가시권 차단 환경을 위한 위험 영역 인식 일관형 모델 예측 제어

초록

본 논문은 시야가 차단된 장애물이 다수 존재하는 밀집 환경에서 로봇의 안전성과 움직임 일관성을 동시에 보장하는 새로운 일관형 모델 예측 제어(CMPC) 방식을 제안한다. 가시권 차단 장애물에 대한 위험 영역을 동적으로 모델링하고, ADMM 기반으로 문제를 분할·병렬 해결함으로써 실시간 성능을 확보한다. 실험 결과, 제안 방법은 기존 대비 보수성은 낮추면서도 충돌 회피와 속도 변동 억제에서 우수함을 입증한다.

상세 분석

이 논문은 가시권 차단(occlusion) 상황에서 로봇이 직면하는 두 가지 핵심 난제—안전성 보장과 움직임 일관성 유지—를 동시에 해결하려는 시도로서, 기존 연구들의 한계를 명확히 짚어낸다. 먼저 위험 영역(risk region) 모델링을 통해 보이지 않는 장애물의 잠재 위치를 확률적·최악 사례적 접근이 아닌, 물리적 기하학적 근사로 표현한다. 구체적으로, 로봇의 몸체 좌표계에서 장애물에 대한 두 접선선을 정의하고, 이 접선선을 따라 일정 간격(d_risk)으로 원형 위험 영역을 배치한다. 각 위험 영역의 반경은 로봇 속도와 가정된 장애물 최대 속도(v_obs,max)를 이용해 동적으로 계산되며, σ와 같은 정규화 상수를 도입해 수치적 안정성을 확보한다. 이러한 설계는 위험 영역의 보수성을 조절할 수 있게 해, 과도한 보수성으로 인한 경로 비효율성을 완화한다.

다음으로, 다중 브랜치 구조를 갖는 일관형 MPC를 설계한다. 각 브랜치는 서로 다른 위험 영역 구성(N_z)으로 초기화되며, 모든 브랜치는 공통의 초기 합의 구간(consensus segment)을 공유한다. 이 합의 구간은 모든 브랜치가 동일한 상태 변수 ˜s를 유지하도록 강제함으로써, 브랜치 전환 시 급격한 속도·가속도 변화를 방지하고 움직임 일관성을 보장한다. 비용 함수는 가속도, 속도 추적, 목표점 편차를 가중합한 형태이며, 가시권 차단 장애물에 대한 충돌 회피 제약(G_obs)과 위험 영역 회피 제약(G_risk)을 동시에 포함한다.

계산 효율성을 위해 Jacobi‑Proximal ADMM을 적용한다. 전체 비선형 최적화 문제를 kinematic, obstacle, risk, consensus 네 개의 하위 문제로 분할하고, 각 하위 문제를 병렬로 해결한다. ADMM의 라그랑주 승수와 페널티 파라미터를 적절히 조정함으로써 수렴 속도를 높이고, 실시간 제어 주기(≤50 ms) 내에 해를 얻는다. 실험에서는 Ackermann 스티어링 로봇을 사용해 시뮬레이션과 실제 환경 모두에서 3가지 위험 영역 설정(낮음·중간·높음)을 비교하였다. 결과는 위험 영역을 과도하게 확대하면 보수성이 증가해 경로가 길어지지만, 제안된 동적 위험 경계와 합의 구간 덕분에 속도 변동이 최소화되고, 기존 O‑A‑MPC나 BMPC 대비 평균 충돌 위험 지표가 30 % 이상 감소함을 보여준다.

이와 같이 논문은 (1) 위험 영역을 기하학적으로 명시·동적으로 조정, (2) 다중 브랜치와 합의 구간을 통한 일관성 확보, (3) ADMM 기반 병렬 최적화로 실시간성을 달성한다는 세 축을 결합함으로써, 가시권 차단이 빈번한 복잡 환경에서도 안전하고 부드러운 로봇 이동을 가능하게 만든다. 다만, 위험 영역의 파라미터(v_obs,max, d_risk 등)를 사전에 정확히 설정해야 하는 점과, 비선형 ADMM의 수렴 보장이 특정 상황에 제한될 수 있다는 점은 향후 연구 과제로 남는다.