복잡한 도시 환경에서 보행자 인식 자율주행 모션 플래닝

초록

본 논문은 사회적 힘 모델을 활용한 보행자 시뮬레이션과 위험 인식 기반 샘플링 플래너를 결합해, 2차원 시뮬레이션에서 고밀도 보행자와의 상호작용을 안전하고 효율적으로 처리하는 새로운 모션 플래닝 알고리즘을 제안한다. 실시간 제약과 실제 차량 적용은 아직 미비하지만, 오픈소스 코드와 상세한 평가를 통해 향후 연구의 기반을 제공한다.

상세 분석

이 연구는 복잡한 도시 교차로와 같은 보행자 밀집 환경에서 자율주행 차량(AV)이 직면하는 ‘불확실성’과 ‘예측 불가능성’ 문제를 두 가지 핵심 기술로 해결하고자 한다. 첫 번째는 사회적 힘(Social Force) 모델을 기반으로 한 보행자 시뮬레이터이다. 기존 시뮬레이션 플랫폼(CARLA, CommonRoad 등)은 보행자를 정적인 경로 혹은 단순한 직선 이동으로만 모델링해, AV와의 실시간 상호작용을 충분히 재현하지 못한다. 논문은 보행자 클러스터를 지수·기하분포로 생성하고, 각 보행자에게 목표 지점과 원하는 속도를 할당한 뒤, 목표 지향력(attractive force)과 장애물·다른 보행자와의 반발력(repulsive force)을 동시에 고려한다. 이를 통해 보행자는 횡단보도(CW)와 보도(SW)를 자연스럽게 이용하고, 차량이 접근하면 회피 행동을 보인다.

두 번째 핵심은 위험 인식(Risk‑Aware) 모션 플래너이다. 샘플링 기반(RRT*·PRM 등) 접근법을 채택해 다수의 후보 궤적을 생성하고, 각 궤적에 대해 충돌 확률과 잠재적 피해량을 정량화한다. 위험 비용은 단순 충돌 여부를 넘어 ‘잠재적 상해 정도’를 포함해, 과도한 보수성(로봇 프리징) 문제를 완화한다. 비용 함수 J(τ)=α·시간+β·편안함+γ·위험으로 구성돼, 위험 가중치 γ를 조절함으로써 안전성과 효율성 사이의 트레이드오프를 동적으로 맞춘다.

시뮬레이션은 0.1 s 타임스텝의 반복 루프로, 매 단계 보행자 상태를 업데이트하고, 플래너가 새로운 차량 궤적을 선택한다. 실험에서는 보행자 밀도가 증가할수록 기존 플래너는 충돌 회피를 위해 급정거하거나 정지하는 ‘프리징’ 현상이 나타났지만, 제안된 위험 인식 플래너는 위험 비용을 사전에 평가해 부드러운 회피 경로를 선택한다. 결과는 평균 충돌 횟수, 총 주행 시간, 그리고 위험 비용 측면에서 기존 방법 대비 30 % 이상 개선되었다.

하지만 연구에는 몇 가지 제한점이 있다. 첫째, 모든 연산이 2D 평면에서 수행돼, 차량의 차선 변화·가속·감속 등 3D 동역학을 완전히 반영하지 않는다. 둘째, 실시간성 검증이 없으며, 위험 비용 계산과 사회적 힘 업데이트가 실시간 제어 주기에 적합한지 미확인이다. 셋째, 보행자 행동 모델이 물리적·사회적 요인(예: 시선, 의도, 문화적 차이)을 단순화했기 때문에 실제 도시 환경에서의 일반화 가능성은 추가 실험이 필요하다. 마지막으로, 오픈소스 코드가 제공되지만, 실제 차량에 통합하기 위한 센서·인식 파이프라인과의 연계는 아직 수행되지 않았다.

이러한 한계를 감안하면, 논문은 보행자‑차량 상호작용을 보다 현실감 있게 모델링하고, 위험을 정량화해 플래너가 과도하게 보수적이 되지 않도록 하는 중요한 아이디어를 제시한다. 향후 연구는 3D 물리 엔진 통합, 실시간 최적화, 그리고 실제 도로 데이터 기반 검증을 통해 이 접근법을 상용 AV 스택에 적용하는 방향으로 나아가야 할 것이다.