다중 에이전트 시스템을 위한 확률제약 모델 예측 제어

초록

본 논문은 다중 로봇·UAV 시스템에서 발생하는 충돌 위험을 확률적으로 제한하는 모델 예측 제어(MPC) 방법을 제안한다. 샘플 기반 충돌 확률 근사와, 각 에이전트의 존재 가능 영역(Region of Increased Probability of Presence, RIPP)을 이용한 보수적 경계 설정 두 가지 접근을 비교한다. 샘플 기반 방법은 정확하지만 실시간 적용이 어려운 반면, RIPP 기반 방법은 보수적이지만 계산량이 크게 감소하여 실시간 운용에 적합함을 시뮬레이션을 통해 입증한다.

상세 분석

이 논문은 다중 에이전트 시스템에서 확률적 모델 예측 제어를 구현하기 위한 두 가지 핵심 아이디어를 제시한다. 첫 번째는 충돌 확률을 직접 샘플링하여 근사하는 방법이다. 에이전트의 상태 분포를 다수의 Monte‑Carlo 샘플로 표현하고, 각 샘플 쌍에 대해 충돌 여부를 판단해 경험적 확률을 계산한다. 이 방식은 분포 형태에 제한이 없으며, 비선형·비가우시안 잡음에도 적용 가능하지만, 샘플 수가 늘어날수록 MILP 형태로 변환되는 제약식의 규모가 기하급수적으로 증가한다. 결과적으로 실시간 제어에 필요한 계산 시간을 충족시키지 못한다.

두 번째 접근은 각 에이전트에 대해 존재 가능성이 높은 영역, 즉 RIPP(Region of Increased Probability of Presence)를 정의하고, 이 영역들이 서로 겹치지 않도록 제약을 설정한다는 점이다. RIPP은 상태 평균과 공분산을 이용해 체계적으로 상한을 구한 뒤, 체계적인 확률 불등식(예: Chebyshev, Cantelli 등)을 적용해 반경을 결정한다. 이렇게 정의된 구형(또는 타원형) 영역은 확률적으로 “에이전트가 이 안에 있을 확률이 지정된 임계값 이상”임을 보장한다. 충돌 회피 제약은 RIPP 간의 비중첩 조건으로 변환되며, 이는 선형 혹은 혼합정수 선형 형태로 쉽게 표현된다.

핵심 이론적 기여는 RIPP 기반 제약이 원래의 확률제약을 보수적으로 포함한다는 증명이다. 즉, RIPP 제약을 만족하는 모든 제어 입력은 원래의 충돌 확률 제한을 자동으로 만족한다. 이는 실제 구현 시 복잡한 다변량 적분을 회피하면서도 안전성을 유지할 수 있음을 의미한다. 또한, 샘플 기반 방법과 달리 RIPP는 상태 분포의 정확한 형태에 의존하지 않으며, 2차 모멘트(평균·공분산)만 알면 적용 가능하므로 비가우시안 잡음에도 강인하다.

실험에서는 비가우시안 풍동 모델을 갖는 UAV 3대가 목표 지점으로 이동하는 시나리오를 설정했다. 샘플 기반 MPC는 수천 개의 샘플을 필요로 하여 평균 1.8초 이상의 계산 시간을 요구했으며, 실시간 제어(≤0.5 s)에는 부적합했다. 반면 RIPP 기반 MPC는 동일한 시뮬레이션 환경에서 평균 0.12초 내에 최적 해를 도출했으며, 충돌 확률은 설계된 5 % 이하로 유지되었다. 성능 차이는 주로 제약식 규모와 MILP 솔버의 탐색 공간 감소에 기인한다.

요약하면, 논문은 확률적 충돌 회피를 위한 두 가지 방법을 제시하고, 실시간 적용 가능성을 확보하기 위해 보수적이지만 계산 효율이 높은 RIPP 기반 제약을 설계·증명하였다. 이는 다중 로봇·UAV 시스템에서 안전성을 포기하지 않으면서도 실시간 MPC를 구현하려는 연구자와 엔지니어에게 실용적인 가이드라인을 제공한다.