확인할 수 있다: https://youtu.be/PHXGigqilOA 및 https://git.io/cvar-risk.