해석 가능한 책임 공유 기반 가정용 로봇 작업 계획

초록

**
본 논문은 가정용 로봇이 환경에 존재하는 보조 객체(트레이, 피처 등)를 활용해 작업을 하위 문제로 분할하도록 하는 “해석 가능한 책임 공유(IRS)”라는 새로운 휴리스틱을 제안한다. IRS는 물리적 비용을 오프라인에서 규칙으로 추출하는 Optimized Rule Synthesis(ORS)를 통해 언제 보조 객체를 사용할지 판단하고, 이를 기존 TAMP 솔버에 메타‑휴리스틱으로 적용한다. 실험 결과, 서빙·붓는·핸드오버 등 세 가지 가정 작업에서 전통적 방법 대비 계획 시간과 실행 비용을 크게 감소시켰으며, 인간 실험을 통해 인간도 유사한 책임 공유 전략을 사용함을 확인하였다.

**

상세 분석

**
논문은 인간이 만든 가정 환경에 내재된 “Human‑Centric Environmental Bias”를 로봇 계획에 명시적으로 활용한다는 점에서 차별성을 가진다. 기존 TAMP 연구는 주로 논리적 목표와 물리적 제약을 결합한 탐색에 집중했으며, 인간의 설계 의도를 반영하는 보조 객체를 활용하는 경우는 드물었다. IRS는 이러한 보조 객체를 “책임 공유(Responsibility Sharing, RS)”의 주체로 전환한다. 즉, 트레이에 물건을 올려두고 로봇이 트레이를 운반하도록 함으로써 복합 작업을 두 개의 독립적인 서브‑문제로 나눈다. 이때 RS는 단순히 도구 사용을 넘어, 환경 자체가 제공하는 구조적 힌트를 전략적으로 이용한다는 의미를 담고 있다.

핵심 기술은 세 단계 파이프라인이다. 첫 번째 단계인 Counterfactual Plan Generation(CPG)에서는 동일 초기 상태에서 보조 객체를 사용한 경우와 사용하지 않은 경우의 두 플랜을 생성하고, 물리적 비용(예: 이동 거리, 에너지)을 비교해 ITE(Individual Treatment Effect)를 계산한다. ITE가 음수이면 보조 객체 사용이 비용 절감에 기여한다는 라벨을 부여한다. 두 번째 단계인 Optimized Rule Synthesis(ORS)에서는 라벨링된 데이터를 기반으로 First‑Order Logic 기반 규칙을 학습한다. 여기서는 RRL(Rule‑Based Representation Learner)과 CARL(Correlation and Order‑Aware Rule Learning)이라는 두 서브모듈을 결합해, 연속형 특징을 이산 논리식으로 변환하고, 규칙 집합의 정보량과 물리적 근거를 동시에 고려하는 Balance Score를 최적화한다. 결과적으로 “트레이가 존재하면 물건을 그룹화해 운반한다”, “피처가 가까이 있으면 액체를 붓는 작업을 분할한다”와 같은 직관적인 규칙이 도출된다.

세 번째 단계인 IRS 휴리스틱 적용에서는 학습된 규칙을 런타임에 조회한다. 규칙이 트리거되면 현재 TAMP 문제를 RS에 따라 하위 목표(예: 트레이에 물건 적재 → 트레이 운반 → 목적지에 배치)로 분할하고, 각 서브‑문제에 대해 기존 LGP 혹은 MBTS와 같은 최적화·탐색 기법을 독립적으로 적용한다. 규칙이 없을 경우 기존 탐색 방식으로 돌아가므로, IRS는 기존 솔버와 완전히 호환되는 메타‑휴리스틱이다.

실험은 세 가지 시나리오(서빙, 붓는 작업, 로봇 간 핸드오버)에서 수행되었다. 각 시나리오마다 IRS를 적용한 경우 평균 계획 시간은 30%~45% 감소했고, 총 이동 거리는 20%~35% 절감되었다. 특히 핸드오버 실험에서는 정적 로봇을 보조 객체로 활용함으로써 다중 로봇 협업에서도 RS 개념이 유효함을 보였다. 인간 피험자를 대상으로 한 설문에서는 대부분이 “트레이를 이용해 물건을 한 번에 옮기는 것이 자연스럽다”고 답했으며, 이는 IRS가 인간 직관과 일치함을 실증한다.

이 논문의 주요 기여는 (1) 환경에 내재된 인간 설계 의도를 명시적 규칙으로 추출하는 방법론, (2) 물리적 비용을 오프라인에서 규칙으로 전환해 런타임 비용을 최소화하는 메타‑휴리스틱, (3) 규칙 기반 접근과 연속형 최적화 기법을 조화시켜 해석 가능성과 성능을 동시에 달성한 점이다. 향후 연구에서는 동적 환경, 부분 관측 상황, 그리고 더 복잡한 다중 로봇 시나리오에 IRS를 확장하는 방향이 제시된다.

**