협동 인포택시: 확률적 목표 탐색의 시너지와 최적 전략

본 연구는 다중 탐색 에이전트가 불확실한 목표를 찾는 과정에서 정보를 어떻게 공유하고 활용할 수 있는지를 정보 이론적 틀 안에서 체계적으로 탐구한다. 서론에서는 실제 세계에서의 다양한 공간 탐색 사례(핵·화학 물질 탐지, 눈사태 후 스키어 구조 등)를 소개하고, 이러한 문제들이 ‘불확실성 감소’를 목표로 하는 일련의 단계적 탐색으로 모델링될 수 있음을 강조한다. 특히, 탐색기가 직접적인 거리·방향 정보를 얻지 못하고 오직 입자 검출 여부만을 관측하는 ‘인포택시(infotaxis)’ 상황을 중심으로 연구 범위를 설정한다. 이후 정보 이론 기본 개념을 정리한다. 셰넌 엔트로피 S(X) 를 불확실성의 척도로 정의하고, 조건부 엔트로피 S(X|Y) 와 상호 정보량 I(X;Y)=S(X)−S(X|Y) 를 통해 두 변수 간의 정보 흐름을 정량화한다. 세 변수 X₁, X₂, X₃에 대해 R(X₁,X₂,X₃)=I(X₁;X₂)−I({X₁,X₂}|X₃) 를 도입해 ‘중복성(양수)’과 ‘시너지(음수)’를 구분한다. 이 정의는 탐색기 두 대가 목표에 대해 제공하는 정보가 서로 보완적인지를 판단하는 핵심 지표가 된다. 다음으로 베이즈 추론을 이용한 확률 분포 업데이트 과정을 상세히 기술한다. 탐색기 i는 현재 위치 r_i 에서 입자 검출 횟수 h_i∈{0,1} 를 관측하고, 전체 관측 집합 {h_i, r_i} 를 기반으로 사후 확률 P_{t+1}(r₀) = (1/A) P_t(r₀) P({h_i, r_i}|r₀) 로 갱신한다. 여기서 A는 정규화 상수이며, 관측 모델은 입자 포획 확률 a (거리 의존성 없음) 로 단순화된다. 인포택시 알고리즘은 각 가능한 이동 후보 {r_i'}에 대해 기대 엔트로피 감소 ΔS 를 계산한다. ΔS는 (i) 목표를 바로 찾는 경우(엔트로피가 0이 되므로 ΔS = −S_t)와 (ii) 관측 결과에 따라 엔트로피가 감소하는 경우(조건부 엔트로피 차이) 두 부분으로 구성된다. 기대값은 모든 가능한 관측 결과 {h_i}에 대한 확률 가중 평균으로 구한다. 탐색기는 ΔS 가 가장 크게(가장 부정적인) 되는 이동을 선택함으로써 ‘탐색‑탐색’ 트레이드오프를 최적화한다. 논문은 두 가지 구체적 사례를 통해 이론을 검증한다. 첫 번째는 1차원 구간