다중 로봇 협업을 위한 작업 지향형 3D 의미 통신 프레임워크

초록

본 논문은 복잡한 3차원 환경에서 다중 로봇이 협업할 때 발생하는 통신 병목을 해소하기 위해, 경량화된 PiDiNet 기반 구조적 의미 추출과 이벤트 기반 전송을 결합한 작업 지향형 의미 통신 프레임워크를 제안한다. 로봇은 에지, 앵커, 객체 정보를 압축해 전송하고, 이를 통해 200배 이상의 압축 효율과 작업 단계 감소를 달성한다.

상세 분석

이 연구는 기존 다중 로봇 시스템(MRS)이 원시 센서 데이터(예: 고해상도 RGB‑D 이미지, 밀집 포인트 클라우드)를 실시간으로 공유함으로써 발생하는 대역폭 포화와 지연 문제를 근본적으로 재고한다. 핵심 아이디어는 “데이터 중심”에서 “작업 중심”으로 전환하여, 로봇이 실제 의사결정에 필요한 최소 정보만을 추출·전송하도록 하는 것이다. 이를 위해 저비용 경량 네트워크인 PiDiNet을 활용해 2D 이미지에서 에지 맵을 추출하고, 이를 3D 공간에 투영해 구조적 의미(경계선)를 생성한다. 에지는 256×256 1비트 마스크 형태로 64 KB 정도에 불과해 원시 이미지 대비 3~4 order의 압축을 제공한다.

또한, 깊이 정보로부터 voxel 다운샘플링 및 이상치 제거 과정을 거쳐 약 1,200개의 sparse anchor를 추출한다. 각 앵커는 48비트(좌표·신뢰도)로 인코딩되며, 전체 앵커 데이터는 약 58 KB에 머문다. 객체 의미는 ID, 카테고리, 3D 위치, 방향, 신뢰도, 상태 등으로 구성되며, 최대 20개의 객체를 포함해 수 킬로비트 수준이다. 이러한 세 가지 의미 요소를 하나의 메시지 포맷에 결합하고, 헤더(로봇 ID·타임스탬프·포즈)와 함께 전송한다.

전송 정책은 네 가지 이벤트(E1~E4) 기반이다. 새로운 목표 객체 탐지, 객체 위치·방향의 큰 변동, 상태 변화, 그리고 에지 맵의 유의미한 변화가 감지될 때만 전송을 트리거한다. 이벤트 우선순위는 상태·목표 > 위치 정밀도 > 구조 변화 순이며, 공유 채널의 비트 제한 B_max을 초과하지 않도록 동적 우선순위 스케줄링이 적용된다. 이는 불필요한 주기 전송을 억제하고, 중요한 상황 변화만을 즉시 전파함으로써 지연을 최소화한다.

수신 측에서는 각 로봇이 다른 로봇의 메시지를 받아 로컬 공유 의미 장면 S_i(t)를 업데이트한다. 앵커는 voxel 해시를 이용해 중복을 평균하거나 신뢰도가 높은 것을 유지하고, 객체는 거리·라벨 기반 데이터 연관성을 통해 결합·동기화한다. 에지 맵은 송신 로봇의 포즈 변환 후 합집합 혹은 신뢰도 가중 합산을 통해 보수적으로 통합된다. 이 과정은 전역적인 고밀도 지도 재구성을 목표로 하지 않으며, 작업 수행에 충분한 “거친” 3D 의미만을 유지한다.

의사결정 레이어에서는 공유된 객체 테이블을 이용해 완전 분산형 작업 할당을 수행한다. 로봇 i는 자신과 객체 k 사이의 거리와 현재 바쁨 여부를 비용 함수 c_ik = α·‖p_k−p_i‖ + β·busy_i 로 계산하고, 최소 비용 로봇이 claim 메시지를 전파한다. 이후 다른 로봇은 해당 객체를 ‘claimed’ 상태로 표시해 중복 탐색을 방지한다. 이동 계획은 로컬 센서와 공유된 에지·앵커 정보를 결합해 전역적인 장애물 회피와 탐색 효율을 동시에 달성한다.

실험은 시뮬레이션 환경에서 4~6대 로봇이 복잡한 3D 맵에서 목표 물체를 탐색·운반하는 작업을 수행하도록 설정하였다. 원시 데이터 전송 방식과 비교했을 때, 제안된 의미 통신은 총 전송량을 858.6 MB에서 4.0 MB로 200배 이상 감소시켰으며, 작업 완료 단계는 1,054단계에서 281단계로 73% 가량 단축되었다. 이는 대역폭 제한 하에서도 로봇 간 협업 효율을 크게 향상시킨다.

핵심 기여는 (1) 작업 중심 의미 추출을 위한 PiDiNet 기반 경량 구조, (2) 이벤트 기반 전송으로 대역폭 효율 극대화, (3) 분산형 3D 의미 장면 구축 및 이를 활용한 완전 분산 작업 할당·경로 계획이다. 제한점으로는 실제 무선 환경에서 패킷 손실·지연에 대한 내성이 충분히 검증되지 않았으며, 복잡한 동적 장애물이나 대규모 로봇 군집에 대한 확장성 평가가 추가로 필요하다.