볼록 최적화 기반 장애물 회피 기법

초록

본 논문은 논리 통합 방식을 활용한 새로운 볼록 장애물 회피(Convex Obstacle Avoidance) 공식을 제시한다. 제안된 RCOA(Reduced Convex Obstacle Avoidance) 방식은 기존 비볼록 또는 혼합정수 기반 방법에 비해 계산 효율성을 크게 향상시키며, 예측 horizon 밖에 있는 장애물까지도 효과적으로 회피한다. 이를 통해 짧은 horizon에서도 실시간 MPC 적용이 가능해진다.

상세 분석

본 연구는 자율주행 차량의 실시간 충돌 회피를 위해 기존 NMPC가 안고 있던 계산 복잡도 문제를 근본적으로 해결하고자 한다. 핵심 아이디어는 논리 연산을 볼록 최적화 문제에 직접 통합하는 ‘Relaxed Convex Obstacle Avoidance (RCOA)’ 공식이다. 기존의 MILP 기반 장애물 회피는 빅‑M 기법과 이진 변수 γ를 이용해 논리 조건을 강제하지만, 이는 비볼록성(특히 이진 변수)과 큰 M값에 의한 수치 불안정성을 초래한다. RCOA는 이러한 이진 스위치를 연속적인 완화 변수와 작은 페널티 함수로 대체함으로써 문제를 완전 볼록 형태로 변환한다.

RCOA의 주요 수학적 특성은 다음과 같다. 첫째, 논리적 “OR” 조건을 ‘가장 큰 하나만 비활성화되는’ 연속 변수 집합으로 근사함으로써, 최적화 해가 존재하지 않을 경우에도 페널티를 최소화하는 방향으로 문제를 유지한다. 둘째, 이 완화는 MIP와 구조적으로 유사하므로, 필요 시 이진 변수로 복구하는 절차를 통해 최종 해의 실현 가능성을 보장한다. 셋째, 볼록성 덕분에 interior‑point 혹은 primal‑dual 알고리즘을 적용할 경우 전역 최적성을 확보하고, 수렴 속도는 초선형·이차수렴에 근접한다.

또한, RCOA는 예측 horizon 외부에 존재하는 장애물에 대해서도 ‘잠재적 충돌 위험’을 미리 감지한다. 이는 장애물의 위치를 시간‑독립적인 제약식으로 표현하고, 해당 제약을 전체 horizon에 걸쳐 동일하게 적용함으로써 구현된다. 결과적으로 짧은 horizon에서도 충분히 안전한 경로를 생성할 수 있어, 실시간 제어 주기(>100 Hz) 달성이 가능하다.

실험에서는 3‑DOF 바이시클 모델에 고급 타이어 모델을 결합한 비선형 동역학을 사용하였다. RCOA는 비볼록 NLP, MILP, 그리고 기존 비볼록 장애물 회피 방식과 비교했을 때, (i) infeasibility 근접 상황에서도 안정적인 해를 제공하고, (ii) 평균 해결 시간에서 30 %~50 % 정도의 개선을 보였다. 특히, FATRON, Gurobi, SCvx 등 다양한 솔버와 결합했을 때도 일관된 성능을 유지하였다.

이 논문은 현재 2‑D 점 질량 모델에 국한되어 있으나, 향후 3‑D 차량 형상과 복합 장애물(다각형, 복합 곡면)까지 확장할 계획이다. 이러한 확장은 RCOA가 제공하는 볼록 구조가 복잡한 기하학적 제약에도 그대로 적용될 수 있음을 시사한다.

요약하면, RCOA는 논리‑수학적 통합을 통해 비볼록 장애물 회피 문제를 완전 볼록 형태로 전환함으로써, 실시간 자율주행 제어에 필요한 계산 효율성, 전역 최적성, 그리고 horizon‑외 장애물 감지를 동시에 만족시키는 혁신적인 접근법이다.