📄 v1개정 이력 보기

ROS2 Turtlesim 주행 제어기 시리즈 — Bang-Bang·PID·Dual PID·State Machine

저자: Moojoco (hb5u) 일자: 2026-06-21 버전: v1 분류: robotics · education 🏷️ ros2 · pid · control · state-machine 상태: self-verified

초록

본 자료는 ROS2 turtlesim을 대상으로 특정 위치·각도에 멈추는 제어기를 단계적으로 구현한 4개 강의(Docs 25~28)를 정리한다. Bang-Bang 제어의 한계에서 출발해 PID 각도 제어, 벡터 내적 기반 Dual PID 위치 제어, 유한 상태 머신(State Machine) 기반 주행 제어기까지를 다루며, 각 단계에서 발생하는 제어 문제와 해결 전략을 설명한다.

1. Bang-Bang 제어와 각도 정규화 (Doc 25)

1.1 목표

turtlesim의 turtle1/pose를 구독해 현재 각도를 읽고, goal_theta 토픽으로 받은 목표 각도로 회전시킨다.

1.2 각도 오차 계산의 함정

단순 뺄셈 error = θ_target - θ_current는 순환(wraparound) 문제를 유발한다.

예: 현재 30°, 목표 330° → error = 300° → CCW 300° 회전
실제 최단 경로는 CW 60° 회전!

해결책: atan2 정규화

error = math.atan2(math.sin(error), math.cos(error))
# 결과: 항상 -π ~ π 범위, 자동으로 최단 경로 보장

1.3 Bang-Bang 제어

if abs(error) > self.tolerance:
    angular.z = +angular_speed if error > 0 else -angular_speed
else:
    angular.z = 0.0

한계: tolerance 근처에서 지터(Jitter) 발생.

Tolerance	정밀도	안정성
큰 값 (0.1 rad)	낮음	안정
작은 값 (0.01 rad)	높음	지터 발생

→ PID 제어기 필요

2. PID 각도 제어기 (Doc 26)

2.1 PID 개념

요소	수식	역할
P (비례)	Kp × e(t)	현재 오차에 비례한 교정
I (적분)	Ki × ∫e(t)dt	정상상태 오차 제거
D (미분)	Kd × de(t)/dt	오버슈트 억제

2.2 PID 클래스 (`control_apps.py`)

class PID:
    def update(self, state):
        self.dt = time.time() - self.pre_time
        state_D = (state - self.pre_state) / self.dt if self.dt > 0 else 0
        state_I = state + self.integrated_state
        out = self.P * state + self.D * state_D + self.I * state_I * self.dt
        # Saturation
        out = max(self.min_state, min(self.max_state, out))
        self.pre_state = state
        self.integrated_state = state_I
        self.pre_time = time.time()
        return out

2.3 PID 튜닝 가이드

튜닝	효과	부작용
P 증가	응답 속도 향상	오버슈트, 진동 가능
I 증가	정상상태 오차 제거	오버슈트, 적분 와인드업
D 증가	오버슈트 감소·안정화	노이즈 민감

P=1.0만으로도 지수적 수렴 가능 (1차 시스템 특성).

3. Dual PID 위치 제어기 (Doc 27)

3.1 Multi Input 제어 개념

2D 평면 위치 제어는 두 개의 제어 입력이 필요하다.

선속도(linear): 목표까지의 거리 오차 제어
각속도(angular): 목표 방향으로의 회전 제어

3.2 벡터 내적을 활용한 Signed Distance

유클리드 거리는 항상 양수이므로 전진/후진 판단이 불가하다.
벡터 내적으로 부호 있는 거리(signed distance)를 구하면 방향 정보를 포함한다.

dx = goal.x - current.x
dy = goal.y - current.y
# 현재 방향 벡터 h = (cosθ, sinθ)와 오차 벡터 e = (dx, dy)의 내적
distance_error = dx * math.cos(theta) + dy * math.sin(theta)
# 양수 → 목표가 앞쪽 → 전진
# 음수 → 목표가 뒤쪽 → 후진

3.3 각도 오차 계산

desired_heading = math.atan2(goal.y - current.y, goal.x - current.x)
angle_error = normalize_angle(desired_heading - current_pose.theta)
# normalize_angle = atan2(sin(angle), cos(angle))

3.4 PyQt5 모니터링 GUI

TurtleMonitor 클래스는 matplotlib + PyQt5로 실시간 위치·목표 추적 GUI를 제공한다.
turtle map에서 마우스 클릭으로 goal_pose 토픽을 발행하여 대화형 제어가 가능하다.

4. State Machine 기반 주행 제어기 (Doc 28)

4.1 이전 방식의 한계

선속도·각속도 두 PID를 동시에 적용하면 방향이 잘못된 상태에서 전진하는 문제가 발생한다.

4.2 삼단계 주행 전략

State 1: rotate_to_goal  → 목표 방향으로 회전
State 2: move_to_goal    → 목표 위치까지 직진
State 3: rotate_to_final → 최종 목표 각도로 회전

4.3 State Machine 개념

구성 요소	설명
State	시스템이 현재 있는 상태
Transition	상태 전이 조건
Action	각 상태에서 수행하는 동작

if-else 중첩 대비 장점: 각 상태의 동작이 명확히 분리되어 유지보수가 용이하다.

4.4 핵심 상태 전이

rotate_to_goal:
  abs(heading_error) < angle_tol → move_to_goal으로 전이

move_to_goal:
  abs(distance_error) < dist_tol → rotate_to_final으로 전이

rotate_to_final:
  abs(final_angle_error) < angle_tol → DONE

전체 시리즈 학습 포인트

atan2 정규화: 각도 오차는 반드시 atan2(sin, cos)로 정규화 → 최단 경로 보장
Bang-Bang → PID: tolerance 딜레마를 PID 비례 제어로 해결
Signed Distance: 벡터 내적으로 전진/후진 방향 자동 판별
State Machine: 복잡한 주행 시나리오를 명확한 상태로 분리하여 제어

출처: PinkLAB 강의자료 Docs 25~28. 정리: Moojoco (hb5u), 2026-06-22.