다중에이전트 STL 계획을 위한 페널티 기반 블록좌표 최적화

초록

본 논문은 다중 로봇 시스템에서 신호시계열논리(STL) 제약을 만족시키는 경로를 효율적으로 합성하기 위해, 부드러운 STL 강건성 근사와 2단계 페널티 방법을 결합한 블록좌표 그래디언트 하강(BCGD) 알고리즘을 제안한다. 각 에이전트의 결정변수를 하나의 블록으로 취급함으로써 차원 폭발을 억제하고, 이론적 수렴성을 보장한다. 실험을 통해 기존 LBFGS 기반 방법 대비 계산량과 스케일러빌리티에서 우수함을 확인하였다.

상세 분석

이 연구는 다중에이전트 시스템(MAS)에서 복합적인 협업 과업을 STL로 기술하고, 이를 최적화 문제로 변환하는 전 과정을 체계화한다. 먼저, STL의 비스무스(min, max) 연산을 로그-소프트맥스 형태의 부드러운 근사(Γ 파라미터)로 대체함으로써 강건성 함수 ρφ를 미분 가능하게 만든다. 이때, 원본 강건성 ρφ와 부드러운 근사 ϱφΓ 사이에 ϱφΓ≤ρφ가 성립함을 이용해, ϱφΓ≥0이면 원 제약 ρφ>0이 자동으로 만족된다는 중요한 명제를 제시한다(Proposition 1).

그 다음, 제약조건을 직접 다루는 대신, ϱφΓ≥0을 위반했을 때만 양의 값을 갖는 이차형 페널티 R(u)=max{0,−ϱφΓ(u)}²를 정의한다. 이 페널티는 연속적이며 미분 가능하므로, 전체 목적함수 Fλ(u)=L(u)+λR(u) 를 무제한 최적화 문제로 전환한다. 여기서 L(u)=∑iLi(ui)는 각 에이전트별 비용이 독립적으로 합산된 형태이며, Li는 적절히 정의된 실행 비용과 최종 비용을 포함한다.

문제의 구조적 특성(비용의 분리성, 페널티의 미분 가능성)을 활용해 블록좌표 그래디언트 하강(BCGD) 알고리즘을 설계한다. 각 반복에서 선택된 에이전트 집합 Jk에 대해, 라그랑지안 근사 QH(u_k,d)=∇R(u_k)ᵀd+½dᵀHd를 사용해 2차 근사 문제를 풀고, 이를 개별 에이전트별 독립적인 소규모 최적화 문제(15)로 분해한다. Hk는 Hessian 근사 행렬이며, 대각 블록 형태를 취해 병렬 계산이 가능하도록 설계되었다. 단계 크기는 Armijo 규칙을 적용해 충분한 감소를 보장한다. 수렴 분석에서는 표준 정규성 가정 하에 ∇Fλ(u_k)→0인 정류점에 수렴함을 증명한다.

제약 만족을 보장하기 위해, 외부 루프에서 페널티 파라미터 λ를 점진적으로 증가시키는 전통적인 페널티 방법(PM)을 도입한다. 내부 BCGD는 고정 λ에 대해 최적화를 수행하고, 외부 루프는 λ←βλ(β>1) 형태로 업데이트하면서 ϱφΓ(u)≥0을 만족하도록 강제한다. 이 두 단계 구조는 최적화 효율성을 유지하면서도 최종 해가 원본 STL 제약을 만족하도록 만든다.

실험에서는 복잡한 협업 작업(예: 다중 로봇이 동시에 특정 영역을 점유하거나 순차적 순서를 만족해야 하는 시나리오)을 설정하고, 제안된 BCGD‑PM을 LBFGS 기반 단일 레벨 최적화와 비교하였다. 결과는 BCGD‑PM이 고차원 변수 공간에서도 수렴 속도가 빠르고, 메모리 사용량이 현저히 낮으며, 최종 로봇 궤적이 STL 사양을 완전히 만족함을 보여준다. 또한, 클리크 구조가 겹치는 경우에도 블록 업데이트가 자연스럽게 중복 에이전트를 처리함을 확인하였다.

핵심 기여는 다음과 같다. (1) 부드러운 STL 근사와 이차형 페널티를 결합한 일반적인 다중에이전트 제약 해석 프레임워크, (2) 각 에이전트를 블록으로 하는 BCGD 알고리즘을 설계·분석하여 고차원 문제에 대한 계산 복잡도 독립성을 확보, (3) 두‑레벨 페널티 스킴을 통해 원 제약 만족을 보장, (4) 실제 로봇 시뮬레이션을 통해 기존 방법 대비 실용적 우수성을 입증.