모션 플래닝 로드맵 압축을 위한 엣지 수축 기법

초록

본 논문은 로드맵의 크기를 크게 줄이면서도 경로 품질을 거의 유지하는 엣지 수축 기반 압축 알고리즘(RSEC)을 제안한다. 엣지를 하나의 정점으로 수축하고 인접 정점과 재연결함으로써, 특정 환경에서는 98% 이상의 정점·에지 감소를 달성하고 평균 최단 경로 길이의 악화는 2% 이하에 머문다.

상세 분석

RSEC은 기존 PRM(Probabilistic Roadmap Method)에서 생성된 고밀도 로드맵을 입력으로 받아, 그래프 이론의 “엣지 수축(edge contraction)” 연산을 반복 적용한다. 핵심 아이디어는 두 정점을 연결하는 에지를 하나의 새로운 정점으로 대체하고, 원래 에지의 양쪽 정점이 가지고 있던 인접 정점들을 새로운 정점에 재연결하는 것이다. 이 과정에서 충돌 검증을 다시 수행하여 새로운 정점이 자유 공간에 유효한지 확인한다.
알고리즘은 수축 후보 에지를 우선순위 큐에 넣고, “수축 가능성(Contractibility)”을 판단하기 위해 두 정점 사이의 거리, 주변 장애물 밀도, 그리고 현재 로드맵의 연결성 유지 여부 등을 고려한다. 특히, 수축 후 그래프가 연결성을 잃지 않도록 최소 스패닝 트리(MST)와 유사한 보존 조건을 적용한다.
시간 복잡도 측면에서, 각 에지에 대해 충돌 검증을 O(k)번 수행한다고 가정하면 전체 복잡도는 O(|E|·k)이며, 여기서 k는 샘플링 밀도와 환경 복잡도에 비례한다. 실험에서는 k가 비교적 작게 유지될 수 있도록, 수축 후보를 사전 필터링하고, 이미 검증된 경로 구간을 재활용하는 최적화 기법을 도입한다.
성능 평가에서는 2D 및 3D 복잡한 환경(예: 미로, 좁은 통로, 다중 장애물 구역)에서 기존 PRM 대비 90~98%의 정점·에지 감소율을 기록했다. 경로 품질은 평균 최단 경로 길이와 최악 경우 길이 두 지표 모두에서 2% 이하의 악화만을 보였으며, 이는 로드맵 압축에 따른 탐색 시간 감소와 메모리 절감 효과와 맞물려 실시간 로봇 내비게이션에 유리한 결과다.
또한, RSEC은 기존 그래프 스파스화 기법(예: 노드 제거, 에지 필터링)과 비교했을 때, 구조적 일관성을 더 잘 유지한다. 이는 수축 과정에서 인접 정점 간의 직접 연결을 보존함으로써, 원래 로드맵이 제공하던 다중 경로 옵션을 크게 손실하지 않기 때문이다. 한계점으로는 매우 고차원(>6D) 구성공간에서는 수축 후보 탐색 비용이 급증할 수 있으며, 이 경우 하이브리드 방식(예: 샘플 기반 축소와 결합)으로 보완이 필요하다.