혼합 인간 로봇 팀 감시 설계와 인지 모델 통합

초록

본 논문은 지속 감시 임무에서 인간 운영자와 무인 항공기( UAV)의 협업을 시스템 이론적으로 설계한다. 인간의 의사결정, 피로·상황 인식·기억 등 인지 요소를 드리프트‑디퓨전 모델(DDM)과 기타 인지 모델로 통합한 단일 모델을 제시하고, 이를 기반으로 연산적 주의 할당 정책, 오류를 활용한 비베이즈 변화 탐지(CUSUM), 그리고 확률적 차량 라우팅을 설계한다. 설계 전반은 확실성 등가 재귀적 전망 제어(CERTainty‑EquivaLent Receding‑Horizon Control) 프레임워크 안에서 수행된다.

상세 분석

논문은 인간‑로봇 혼합 팀을 설계하기 위해 세 가지 핵심 요소를 동시에 고려한다. 첫째, 인간 운영자의 의사결정 과정을 두 대안 선택 과제로 모델링하고, 증거 축적을 확률 미분 방정식인 드리프트‑디퓨전 모델(DDM)로 기술한다. DDM은 증거가 시간에 따라 가우시안 확률 과정으로 누적되며, 일정 시간 제한(인터로게이션 패러다임) 내에 임계값을 초과하면 특정 대안을 선택한다. 논문은 이 모델을 기반으로 ‘정확도 함수 f(t,π)’를 정의하고, 시간에 대한 시그모이드 형태의 정확도 곡선을 도출한다.

둘째, 인간의 피로, 상황 인식, 기억, 지루함 등 외생 요인을 기존 인지 모델에 결합한다. 저자는 각각을 파라미터(예: 피로는 드리프트 감소, 기억은 초기 증거 x₀ 변동)로 매핑하고, 이를 통해 작업 시간 할당이 인간 성능에 미치는 영향을 정량화한다. 이렇게 얻은 통합 인지 모델은 작업 큐의 각 태스크에 대한 기대 보상(정확도·보상)과 지연 페널티를 계산하는 기반이 된다.

셋째, 인간의 오류를 활용한 비베이즈 변화 탐지 알고리즘을 적용한다. 인간이 내린 이진 결정을 확률 변수로 보고, 각 지역별 CUSUM 검정기를 병렬로 운영한다(Ensemble CUSUM). 이 검정기는 누적 로그우도 비율을 추적해 사전 정의된 임계값을 초과하면 ‘이상 발생’으로 선언한다. 여기서 인간의 정확도 추정값은 DDM 기반 성능 함수 f(t,π)에서 얻으며, 이는 CUSUM의 평균 검출 지연과 오류 확률을 조정한다.

제어 측면에서는 확실성 등가 재귀적 전망 제어(CERTainty‑EquivaLent Receding‑Horizon Control, CE‑RHC)를 채택한다. CE‑RHC는 미래의 불확실성을 평균값으로 대체해 최적화 문제를 근사적으로 해결한다. 이를 통해 (i) 인간에게 할당할 최적 작업 시간, (ii) 작업 큐의 우선순위 및 라우팅 정책, (iii) UAV의 확률적 이동 경로를 동시에 설계한다. 라우팅은 각 지역의 이상 가능도(Ensemble CUSUM에서 추정)와 이동 시간 dᵢⱼ을 고려한 마르코프 결정 프로세스로 모델링되며, 목표는 ‘이상 탐지 확률을 최대화하면서 전체 탐색 지연을 최소화’하는 것이다.

전체 설계는 세 개의 서브시스템—자율 시스템(UAV), 인지 시스템(인간 운영자), 인지‑자율 관리 시스템(CAMS)—으로 구성된다. CAMS는 (a) 인간에게 작업 시간 제안을 하는 의사결정 지원 시스템, (b) 인간 결정을 입력으로 하는 이상 탐지 모듈, (c) 탐지 결과를 기반으로 UAV 라우팅을 결정하는 알고리즘으로 이루어진다. 논문은 이러한 구조를 큐잉 이론과 마코프 의사결정 과정(MDP)으로 수학화하고, 각 단계에서 최적화 목표와 제약을 명시한다.

핵심 기여는 (1) 인간 인지 모델을 통합해 단일 성능 함수로 정량화, (2) CE‑RHC를 이용한 실시간 주의 할당 및 라우팅 공동 최적화, (3) 인간 오류를 활용한 비베이즈 변화 탐지와 그 결과를 라우팅에 피드백하는 메커니즘, (4) 기존 감시 정책을 인간‑로봇 협업 시나리오에 확장한 설계 프레임워크 제공이다. 이러한 접근은 인간의 제한된 인지 자원을 효율적으로 보완하면서, 로봇 시스템의 탐색 효율성을 유지·향상시키는 데 의의가 있다.