도시 수색에서 지상 로봇 군집 활용 현장 전문가의 과제와 설계 기회

초록

본 연구는 버지니아 주 경찰관 8명을 대상으로 포커스 그룹을 진행해, 도시 실종자 수색 시 현장 전문가가 겪는 인지·신체적 부담과 로봇 군집 도입이 해결할 수 있는 네 가지 핵심 과제를 도출했다. 이를 바탕으로 다중 로봇 계획·제어 인터페이스, 기관 맞춤형 경로 최적화, 실시간 재계획, 시각 기반 큐잉 등 네 가지 설계 기회를 제시한다.

상세 분석

이 논문은 기존 로봇·AI 연구가 주로 알고리즘 성능이나 시뮬레이션 기반 평가에 머물러 있는 반면, 실제 공공 안전 현장의 워크플로우와 조직적 제약을 간과하고 있음을 지적한다. 현장 전문가 인터뷰를 통해 밝혀진 네 가지 주요 과제는 (1) 다중 가설에 따른 인력·자원 분산, (2) 팀 전체의 상황 인식 유지, (3) 실종자 프로파일에 맞는 경로 설계, (4) 불확실성 하에서의 인지·신체 피로 관리이다. 특히, 종이 매뉴얼과 수작업 계산에 의존하는 현재 프로세스는 정보 업데이트가 실시간으로 반영되기 어렵게 만들며, 이는 의사결정 지연과 오류 위험을 높인다.

제안된 설계 기회는 이러한 문제점을 직접 겨냥한다. 첫째, “스케일러블 다중 로봇 계획·제어 인터페이스”는 명령어 하나로 여러 로봇을 동시에 배치하고, 각 로봇의 상태와 경로를 시각적으로 통합 제공함으로써 지휘관의 인지 부하를 크게 낮춘다. 둘째, “기관 맞춤형 경로 최적화”는 각 경찰청이 보유한 데이터(예: 지역 지형, 과거 실종 패턴, 차량 접근 제한)를 모델에 반영해, 로봇이 실제 현장 상황에 부합하는 경로를 자동 생성하도록 한다. 셋째, “실시간 재계획”은 현장 상황 변화(예: 새로운 목격자 진술, 날씨 변화)와 디브리핑 결과를 즉시 로봇에게 전달해 경로와 탐색 영역을 동적으로 수정한다. 넷째, “시각 기반 큐잉”은 컴퓨터 비전으로 탐지된 사람·물체 정보를 신뢰성 있게 표시하고, LLM이 제공하는 설명형 피드백을 통해 사용자가 로봇의 판단을 빠르게 검증·수정할 수 있게 한다.

이러한 설계는 ‘신뢰성’과 ‘책임성’이라는 공공 안전 분야의 핵심 요구를 충족시키기 위해, 로봇의 의사결정 과정을 인간이 이해하고 검증할 수 있는 인터페이스와 로그 기록을 강조한다. 또한, 작은 규모의 지방 경찰청도 비용·인력 제한을 고려한 경량화된 솔루션을 적용할 수 있도록 모듈화와 확장성을 제안한다. 전반적으로, 기술적 가능성보다 현장 전문가의 작업 흐름과 조직 문화에 맞는 인간‑중심 설계가 성공적인 도입의 전제조건임을 설득력 있게 입증한다.