군집 로봇의 스펙트럼 분석으로 환경 형상 인지

군집 로봇은 최소한의 센싱과 연산으로 자율 조직화를 통해 다양한 작업을 수행하지만, 로봇이 작동하는 공간적 맥락, 즉 환경의 형상을 파악하는 것과 같은 전역적 과제에 어려움을 겪습니다. 본 연구는 로봇이 엄격히 국소적인 상호작용을 통해 군집의 기하학적 구조에 대한 전역 스펙트럼 기술자를 복구하는 '스펙트럼 군집 로봇 공학' 프레임워크를 제안합니다. 이를 위해 로봇들은 확산을 모방하여 라플라시안 스펙트럼 불변량(Laplacian spectral invariants)을 국소적으로 추정합니다. 이 값들은 일반적으로 중앙 집중식 연산을 통해서만 얻을 수 있는 양으로, 환경에 대한 압축된 기술자로 기능합니다. 개념 증명 단계에서 로봇들은 두 번째 라플라시안 고유값(λ2)을 추정하고 이를 사용하여 고유한 스펙트럼 서명을 가진 미리 정의된 형상들로부터 환경을 분류했습니다. 단일 고유값 추정만으로도 선택된 폐쇄 환경 간의 단일 분류가 충분함을 보였습니다. 또한, 강건한 추정을 보장하는 군집 크기(전역 매개변수)와 상호작용 반경(국소 매개변수) 간의 스케일링 법칙을 발견했습니다. 두 가지 하드웨어 플랫폼(Kilobots 및 Pogobots)에서 실험적으로 검증한 결과, 실제 노이즈 및 희소 연결성 조건에서도 환경 형상을 안정적으로 분류할 수 있었습니다. 본 연구는 라플라시안 스펙트럼 불변량의 국소적 복구가 군집의 전역 구조에 효율적인 집단 행동이 크게 의존하는 환경에서 군집 로봇 공학의 새로운 길을 열 수 있음을 시사합니다.