혼합정수 MPC 기반 움직임 계획을 위한 하이브리드 존톱스와 촘촘한 완화 기법

초록

본 논문은 하이브리드 존톱스(Hybrid Zonotope)로 장애물 회피 구역을 정확히 표현하고, 그 구조를 활용한 다단계 혼합정수 이차계획(MIQP) 솔버를 제안한다. convex relaxation이 실제 convex hull과 일치하는 경우를 밝혀내어 branch‑and‑bound 과정에서 매우 타이트한 QP 서브문제를 생성한다. 멀티스레드·웜스타트 기법과 지역별 비용(위험) 부여를 결합해 실시간 임베디드 구현까지 검증하였다. 시뮬레이션 및 프로세서‑인‑루프 실험에서 상용 솔버 대비 1~2 오더 빠른 최적해를 얻었다.

상세 분석

이 논문은 자율주행차(AV) 모션 플래닝에서 비선형·비볼록 제약을 효율적으로 다루기 위해 하이브리드 존톱스라는 집합 표현을 도입한다. 하이브리드 존톱스는 연속적인 구형 변수와 이진 변수(바이너리 팩터)를 결합해 다중 폴리토프의 합집합을 정확히 나타낼 수 있다. 저자들은 두 가지 경우—일반 폴리토프 집합과 점유 그리드(OGM) 기반 셀 집합—에 대해 각각 하이브리드 존톱스를 구성하고, 이때 발생하는 convex relaxation이 실제 convex hull과 동일함을 정리(정리 1)한다. 이는 branch‑and‑bound 과정에서 “reachability” 논리를 적용했을 때, 서브문제(QP)의 feasible region가 이미 최적해의 볼록 외피와 일치하므로 불필요한 이진 변수 탐색을 크게 감소시킨다.

솔버 설계에서는 기존 MIQP를 다단계 형태로 전개하고, 각 단계마다 하이브리드 존톱스 제약을 행렬 형태로 삽입한다. 핵심은 제약 행렬이 “box‑constraint form”을 만족하도록 변환함으로써, QP 서브문제의 KKT 행렬이 고정된 구조를 유지하고, 이를 이용해 매 iteration마다 전체 행렬 분해를 재실행하지 않고 기존 분해 결과를 재활용한다. 또한, 멀티스레드 브랜치 탐색과 이전 해를 이용한 warm‑start 전략을 도입해 탐색 깊이에 따른 시간 변동성을 최소화하였다.

위험 인식 플래닝을 위해 각 자유 공간 영역에 점유 확률 혹은 비용을 매핑하고, 이를 목적함수에 선형 가중치(qᵣᵢ = κ·pᵢ) 형태로 삽입한다. 이때 이진 변수와 연계된 “region‑dependent cost” 제약을 추가함으로써, 특정 고위험 셀을 피하도록 유도하면서도 최적성 보장을 유지한다.

실험에서는 폴리토프 지도와 OGM 두 종류의 환경을 사용해 장애물 회피와 위험 회피 시나리오를 평가하였다. 비교 대상은 Big‑M 방식으로 비볼록 제약을 표현한 일반 MIQP와 상용 솔버 Gurobi이다. 대부분의 경우 제안된 하이브리드 존톱스 기반 솔버는 최적해를 10배~100배 빠르게 찾았으며, 프로세서‑인‑루프 테스트에서는 10 ms 이하의 해결 시간을 기록해 임베디드 실시간 제어에 충분함을 입증했다.

이러한 결과는 하이브리드 존톱스가 비볼록 자유 공간을 정확히 표현하면서도, 구조적 특성을 활용해 MIQP 해결 과정을 크게 가속화할 수 있음을 보여준다. 특히 convex relaxation이 tight한 경우를 이론적으로 규명하고, 이를 실용적인 branch‑and‑bound 프레임워크에 통합한 점이 학술적·산업적 의의가 크다.