단일 에이전트 온라인 경로 계획: 연속·예측불가·고동적 환경을 위한 통합 접근법

**1. 서론** 논문은 연속적인 2차원 공간에서 움직이는 장애물이 예측 불가능하게 변하는 상황에서, 홀로노믹 로봇이 목표 지점까지 충돌 없이 이동하도록 하는 온라인 경로 계획 문제를 정의한다. 기존 연구는 셀 분할(D*), 부분적 환경 인식, 고차원 구성 공간 등 다양한 접근을 시도했지만, 실시간성, 최적성, 재계획 비용 사이의 트레이드오프가 여전히 존재한다. 저자는 완전한 환경 정보를 가정하고, 온라인·오프라인 알고리즘을 모두 고려한다. **2. 관련 연구** - **RRT 계열**: 기본 RRT, Execution‑Extended RRT(ERRT), Dynamic RRT(DRRT), Multipartite RRT(MP‑RRT) 등을 소개하고, 각각이 초기 경로 탐색은 빠르지만 재계획 시 연산량이 크게 증가한다는 공통점을 지적한다. - **진화적 플래너/네비게이터(EP/N)**: 유전 연산자를 활용해 경로를 진화시킨다. 초기 탐색이 느리지만, 이미 존재하는 경로를 빠르게 수정하고 다양한 목적 함수를 직접 최적화할 수 있다. **3. 제안 기법** 세 가지 단계로 구성된 다단계 하이브리드 알고리즘을 제안한다. *3.1 초기 계획* DRR‑T 또는 MP‑RRT와 같은 동적 RRT 변형을 사용해 현재 장애물 배치를 고려한 거친 경로를 만든다. 샘플링 전략은 목표 편향 확률을 낮게 잡아 탐색 범위를 넓히고, 트리 성장 속도를 높인다. *3.2 로컬 네비게이션* ‘arc’ 연산자와 ‘mut’ 연산자를 활용한 정보 기반 로컬 서치를 적용한다. 로봇이 현재 위치와 최신 장애물 정보를 받아, 기존 경로의 충돌 구간을 최소한의 수정으로 회피한다. 이는 진화 연산의 경량화 버전으로, 충돌 감지와 회피를 실시간으로 수행한다. *3.3 경로 최적화* 단순 탐욕적 휴리스틱을 통해 경로 상의 불필요한 점들을 제거하고, 가능한 직선 구간을 늘린다. 이 단계는 연산 비용이 거의 없으며, 실시간 루프에 삽입해도 프레임 레이트에 영향을 주지 않는다. **4. 실험 설정 및 결과** 세 가지 시나리오를 구축한다. - *동적 환경*: 장애물이 지속적으로 움직이며, 위치가 매 타임스텝마다 업데이트된다. - *부분적으로 알려진 환경*: 장애물이 로봇이 접근할 때만 감지된다. - *완전히 알려지지 않은 환경*: 초기에는 장애물이 보이지 않으며, 로봇이 근접할 때만 나타난다. 각 시나리오에서 제안 알고리즘, DRR‑T, RE‑RRT, 순수 EP/N을 비교한다. 주요 평가지표는 성공률, 평균 경로 길이, 재계획 시간이다. 결과는 다음과 같다. - **성공률**: 제안 방법이 85%~92%로, 기존 방법보다 15~25% 높았다. - **경로 길이**: 평균 10~18% 짧아졌으며, 특히 부분적으로 알려진 환경에서 큰 개선을 보였다. - **재계획 시간**: 평균 30~45% 감소, 실시간 제어에 적합한 수준을 유지했다. 시각적 결과(맵 1·2)와 시간·성공률 그래프는 제안 방법이 급격한 장애물 변동에도 안정적으로 경로를 유지함을 보여준다. **5. 결론 및 향후 연구** 다단계 접근이 RRT의 빠른 전역 탐색과 EP/N의 효율적인 로컬 수정 능력을 성공적으로 결합함을 입증했다. 제안 방법은 구현이 간단하고, 계산 비용이 낮아 제한된 하드웨어에서도 적용 가능하다. 향후 연구 방향으로는 (1) 센서 노이즈와 불완전 정보 상황을 고려한 확률적 로컬 서치, (2) 비홀로노믹 로봇(예: 비선형 동역학) 적용을 위한 kinodynamic 제약 통합, (3) 고차원(3D) 환경으로의 확장 등을 제시한다. **전체적인 의의**는 동적, 예측 불가능한 환경에서 실시간으로 경로를 재계산해야 하는 로봇 시스템에, 복잡한 최적화 기법 없이도 충분히 경쟁력 있는 성능을 제공할 수 있음을 증명한 점이다.