396.30 공간 및 환경 제약 조건

1. 서론

로봇 임무 관리에서 공간 및 환경 제약 조건(spatial and environmental constraints)은 로봇이 물리적으로 존재하고 행동하는 작업 공간(workspace)의 기하학적·물리적·규제적 제한을 형식화한 것이다. 로봇은 기하학적 충돌이 불가능한 장애물, 접근 금지 구역, 지형적 통행 불가 영역, 기상 조건에 의한 운용 제한, 법적 비행 금지 구역 등 다양한 공간적·환경적 제약 하에서 임무를 수행하여야 한다.

시간 제약이 임무의 시간적 차원(temporal dimension)을, 자원 제약이 임무의 자원적 차원(resource dimension)을 제한하는 것과 대비하여, 공간 및 환경 제약은 임무의 공간적 차원(spatial dimension)을 제한한다. 본 절에서는 공간 및 환경 제약의 분류 체계, 수학적 정식화, 동적 환경에서의 제약 표현, 그리고 제약의 검증 메커니즘을 체계적으로 기술한다.

2. 공간 제약의 분류

2.1 작업 공간 경계 제약

로봇의 작업 공간(workspace) $\mathcal{W}$ 는 임무가 수행되는 물리적 공간의 범위를 정의한다. 작업 공간 경계 제약은 로봇의 위치 $\mathbf{q}(t)$ 가 항상 허용 공간 내에 존재하여야 함을 요구한다:

$\mathbf{q}(t) \in \mathcal{W}_{\text{free}}, \quad \forall t \in [0, T_{\text{mission}}]$

여기서 $\mathcal{W}_{\text{free}} = \mathcal{W} \setminus \mathcal{W}_{\text{obs}}$ 는 장애물 영역 $\mathcal{W}_{\text{obs}}$ 를 제외한 자유 공간(free space)이다.

작업 공간 경계는 볼록 다면체(convex polytope), 반평면(half-plane)의 교차, 또는 일반적인 다각형(polygon)/다면체(polyhedron)로 표현된다. 볼록 다면체 표현에서:

$\mathcal{W} = \left\{ \mathbf{q} \in \mathbb{R}^d \;\middle|\; A\mathbf{q} \leq \mathbf{b} \right\}$

여기서 $A \in \mathbb{R}^{m \times d}$ 는 제약 행렬, $\mathbf{b} \in \mathbb{R}^m$ 는 제약 벡터, $d$ 는 공간의 차원(2차원 또는 3차원)이다.

2.2 장애물 회피 제약

정적 장애물(static obstacle) $\mathcal{O}_j$ 와의 충돌 회피 제약은 로봇의 점유 영역(occupied region) $\mathcal{B}(\mathbf{q})$ 과 장애물 영역 사이의 비교차(non-intersection) 조건으로 정식화된다:

$\mathcal{B}(\mathbf{q}(t)) \cap \mathcal{O}_j = \emptyset, \quad \forall j \in \{1, \ldots, N_{\text{obs}}\}, \; \forall t$

점 로봇(point robot) 가정 하에서 장애물을 민코프스키 합(Minkowski sum)으로 확장하면, 제약은 다음과 같이 단순화된다:

$\mathbf{q}(t) \notin \mathcal{O}_j^{\oplus}, \quad \forall j, \; \forall t$

여기서 $\mathcal{O}_j^{\oplus} = \mathcal{O}_j \oplus \mathcal{B}(0)$ 는 장애물 $\mathcal{O}_j$ 와 로봇 형상의 민코프스키 합이다.

원형(circular) 또는 구형(spherical) 장애물에 대하여 유클리드 거리 기반 제약은:

$\|\mathbf{q}(t) - \mathbf{o}_j\|_2 \geq r_{\text{robot}} + r_j + d_{\text{safe}}, \quad \forall j, \; \forall t$

여기서 $\mathbf{o}_j$ 는 장애물 $j$ 의 중심, $r_j$ 는 장애물 $j$ 의 반지름, $r_{\text{robot}}$ 은 로봇의 반지름, $d_{\text{safe}}$ 는 안전 여유 거리이다.

2.3 접근 금지 구역(No-Go Zone) 제약

접근 금지 구역은 법적, 안전, 운용상의 이유로 로봇의 진입이 완전히 금지되는 공간 영역이다. 무인 항공기(UAV)의 비행 금지 구역(no-fly zone), 군사 보안 구역, 산업 시설의 위험 구역 등이 이에 해당한다. 접근 금지 구역 $\mathcal{Z}_k$ 에 대한 제약은:

$\mathbf{q}(t) \notin \mathcal{Z}_k, \quad \forall k \in \{1, \ldots, N_{\text{zone}}\}, \; \forall t$

접근 금지 구역이 볼록 다각형으로 표현되는 경우, 이 제약은 선형 부등식 시스템의 논리적 보어(logical complement)로 변환된다. 비볼록(non-convex) 구역은 볼록 분해(convex decomposition)를 통하여 처리된다.

2.4 지오펜스(Geofence) 제약

지오펜스는 로봇의 운용 범위를 GPS 좌표 기반으로 정의하는 가상 경계이다. 포함형 지오펜스(inclusion geofence)는 로봇이 내부에 머물러야 하는 영역을, 배제형 지오펜스(exclusion geofence)는 진입 금지 영역을 정의한다:

$\mathbf{q}_{\text{geo}}(t) \in \mathcal{G}_{\text{incl}} \setminus \bigcup_{k} \mathcal{G}_{\text{excl}}^{(k)}, \quad \forall t$

여기서 $\mathbf{q}_{\text{geo}}(t) = [\phi(t), \lambda(t), h(t)]^{\top}$ 는 위도, 경도, 고도로 구성된 지리 좌표 벡터이다.

지오펜스는 UAV 운용에서 특히 중요하며, MAVLink 프로토콜의 지오펜스 명령, ArduPilot/PX4의 지오펜스 모듈, EASA(European Union Aviation Safety Agency)의 U-space 규정 등과 연동된다.

2.5 고도 제약

UAV 및 수중 로봇의 임무에서는 고도(altitude) 또는 수심(depth) 제약이 적용된다:

$h_{\min} \leq h(t) \leq h_{\max}, \quad \forall t$

UAV의 경우, 최저 안전 고도(minimum safe altitude)는 지형 고도 $h_{\text{terrain}}(\mathbf{q}(t))$ 에 대한 상대적 값으로 정의되기도 한다:

$h(t) - h_{\text{terrain}}(\mathbf{q}(t)) \geq h_{\text{AGL}}^{\min}, \quad \forall t$

여기서 $h_{\text{AGL}}^{\min}$ 은 지상 고도(Above Ground Level) 기준의 최저 고도이다.

수중 로봇의 경우, 내압 용기(pressure hull)의 설계 심도에 의한 최대 운용 수심 제약이 적용된다:

$z(t) \leq z_{\max}^{\text{depth}}, \quad \forall t$

3. 환경 제약의 분류

3.1 기상 조건 제약

로봇의 운용은 기상 조건에 의하여 제한될 수 있다. 풍속, 강수량, 시정(visibility), 온도, 습도 등의 환경 변수가 운용 한계를 초과하면 임무 수행이 불가능하거나 안전하지 않다. 기상 조건 제약은 다음과 같이 정식화된다:

$\mathbf{w}_{\text{env}}(t, \mathbf{q}) \in \mathcal{W}_{\text{operable}}, \quad \forall t, \; \forall \mathbf{q} \in \text{route}$

여기서 $\mathbf{w}_{\text{env}}(t, \mathbf{q})$ 는 시공간적 환경 상태 벡터이며, $\mathcal{W}_{\text{operable}}$ 는 운용 가능 환경 조건의 집합이다.

각 환경 변수에 대한 개별 제약:

$v_{\text{wind}}(t, \mathbf{q}) \leq v_{\text{wind}}^{\max}$

$\text{visibility}(t, \mathbf{q}) \geq \text{vis}_{\min}$

$T_{\text{ambient}}(t, \mathbf{q}) \in [T_{\min}, T_{\max}]$

$\text{precipitation}(t, \mathbf{q}) \leq \text{precip}_{\max}$

UAV 운용에서는 Beaufort 풍력 등급, ICAO(국제민간항공기구)의 VFR/IFR 기상 최소 조건 등의 표준이 적용된다.

3.2 지형 통행 가능성(Traversability) 제약

지상 이동 로봇의 임무에서는 지형의 물리적 특성에 의한 통행 가능성 제약이 적용된다. 경사도(slope), 거칠기(roughness), 표면 재질(surface material), 수분 상태(wetness) 등이 통행 가능성을 결정한다. 통행 가능성 함수 $\tau(\mathbf{q})$ 는 위치 $\mathbf{q}$ 에서의 지형 통행 가능성을 $[0, 1]$ 범위의 스칼라로 표현하며:

$\tau(\mathbf{q}(t)) \geq \tau_{\min}, \quad \forall t$

여기서 $\tau_{\min}$ 은 최소 허용 통행 가능성 임계값이다.

경사도 제약은 다음과 같이 표현된다:

$|\nabla h_{\text{terrain}}(\mathbf{q}(t))| \leq \theta_{\max}$

여기서 $\nabla h_{\text{terrain}}$ 은 지형 고도 함수의 기울기(gradient), $\theta_{\max}$ 는 로봇이 안전하게 통행할 수 있는 최대 경사 각도이다.

지형 정보는 디지털 고도 모델(Digital Elevation Model, DEM), 라이다(LiDAR) 점군(point cloud)에 의한 3차원 지형도, 또는 학습 기반 통행 가능성 분류기(traversability classifier)로부터 획득된다.

3.3 해류 및 수중 환경 제약

수중 로봇(AUV, ROV)의 임무에서는 해류(ocean current)의 방향과 세기가 중요한 환경 제약으로 작용한다. 해류 벡터 $\mathbf{v}_{\text{current}}(t, \mathbf{q})$ 가 로봇의 최대 추진력에 의한 속도 $v_{\text{max}}$ 를 초과하면 해당 영역은 통행 불가능하다:

$\|\mathbf{v}_{\text{current}}(t, \mathbf{q})\|_2 < v_{\text{max}}, \quad \forall \mathbf{q} \in \text{route}, \; \forall t$

수온, 염도, 탁도(turbidity) 등의 수중 환경 변수도 센서 운용 범위와 통신 가능 거리에 영향을 미치므로 간접적 환경 제약으로 고려된다.

3.4 조도 및 일조 제약

태양광 에너지 수확(solar energy harvesting)에 의존하는 로봇 시스템에서는 일조량(solar irradiance) $I_{\text{solar}}(t, \mathbf{q})$ 가 에너지 수급에 직접적 영향을 미친다. 일조 제약은 자원 제약과 결합되어:

$P_{\text{solar}}(t) = \eta_{\text{panel}} \cdot A_{\text{panel}} \cdot I_{\text{solar}}(t, \mathbf{q}(t))$

$E(t) = E(0) + \int_0^t \left[ P_{\text{solar}}(\tau) - P_{\text{consume}}(\tau) \right] d\tau \geq E_{\text{reserve}}, \quad \forall t$

야간 운용이 요구되는 임무에서는 인공 조명 또는 적외선 센서의 사용이 필요하며, 이에 따른 추가 에너지 소비가 간접적 환경 제약으로 작용한다.

4. 동적 환경에서의 공간 제약

4.1 시변 장애물(Time-Varying Obstacles)

동적 환경에서는 장애물의 위치, 형상, 존재 여부가 시간에 따라 변화한다. 이동하는 차량, 보행자, 다른 로봇, 기상 현상(폭풍 영역) 등이 시변 장애물에 해당한다. 시변 장애물 $\mathcal{O}_j(t)$ 에 대한 충돌 회피 제약은:

$\mathcal{B}(\mathbf{q}(t)) \cap \mathcal{O}_j(t) = \emptyset, \quad \forall j, \; \forall t$

이 제약은 공간과 시간을 결합한 시공간(space-time) 영역에서의 비교차 조건으로 해석될 수 있으며, 속도 장애물(velocity obstacle) 또는 시공간 격자(space-time lattice) 기반의 표현이 사용된다.

4.2 확률적 환경 모델

환경 정보가 불확실한 경우, 장애물의 위치와 환경 조건을 확률적으로 모델링한다. 확률적 장애물 $\tilde{\mathcal{O}}_j(t)$ 에 대한 충돌 회피 제약은 확률적 제약(chance constraint)으로 정식화된다:

$P\!\left[\mathcal{B}(\mathbf{q}(t)) \cap \tilde{\mathcal{O}}_j(t) \neq \emptyset\right] \leq \epsilon_{\text{coll}}, \quad \forall j, \; \forall t$

여기서 $\epsilon_{\text{coll}} \in (0, 1)$ 은 허용 가능한 최대 충돌 확률이다. 이 접근법은 확률적 경로 계획(stochastic path planning) 및 확률적 모델 예측 제어(Stochastic Model Predictive Control, SMPC)에서 활용된다.

환경 상태의 불확실성은 가우시안 프로세스(Gaussian Process, GP), 점유 격자(occupancy grid)의 확률적 갱신, 또는 칼만 필터(Kalman filter) 기반의 상태 추정을 통하여 표현된다.

4.3 시공간 제약의 통합 표현

공간 제약과 시간 제약이 결합된 시공간 제약(spatio-temporal constraint)은 특정 공간 영역에 특정 시간 구간에만 접근 가능하다는 조건을 표현한다. 예를 들어, 교통 통제 구역이 특정 시간대에만 개방되는 경우:

$\mathbf{q}(t) \in \mathcal{R}_k \implies t \in [a_k, b_k]$

여기서 $\mathcal{R}_k$ 는 공간 영역, $[a_k, b_k]$ 는 접근 허용 시간 구간이다. 이러한 시공간 제약은 시간 창(time window) 제약과 공간 제약의 논리적 결합(conjunction)으로 정식화된다.

5. 공간 제약의 표현과 데이터 구조

5.1 점유 격자 표현(Occupancy Grid)

점유 격자(occupancy grid)는 작업 공간을 균일한 격자(grid)로 이산화하고, 각 셀의 점유 상태를 확률 값으로 표현하는 방법이다. 셀 $(i, j)$ 의 점유 확률 $p_{ij}$ 에 대하여:

$p_{ij} = \begin{cases} 1 & \text{(확실한 장애물)} \\ 0 & \text{(확실한 자유 공간)} \\ 0.5 & \text{(미관측/불확실)} \end{cases}$

점유 격자 기반의 공간 제약은 로봇의 위치에 해당하는 셀의 점유 확률이 임계값 미만이어야 한다는 조건이다:

$p(\mathbf{q}(t)) \leq p_{\text{thresh}}, \quad \forall t$

5.2 부호 거리 함수(Signed Distance Function)

부호 거리 함수(SDF) $\phi(\mathbf{q})$ 는 위치 $\mathbf{q}$ 에서 가장 가까운 장애물 표면까지의 부호 있는 거리를 나타내며, 양수는 자유 공간, 음수는 장애물 내부를 의미한다:

$\phi(\mathbf{q}) > d_{\text{safe}} \quad \Leftrightarrow \quad \mathbf{q} \in \mathcal{W}_{\text{safe}}$

SDF는 경사 기반 최적화(gradient-based optimization)에 자연스럽게 통합되며, 연속적이고 미분 가능한 충돌 회피 제약의 정식화를 가능하게 한다.

5.3 반정형 대수적 표현

복잡한 공간 영역은 반정형 대수적 집합(semialgebraic set)으로 표현될 수 있다:

$\mathcal{W}_{\text{free}} = \left\{ \mathbf{q} \in \mathbb{R}^d \;\middle|\; g_i(\mathbf{q}) \geq 0, \; i = 1, \ldots, N_g \right\}$

여기서 $g_i(\mathbf{q})$ 는 다항식 부등식 함수이다. 이 표현은 합의-제곱(Sum-of-Squares, SOS) 프로그래밍을 통한 형식적 안전성 검증에 활용된다.

6. 다중 로봇 시스템에서의 공간 제약

6.1 로봇 간 충돌 회피 제약

다중 로봇 시스템에서는 로봇 간의 상호 충돌 회피 제약이 추가된다:

$\|\mathbf{q}_i(t) - \mathbf{q}_j(t)\|_2 \geq d_{\text{safe}}^{ij}, \quad \forall i \neq j, \; \forall t$

여기서 $d_{\text{safe}}^{ij}$ 는 로봇 $i$ 와 $j$ 사이의 최소 안전 거리이다. $N$ 대의 로봇에 대하여 $\binom{N}{2}$ 개의 쌍별(pairwise) 제약이 발생하므로, 로봇 수의 증가에 따라 제약의 수가 이차적으로 증가한다.

6.2 대형 유지(Formation Keeping) 제약

군집 로봇의 임무에서 대형(formation) 유지 제약은 로봇 간의 상대 위치가 지정된 대형 패턴을 유지하여야 함을 요구한다:

$\|\mathbf{q}_i(t) - \mathbf{q}_j(t) - \boldsymbol{\delta}_{ij}^{\text{des}}\| \leq \epsilon_{\text{formation}}, \quad \forall (i, j) \in \mathcal{E}_{\text{form}}, \; \forall t$

여기서 $\boldsymbol{\delta}_{ij}^{\text{des}}$ 는 로봇 $i$ 와 $j$ 사이의 목표 상대 위치 벡터, $\epsilon_{\text{formation}}$ 은 허용 오차, $\mathcal{E}_{\text{form}}$ 은 대형 그래프의 간선 집합이다.

7. 공간 제약의 검증

공간 및 환경 제약의 만족 여부는 임무 계획 단계의 정적 검증(static verification)과 임무 실행 단계의 동적 검증(runtime verification)으로 구분하여 수행된다.

정적 검증에서는 계획된 경로 $\pi = \{w_0, w_1, \ldots, w_M\}$ 이 모든 공간 제약을 만족하는지 확인한다:

$\forall s \in [0, 1], \; \forall l \in \{0, \ldots, M-1\}: \quad (1-s) w_l + s w_{l+1} \in \mathcal{W}_{\text{free}}$

동적 검증에서는 센서 데이터를 기반으로 환경 상태를 실시간으로 갱신하고, 현재 계획된 경로와 갱신된 환경 모델 사이의 제약 위반 여부를 지속적으로 모니터링한다. 제약 위반이 감지되면 임무 재계획(replanning) 또는 비상 절차(emergency procedure)가 기동된다.

8. 참고문헌

LaValle, S. M. (2006). Planning Algorithms. Cambridge University Press.
Elfes, A. (1989). “Using Occupancy Grids for Mobile Robot Perception and Navigation.” Computer, 22(6), 46–57.
Ratliff, N., Zucker, M., Bagnell, J. A., and Srinivasa, S. (2009). “CHOMP: Gradient Optimization Techniques for Efficient Motion Planning.” Proceedings of the IEEE International Conference on Robotics and Automation (ICRA), 2009.
Fiorini, P. and Shiller, Z. (1998). “Motion Planning in Dynamic Environments Using Velocity Obstacles.” The International Journal of Robotics Research, 17(7), 760–772.
Blackmore, L., Ono, M., and Williams, B. C. (2011). “Chance-Constrained Optimal Path Planning with Obstacles.” IEEE Transactions on Robotics, 27(6), 1080–1094.
Maciejewski, A. A. and Klein, C. A. (1985). “Obstacle Avoidance for Kinematically Redundant Manipulators in Dynamically Varying Environments.” The International Journal of Robotics Research, 4(3), 109–117.

본 절은 로봇공학 서적 Volume 9, Part 53, Chapter 396의 일부로 작성되었다. 버전: 2026-03-24 v2.0