관심 기반 순환 호라이즌 경로 계획과 시간 논리 제약

초록

본 논문은 로봇이 동적으로 변하는 지역 보상을 감지하면서 LTL(선형 시간 논리)로 정의된 감시 임무를 수행하도록 하는 순환 호라이즌(Receding Horizon) 경로 계획 프레임워크를 제시한다. 사용자가 정의한 선호 함수가 보상 수집과 임무 진행 사이의 트레이드오프를 조절하고, 임의의 보상 동역학을 상태 잠재 함수로 모델링한다. 제품 자동자(product automaton)와 ‘매력(attraction)’ 개념을 이용해 매 순간 가장 매력적인 상태를 선택함으로써 임무 만족을 보장하면서 지역 보상을 최적화한다.

상세 분석

이 연구는 두 가지 상충되는 목표—시간 논리 기반의 전역 임무 만족과 지역 보상의 즉각적인 최대화—를 동시에 달성하려는 로봇 경로 계획 문제에 새로운 해법을 제시한다. 기존 연구(