효율적인 다중 로봇 동작 계획 스케줄링 기반 충돌 회피와 정보 기반 경로 생성

초록

본 논문은 고자유도 매니퓰레이터들이 협소하고 제약된 작업공간에서 동시에 움직여야 하는 상황을 위해, 개별 로봇 경로를 생성하고 이를 효율적으로 스케줄링하여 충돌을 방지하는 하이브리드 방법인 StAC(Scheduling to Avoid Collisions)를 제안한다. 낮은 수준의 경로 플래너와 고수준 스케줄러 사이의 양방향 피드백을 통해 필요한 경로 샘플 수를 10~100배 감소시키며, 기존 하이브리드 기법이 실패하던 복잡한 사례에서도 실시간(수 초) 내에 해를 찾는다.

상세 분석

StAC는 기존 하이브리드 MRMP(다중 로봇 동작 계획) 접근법의 두 가지 약점을 동시에 보완한다. 첫 번째는 개별 로봇에 대해 저수준 플래너가 생성한 경로가 실제 복합 실행 단계에서 충돌을 일으킬 가능성이 높다는 점이다. 이를 해결하기 위해 StAC는 “스케줄러”를 도입해 각 로봇의 진행률을 시간 파라미터 σ_i(t) 로 조정한다. 스케줄러는 무작위로 생성된 정지·재시작 시퀀스와 속도 조절을 통해 경로 간의 시간적 겹침을 최소화하고, 필요 시 특정 로봇을 일시 정지시켜 다른 로봇에게 통로를 양보하도록 설계된다. 두 번째는 저수준 플래너가 충분히 좋은 경로를 제공하지 못할 경우, 재시도 비용이 급증한다는 점이다. StAC는 스케줄링 단계에서 발견된 충돌 정보를 즉시 저수준 플래너에 피드백한다. 충돌이 발생한 구간의 제약을 추가하거나, 해당 구간을 우회하도록 새로운 샘플을 생성하도록 유도한다. 이 “정보 기반 샘플링”은 기존 CBSMP와 달리 하나의 스케줄링 후보에 국한되지 않고, 다수의 가능한 스케줄을 탐색하면서 플래너에게 풍부한 힌트를 제공한다.

알고리즘 흐름은 크게 네 단계로 나뉜다. (1) 각 로봇에 대해 매니폴드 제약을 고려한 PRM 기반 저수준 플래너가 초기 경로 p_i 를 생성한다. (2) 스케줄러가 현재 경로 집합 P 에 대해 무작위 스케줄 σ_i 를 생성하고, 충돌 검증을 수행한다. (3) 충돌이 없으면 즉시 해를 반환하고, 충돌이 존재하면 충돌 레코드를 수집한다. (4) 수집된 충돌 정보를 저수준 플래너에 전달해 새로운 경로를 재생성하고, 스케줄링 과정을 반복한다. 이 과정은 최대 재시도 횟수 N_B 와 스케줄링 시도 횟수 N_RA 로 제한되어 실시간성을 보장한다.

실험에서는 6자유도 및 7자유도 매니퓰레이터를 포함한 다중 로봇 시스템을 대상으로, 좁은 문 통과, 교차 팔 교환, 클러스터형 작업공간 등 네 가지 베치마크를 설계하였다. 기존 최첨단 하이브리드 기법(CBSMP 등)과 비교했을 때, StAC는 평균 5초 이내에 해를 찾는 반면, 경쟁 기법은 60초 이상 소요되거나 전혀 찾지 못했다. 또한 저수준 플래너가 생성한 경로 수는 10배~100배 적었으며, 이는 메모리 사용량과 계산 부하를 크게 감소시켰다.

이 논문은 특히 매니폴드 제약을 갖는 고자유도 로봇에 대해, 스케줄링과 경로 생성 사이의 긴밀한 상호작용이 MRMP 문제 해결에 핵심임을 실증한다. 무작위 스케줄링을 통한 탐색 다양성 확보와, 충돌 피드백을 활용한 목표 지향적 샘플링이 결합될 때, 복합 구성 공간의 차원 저주를 효과적으로 회피할 수 있음을 보여준다. 향후 연구에서는 학습 기반 스케줄링 정책을 도입하거나, 비정형 환경(동적 장애물, 인간-로봇 협업)으로 확장하는 방향이 기대된다.