형식언어 이론 기반 최적 경로 계획 평균 불확실성 및 동적 효과 고려

초록

본 논문은 정량적 형식언어 이론을 활용해 로봇 경로 계획 문제를 전역 최적화하는 새로운 알고리즘 ν*를 제시한다. 평균적인 동적 불확실성과 추정 오차를 ‘제어 불가능 전이’라는 확률적 요소로 모델링하고, 이를 포함한 네비게이션 자동자를 구성한다. 목표 도달 확률을 최대화하고 장애물 충돌 확률을 최소화하는 최적 정책을, 확률적 유한 상태 자동자의 정량적 측정값을 최대화하는 조합적 탐색‑프리 방법으로 해결한다. 실험은 SEGWAY RMP 200 플랫폼을 이용해 실내 환경에서 수행되었으며, 기존 방법 대비 높은 성공률과 효율성을 입증한다.

상세 분석

논문은 로봇 경로 계획을 형식언어 이론의 정량적 측정(framework)과 연결시킨 점에서 혁신적이다. 기존의 마코프 의사결정 과정(MDP)이나 파티클 필터 기반 방법은 상태·행동 공간이 커질수록 계산 복잡도가 급증한다. 반면 저자는 확률적 유한 상태 자동자(PFSA)를 ‘네비게이션 자동자’로 정의하고, 각 상태를 로봇의 이산 위치·방향, 각 전이를 제어 가능한 전이와 제어 불가능 전이로 구분한다. 제어 불가능 전이는 센서 노이즈, 바퀴 슬립, 외부 교란 등 평균적인 동적 불확실성을 확률분포 형태로 표현한다. 이렇게 하면 불확실성을 별도의 확률 모델링 없이 자동자 구조에 내재시킬 수 있다.

핵심 수학적 도구는 ‘언어 측정(language measure)’이다. 이는 정규 언어에 대한 정량적 값(예: 목표 도달 확률)을 정의하고, 자동자의 전이 행렬에 대한 선형 방정식 형태로 계산한다. 저자는 기존 ν* 알고리즘을 확장해, 목표 상태와 장애물 상태에 각각 가중치를 부여하고, 제어 불가능 전이의 확률을 평균값으로 평균화(amortized)한다. 최적 정책은 각 상태에서 선택할 제어 가능한 전이를 결정하는데, 이는 전이 행렬의 특정 열을 선택해 전체 측정값을 최대화하는 조합 최적화 문제와 동치이다. 흥미롭게도 이 문제는 선형 프로그래밍이 아니라, 전이 행렬의 구조적 특성을 이용한 ‘검색‑프리(combinatorial, search‑free)’ 알고리즘으로 O(|Q|·|Σ|) 시간에 해결된다. 여기서 |Q|는 상태 수, |Σ|는 제어 가능한 입력 집합이다.

또한 논문은 ‘평균 불확실성(amortized uncertainties)’이라는 개념을 도입한다. 이는 단일 실행에서 발생하는 불확실성을 평균화해, 전체 실행 동안 일정한 확률 분포를 가정한다는 의미다. 이 접근법은 실시간 재계획(replanning) 비용을 크게 낮춘다. 실험에서는 SEGWAY RMP 200 로봇이 2 m × 2 m 실내 실험 구역에서 10개의 장애물을 회피하며 목표 지점에 도달하도록 설계되었으며, ν* 기반 정책은 평균 95 % 이상의 성공률을 보였다. 비교 대상인 전통적인 A와 D 알고리즘은 불확실성 모델링이 없기 때문에 충돌률이 20 % 이상 높았다. 또한 계산 시간은 0.03 s 이하로, 실시간 적용이 가능함을 입증했다.

이 논문의 한계는 불확실성을 평균화한다는 가정이다. 급격히 변하는 외란이나 비선형 동역학을 가진 로봇에는 평균 모델이 충분히 표현하지 못할 수 있다. 또한 상태 이산화 과정에서 해상도가 낮아지면 경로의 정밀도가 떨어진다. 향후 연구에서는 적응형 상태 분할(adaptive state discretization)과 비정상적 전이(non‑stationary transitions)를 고려한 확장 모델이 필요하다. 그럼에도 불구하고 형식언어 이론을 로봇 경로 계획에 적용한 본 접근은 이론적 엄밀성과 실용성을 동시에 만족시키는 중요한 진전이다.