396.17 임무 준비 단계의 구성 요소

1. 임무 준비 단계의 개관

임무 준비 단계(Mission Preparation Phase)는 임무 생애 주기에서 임무 정의가 완료된 이후, 실제 임무 실행이 시작되기 이전에 수행되는 모든 선행 활동을 포괄하는 단계이다. 이 단계의 목적은 임무 실행에 필요한 모든 조건을 사전에 갖추어 임무 수행의 성공 확률을 극대화하고, 실행 중 발생할 수 있는 위험 요소를 최소화하는 것이다.

임무 준비 단계의 완비도(Completeness)는 다음과 같이 정의된다.

\mathcal{C}_{\text{prep}} = \frac{\sum_{i=1}^{N} w_i \cdot \mathbb{1}[\text{satisfied}(\phi_i)]}{\sum_{i=1}^{N} w_i}

여기서 \phi_i는 i번째 준비 항목, w_i는 해당 항목의 가중치, \mathbb{1}[\cdot]은 지시 함수이다. \mathcal{C}_{\text{prep}} = 1일 때 모든 준비 항목이 충족된 것이며, 일반적으로 \mathcal{C}_{\text{prep}} \geq \theta_{\text{ready}}인 임계값 \theta_{\text{ready}}를 초과해야 임무 실행으로의 전이가 허용된다.

2. 환경 정보 수집 및 지도 구축

2.1 사전 환경 모델링

임무 준비 단계의 첫 번째 핵심 구성 요소는 작업 환경에 대한 정보를 수집하고, 이를 로봇이 활용할 수 있는 형태의 환경 모델(Environment Model)로 구축하는 것이다. 환경 모델 \mathcal{E}는 다음과 같은 요소로 구성된다.

\mathcal{E} = (\mathcal{M}, \mathcal{O}, \mathcal{R}_{\text{env}}, \mathcal{D})

여기서 \mathcal{M}은 공간 지도(Spatial Map), \mathcal{O}는 장애물 집합(Obstacle Set), \mathcal{R}_{\text{env}}는 환경 제약 규칙(Environmental Constraint Rules), \mathcal{D}는 동적 요소 예측 모델(Dynamic Element Prediction Model)이다.

• 정적 지도(Static Map): 건물, 지형, 고정 구조물 등 변화하지 않는 환경 요소를 나타내는 2차원 또는 3차원 지도이다. 점유 격자 지도(Occupancy Grid Map), 포인트 클라우드(Point Cloud), 메쉬 모델(Mesh Model) 등의 형식으로 표현된다.
• 의미론적 지도(Semantic Map): 공간의 기능적 의미를 부여한 지도로서, 특정 영역의 용도(예: 작업 구역, 충전소, 위험 구역)를 표시한다.
• 동적 환경 정보: 시간에 따라 변화하는 환경 요소(이동 중인 물체, 기상 조건, 조류 등)에 대한 예측 정보이다.

2.2 지도 정확도와 임무 성공률의 관계

환경 지도의 정확도는 임무 성공 확률에 직접적인 영향을 미친다. 지도 오차 \epsilon_{\text{map}}과 임무 성공률 P_{\text{success}} 간의 관계는 일반적으로 다음과 같은 경향을 보인다.

P_{\text{success}} \propto e^{-\lambda \epsilon_{\text{map}}^2}

여기서 \lambda는 임무 유형에 따른 민감도 계수이다. 정밀한 조작(Manipulation) 임무에서는 \lambda 값이 크며, 넓은 영역의 순찰(Patrol) 임무에서는 상대적으로 작다.

3. 로봇 시스템 상태 점검

3.1 하드웨어 점검(Hardware Inspection)

임무 준비 단계에서 로봇의 물리적 구성 요소에 대한 체계적인 점검을 수행해야 한다. 하드웨어 점검 목록 \mathcal{H}_{\text{check}}는 다음과 같은 항목을 포함한다.

각 점검 항목 h_j에 대하여 점검 결과 r(h_j)는 다음과 같이 이진적으로 판정된다.

r(h_j) = \begin{cases} 1 & \text{if } v(h_j) \in [v_{\min}(h_j), v_{\max}(h_j)] \\ 0 & \text{otherwise} \end{cases}

여기서 v(h_j)는 점검 항목 h_j의 측정값, v_{\min}(h_j)와 v_{\max}(h_j)는 해당 항목의 허용 하한과 상한이다.

3.2 소프트웨어 점검(Software Inspection)

소프트웨어 측면의 점검은 임무 수행에 필요한 소프트웨어 모듈의 정상 동작 여부를 확인하는 과정이다. 주요 점검 항목은 다음과 같다.

• 노드 상태 확인: 임무 수행에 관여하는 모든 소프트웨어 노드(ROS2 노드 등)가 정상적으로 구동되고 있는지를 확인한다.
• 토픽/서비스 연결성: 노드 간 데이터 흐름이 정상적으로 이루어지는지, 필요한 토픽 구독(Subscription)과 서비스 서버가 활성화되어 있는지를 점검한다.
• 파라미터 설정: 임무별 파라미터가 올바르게 로드되었는지를 확인한다.
• 펌웨어 버전: 하드웨어 컨트롤러의 펌웨어 버전이 호환되는지를 검증한다.

4. 에너지 및 자원 확보

4.1 에너지 계획(Energy Planning)

임무 수행에 필요한 에너지를 사전에 산정하고, 충분한 에너지가 확보되었는지를 확인한다. 임무 소요 에너지 E_{\text{mission}}은 다음과 같이 추정된다.

E_{\text{mission}} = \sum_{i=1}^{n} E(\tau_i) + E_{\text{reserve}}

여기서 E(\tau_i)는 과업 \tau_i의 예상 에너지 소비량, E_{\text{reserve}}는 비상 상황 대비 예비 에너지이다. 임무 시작 조건으로 다음이 충족되어야 한다.

E_{\text{battery}} \geq E_{\text{mission}} + E_{\text{return}}

여기서 E_{\text{battery}}는 현재 배터리 잔량, E_{\text{return}}은 기지(Base)까지 복귀하는 데 필요한 에너지이다.

4.2 소모품 및 페이로드 준비

임무에 따라 추가적인 소모품(Consumables)이나 페이로드(Payload)가 필요할 수 있다. 예를 들어, 대기 질 측정 임무에서는 측정 센서 모듈이, 물류 배송 임무에서는 배송품이, 농업 방제 임무에서는 약제가 페이로드에 해당한다. 소모품 준비 상태 \mathcal{P}_{\text{consumable}}은 다음과 같이 검증된다.

\mathcal{P}_{\text{consumable}} = \bigwedge_{k=1}^{K} \left( q_k \geq q_k^{\min} \right)

여기서 q_k는 k번째 소모품의 현재 보유량, q_k^{\min}은 임무 수행에 필요한 최소 보유량이다.

5. 통신 환경 확인

5.1 통신 링크 품질 평가

임무 수행 중 안정적인 통신을 보장하기 위하여, 사전에 통신 링크의 품질을 평가해야 한다. 통신 품질 지표로는 다음과 같은 항목이 사용된다.

• 수신 신호 강도 지시기(RSSI, Received Signal Strength Indicator): 무선 통신 신호의 세기를 나타내며, 최소 임계값 이상이어야 한다.
• 패킷 손실률(Packet Loss Rate): 전송된 패킷 중 수신되지 않은 패킷의 비율로서, 허용 범위 내여야 한다.
• 왕복 지연 시간(RTT, Round-Trip Time): 데이터 전송 후 응답까지의 소요 시간으로서, 실시간 제어에 충분히 짧아야 한다.

통신 준비 상태 판정 함수 f_{\text{comm}}은 다음과 같다.

f_{\text{comm}} = \mathbb{1}[\text{RSSI} \geq \text{RSSI}_{\min}] \wedge \mathbb{1}[\text{PLR} \leq \text{PLR}_{\max}] \wedge \mathbb{1}[\text{RTT} \leq \text{RTT}_{\max}]

5.2 통신 실패 대비 계획

통신 단절이 예상되는 영역이 존재할 경우, 사전에 통신 실패 대비 계획(Communication Contingency Plan)을 수립해야 한다. 이 계획에는 다음과 같은 사항이 포함된다.

• 통신 단절 시 로컬 자율(Local Autonomy) 모드로의 전환 절차
• 통신 복구 시 상태 동기화(State Synchronization) 절차
• 통신 단절 지속 시간에 따른 단계적 대응 전략

6. 임무 계획의 유효성 검증

6.1 계획 일관성 검증(Plan Consistency Check)

수립된 임무 계획의 내적 일관성을 검증하는 과정이다. 검증 대상은 다음과 같다.

• 시간적 일관성: 과업 간의 선행 관계가 시간 제약과 모순되지 않는지를 확인한다. 선행 관계 그래프(Precedence Graph)에서 순환(Cycle)이 존재하지 않아야 한다.
• 자원 일관성: 동시에 실행되는 과업들의 자원 요구량 합이 가용 자원을 초과하지 않는지를 확인한다.

\forall t, \quad \sum_{i \in \text{active}(t)} r_{ij} \leq R_j, \quad \forall j

여기서 r_{ij}는 과업 i의 자원 j 요구량, R_j는 자원 j의 가용량, \text{active}(t)는 시각 t에 실행 중인 과업의 집합이다.

• 공간적 일관성: 계획된 경로가 물리적 제약(장애물, 비행 금지 구역 등)을 위반하지 않는지를 확인한다.

6.2 사전 조건 검증(Precondition Verification)

각 과업의 사전 조건(Precondition)이 해당 과업의 계획된 시작 시점에서 충족될 수 있는지를 검증한다. 과업 \tau_i의 사전 조건 집합 \Phi_{\text{pre}}(\tau_i)에 대하여 다음이 성립해야 한다.

\forall \phi \in \Phi_{\text{pre}}(\tau_i), \quad \exists \tau_j \in \text{predecessors}(\tau_i) : \phi \in \text{effects}(\tau_j)

즉, 각 사전 조건이 선행 과업의 효과(Effect)에 의해 달성될 수 있어야 한다.

7. 안전 절차 구성

7.1 비상 대응 절차(Emergency Response Procedure)

임무 수행 중 발생할 수 있는 비상 상황에 대한 대응 절차를 사전에 정의하고 시스템에 등록해야 한다. 비상 대응 절차 \mathcal{P}_{\text{emg}}는 다음과 같은 구성 요소를 포함한다.

• 비상 상황 분류: 비상 상황의 유형(하드웨어 고장, 충돌 위험, 통신 단절, 에너지 부족 등)을 정의한다.
• 비상 등급(Severity Level): 각 비상 상황의 심각도를 등급으로 분류한다. 등급 l \in \{1, 2, 3, 4, 5\}로 정의하며, 숫자가 클수록 심각한 상황을 의미한다.
• 대응 행동(Response Action): 각 등급에 대응하는 행동을 정의한다. 높은 등급의 비상 상황에서는 즉각적인 임무 중단 및 안전 복귀가 요구된다.

비상 대응 함수 R_{\text{emg}}는 다음과 같이 정의된다.

R_{\text{emg}}: (\text{type}, l) \rightarrow a_{\text{response}}

여기서 \text{type}은 비상 유형, l은 심각도 등급, a_{\text{response}}는 대응 행동이다.

7.2 지오펜스(Geofence) 설정

로봇의 활동 범위를 사전에 정의하여, 해당 범위를 벗어나지 않도록 하는 가상 경계인 지오펜스를 설정한다. 지오펜스 영역 \mathcal{G}는 다볍각형(Polygon) 또는 원형으로 정의되며, 로봇의 위치 \mathbf{p}에 대하여 다음 제약이 적용된다.

\mathbf{p}(t) \in \mathcal{G}, \quad \forall t \in [t_{\text{start}}, t_{\text{end}}]

지오펜스를 벗어나면 자동으로 비상 대응 절차가 발동되도록 설정한다.

8. 시뮬레이션 기반 사전 실행

8.1 가상 환경에서의 사전 실행(Pre-Execution in Virtual Environment)

실제 임무 수행에 앞서 시뮬레이션 환경에서 임무 계획을 사전 실행하여 잠재적 문제점을 사전에 발견하고 수정하는 과정이다. 시뮬레이션 기반 사전 실행의 장점은 다음과 같다.

• 실제 로봇과 환경에 대한 물리적 위험 없이 임무 계획을 검증할 수 있다.
• 다양한 환경 조건(기상, 장애물 배치, 통신 상태 등)에 대한 시나리오 분석이 가능하다.
• 행동 트리, 상태 머신 등의 임무 제어 로직의 정확성을 사전에 확인할 수 있다.

시뮬레이션의 충실도(Fidelity) \mathcal{F}는 다음과 같이 정의된다.

\mathcal{F} = 1 - \frac{\|\mathbf{y}_{\text{sim}} - \mathbf{y}_{\text{real}}\|}{\|\mathbf{y}_{\text{real}}\|}

여기서 \mathbf{y}_{\text{sim}}은 시뮬레이션 결과 벡터, \mathbf{y}_{\text{real}}은 실제 결과 벡터이다. 시뮬레이션 충실도가 높을수록 사전 실행 결과의 신뢰도가 향상된다.

8.2 몬테카를로 시뮬레이션(Monte Carlo Simulation)

불확실성 요소가 존재하는 환경에서 임무 계획의 강건성(Robustness)을 평가하기 위하여 몬테카를로 시뮬레이션이 활용된다. N_{\text{MC}}회의 무작위 시행을 통하여 임무 성공 확률을 추정한다.

\hat{P}_{\text{success}} = \frac{1}{N_{\text{MC}}} \sum_{k=1}^{N_{\text{MC}}} \mathbb{1}[\text{success}(k)]

이 추정치의 95% 신뢰 구간은 다음과 같다.

\hat{P}_{\text{success}} \pm 1.96 \sqrt{\frac{\hat{P}_{\text{success}}(1 - \hat{P}_{\text{success}})}{N_{\text{MC}}}}

9. 운영자 브리핑 및 승인

9.1 임무 브리핑(Mission Briefing)

임무 준비 단계의 마지막 구성 요소로서, 운영자 또는 감독자에게 임무 계획, 준비 상태, 위험 평가 결과를 보고하고 최종 실행 승인을 획득하는 과정이다. 임무 브리핑에 포함되는 정보는 다음과 같다.

• 임무 목표 및 범위
• 임무 계획(과업 분해, 스케줄, 경로)
• 시스템 점검 결과(하드웨어, 소프트웨어)
• 에너지 및 자원 상태
• 환경 조건 및 예측
• 위험 평가 결과 및 대응 계획
• 시뮬레이션 결과(해당 시)

9.2 발사 전 준비 완료 판정(GO/NO-GO Decision)

모든 준비 항목의 점검이 완료되면, 최종적으로 임무 실행 여부를 결정하는 GO/NO-GO 판정을 수행한다. 판정 조건은 다음과 같이 형식화된다.

\text{Decision} = \begin{cases} \text{GO} & \text{if } \bigwedge_{i=1}^{N} r(\phi_i) = 1 \\ \text{NO-GO} & \text{otherwise} \end{cases}

모든 필수 점검 항목이 통과(GO)된 경우에만 임무 실행 단계로의 전이가 허용된다. NO-GO 판정이 내려진 경우, 미충족 항목을 식별하고 해당 항목을 보완한 후 재점검을 수행한다.

10. 준비 단계의 자동화

자율성 수준이 높은 로봇 시스템에서는 준비 단계의 상당 부분을 자동화할 수 있다. 자동 점검 시퀀스(Automated Pre-Flight Check Sequence)는 사전에 정의된 점검 순서에 따라 각 항목을 자동으로 점검하고, 결과를 종합하여 GO/NO-GO 판정을 자동으로 수행한다. 이 과정은 ROS2의 Lifecycle 노드 관리 메커니즘과 연동되어 구현될 수 있으며, 각 노드가 UNCONFIGURED → INACTIVE → ACTIVE 상태로 순차적으로 전이하는 과정에서 점검이 수행된다.

11. 참고 문헌

• Ghallab, M., Nau, D., & Traverso, P. (2016). Automated Planning and Acting. Cambridge University Press.
• Ingrand, F., & Ghallab, M. (2017). “Deliberation for autonomous robots: A survey.” Artificial Intelligence, 247, 10–44.
• Verma, V., et al. (2005). “Autonomous robotics architecture for Mars exploration.” In IEEE Aerospace Conference.
• Macenski, S., et al. (2020). “Marathon 2: A Navigation System.” In IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS).
• Kohlbrecher, S., et al. (2015). “A comprehensive software framework for complex locomotion and manipulation tasks applicable to different types of humanoid robots.” Frontiers in Robotics and AI, 2, 31.

v0.1.0