397.4 임무 계획의 계층적 위치와 시스템 아키텍처

1. 자율 로봇 시스템 아키텍처에서의 임무 계획

자율 로봇 시스템의 소프트웨어 아키텍처는 일반적으로 다중 계층(Multi-Layer) 구조를 채택하며, 각 계층은 서로 다른 수준의 추상화(Abstraction)와 시간 상수(Time Constant)에서 동작한다. 임무 계획 모듈은 이 계층 구조에서 최상위 심의 계층(Deliberative Layer)에 위치하며, 전체 시스템의 목표 지향적 행동을 조율하는 역할을 수행한다. 임무 계획의 계층적 위치를 이해하는 것은 시스템의 전체적인 설계 철학과 모듈 간의 상호작용을 파악하는 데 필수적이다.

2. 대표적 로봇 시스템 아키텍처

2.1 계층 아키텍처 (Three-Layer Architecture)

3계층 아키텍처는 자율 로봇 시스템에서 가장 널리 채택되는 참조 아키텍처(Reference Architecture)이며, 심의 계층(Deliberative Layer), 실행 계층(Executive Layer), 반응 계층(Reactive Layer)으로 구성된다 (Gat, 1998).

**심의 계층 (Deliberative Layer)**은 임무 계획 수립, 자원 관리, 전략적 의사 결정 등 장기적이고 계산 집약적인 추론을 수행한다. 임무 계획기(Mission Planner)는 이 계층의 핵심 구성 요소로서, 임무 목표를 분석하고 행동 순서를 도출한다.

**실행 계층 (Executive Layer)**은 심의 계층의 계획을 해석하고 반응 계층의 행동 모듈을 조율하는 중간 매개 역할을 수행한다. 상태 기계(State Machine), 행동 트리(Behavior Tree), 스크립팅 엔진(Scripting Engine) 등이 이 계층에서 활용된다.

**반응 계층 (Reactive Layer)**은 센서 입력에 대한 즉각적인 반응을 생성하는 저수준 제어 루프를 포함한다. 장애물 회피, 자세 안정화, 궤적 추종(Trajectory Tracking) 등의 기능이 이 계층에서 수행된다.

각 계층의 특성을 비교하면 다음과 같다.

2.2 NASREM/4D-RCS 아키텍처

미국 국립표준기술연구소(NIST)에서 제안한 4D-RCS(Four-Dimensional Real-time Control System) 아키텍처는 자율 시스템의 참조 모델로서 광범위한 영향력을 가진다 (Albus, 2002). 이 아키텍처는 감지(Sensory Processing), 세계 모델링(World Modeling), 가치 판단(Value Judgment), 행동 생성(Behavior Generation)의 네 가지 기능 모듈을 계층적으로 배치한다.

임무 계획은 행동 생성(Behavior Generation) 기능의 최상위 수준에 위치하며, 다음과 같은 계층적 분해 구조를 따른다.

\text{Mission} \rightarrow \text{Task} \rightarrow \text{Activity} \rightarrow \text{Elementary Action} \rightarrow \text{Servo Command}

각 수준에서의 시간 지평(Time Horizon)은 다음과 같이 결정된다.

T_{\text{level}} = T_{\text{base}} \cdot \alpha^{k}

여기서 T_{\text{base}}는 기본 시간 상수, \alpha > 1는 계층 간 시간 확장 인자(Time Scaling Factor), k는 계층의 인덱스를 나타낸다. 상위 계층일수록 더 긴 시간 지평에서 계획을 수립한다.

2.3 하이브리드 심의-반응 아키텍처 (Hybrid Deliberative-Reactive Architecture)

하이브리드 아키텍처는 심의적 계획의 장기적 목표 추구 능력과 반응적 행동의 즉각적 환경 대응 능력을 결합한 아키텍처이다 (Arkin, 1998). Atlantis, 3T(Three-Tier), LAAS 아키텍처 등이 이 범주에 속한다.

하이브리드 아키텍처에서 임무 계획 모듈과 반응 모듈 간의 상호작용은 다음과 같은 메커니즘을 통하여 이루어진다.

• 하향식 제어(Top-Down Control): 임무 계획 모듈이 반응 계층의 행동 모듈을 활성화 또는 비활성화한다.
• 상향식 피드백(Bottom-Up Feedback): 반응 계층이 예외 상황(Exception)을 감지하여 상위 계층에 보고한다.
• 중간 조율(Mediation): 실행 계층이 심의 계층의 계획과 반응 계층의 상태를 조율한다.

이 상호작용은 형식적으로 다음과 같이 모델링할 수 있다.

\mathcal{A}_{\text{active}}(t) = \text{Exec}\left(\sigma_M(t), \mathcal{E}_{\text{reactive}}(t)\right)

여기서 \mathcal{A}_{\text{active}}(t)는 시각 t에서 활성화된 행동 집합, \sigma_M(t)는 현재 임무 계획, \mathcal{E}_{\text{reactive}}(t)는 반응 계층에서 제공하는 환경 이벤트의 집합을 나타낸다.

3. 임무 계획 모듈의 내부 아키텍처

임무 계획 모듈 자체도 내부적으로 여러 하위 구성 요소로 구조화된다. 전형적인 임무 계획 모듈의 내부 아키텍처는 다음과 같은 구성 요소를 포함한다.

3.1 임무 수신 인터페이스 (Mission Reception Interface)

외부로부터 임무 목표를 수신하는 인터페이스이다. 임무 목표는 사전 정의된 형식(예: PDDL, LTL 사양), 자연어 명령, 또는 원격 관제 시스템의 명령 프로토콜 등 다양한 형태로 입력될 수 있다.

3.2 도메인 모델 (Domain Model)

임무 계획에서 사용하는 환경, 로봇, 행동에 대한 형식적 모델이다. PDDL의 도메인 정의(Domain Definition)가 대표적인 예시이며, 다음과 같은 요소를 포함한다.

\mathcal{D} = \langle \mathcal{P}, \mathcal{A}, \mathcal{F}, \mathcal{I} \rangle

여기서 \mathcal{P}는 서술어(Predicates)의 집합, \mathcal{A}는 행동 스키마(Action Schema)의 집합, \mathcal{F}는 함수(Functions)의 집합, \mathcal{I}는 초기 상태(Initial State)의 기술이다.

3.3 계획 엔진 (Planning Engine)

주어진 도메인 모델과 임무 목표를 입력으로 받아 행동 순서를 생성하는 핵심 계산 모듈이다. 계획 엔진은 사용하는 알고리즘에 따라 탐색 기반 계획기(Search-Based Planner), 제약 기반 계획기(Constraint-Based Planner), 학습 기반 계획기(Learning-Based Planner) 등으로 분류된다.

3.4 계획 검증기 (Plan Verifier)

생성된 계획이 주어진 제약 조건을 만족하는지, 그리고 임무 목표를 달성하는지를 검증하는 모듈이다. 형식적 검증(Formal Verification) 기법, 시뮬레이션 기반 검증(Simulation-Based Verification), 모델 검사(Model Checking) 등의 방법이 사용된다.

3.5 계획 디스패처 (Plan Dispatcher)

검증된 계획을 실행 계층에 전달하고, 실행 상태를 모니터링하면서 필요 시 재계획을 요청하는 모듈이다. 계획 디스패처는 이벤트 트리거(Event Trigger) 방식으로 동작하며, 다음과 같은 전이 조건을 관리한다.

\text{Dispatch}(a_t) \rightarrow \begin{cases} a_{t+1}, & \text{if } \text{success}(a_t) \\ \text{Replan}(s_t), & \text{if } \text{failure}(a_t) \end{cases}

4. 임무 계획과 다른 시스템 구성 요소의 인터페이스

4.1 상태 추정 모듈과의 인터페이스

임무 계획기는 상태 추정(State Estimation) 모듈로부터 로봇의 현재 상태와 환경의 상태를 수신한다. 이 인터페이스를 통하여 임무 계획기는 현실의 상태를 반영한 계획 수립이 가능해진다.

\hat{s}_t = \text{StateEstimator}(z_1, z_2, \ldots, z_t)

여기서 \hat{s}_t는 시각 t에서의 추정 상태, z_i는 시각 i에서의 관측값(Observation)이다.

4.2 세계 모델과의 인터페이스

세계 모델(World Model)은 환경의 지도(Map), 장애물 위치, 관심 지점(Point of Interest), 금지 구역(No-Go Zone) 등의 정보를 유지 관리한다. 임무 계획기는 세계 모델을 참조하여 공간적 제약을 고려한 계획을 수립한다.

4.3 통신 모듈과의 인터페이스

다중 로봇 시스템이나 원격 관제 시스템과의 연동에서 통신 모듈은 임무 계획기에 외부 명령, 타 로봇의 상태 정보, 환경 업데이트 등을 전달한다. 통신 지연(Latency), 대역폭(Bandwidth), 연결성(Connectivity) 등의 통신 특성은 임무 계획의 설계에 직접적인 영향을 미친다.

5. 소프트웨어 프레임워크에서의 구현

5.1 ROS2 기반 아키텍처

로봇 운영체제 2(Robot Operating System 2, ROS2)에서 임무 계획 모듈은 일반적으로 노드(Node)로 구현되며, 토픽(Topic), 서비스(Service), 액션(Action) 등의 통신 메커니즘을 통하여 다른 모듈과 상호작용한다. PlanSys2와 같은 계획 프레임워크는 ROS2 내에서 PDDL 기반 임무 계획을 수행하기 위한 표준화된 인터페이스를 제공한다 (Martín et al., 2021).

PlanSys2의 아키텍처는 다음과 같은 핵심 노드로 구성된다.

• Domain Expert Node: PDDL 도메인 파일의 관리
• Problem Expert Node: 현재 상태와 목표의 관리
• Planner Node: 계획 생성 알고리즘의 실행
• Executor Node: 계획의 실행 및 모니터링

5.2 마이크로서비스 기반 아키텍처

대규모 자율 시스템에서는 마이크로서비스(Microservice) 아키텍처를 채택하여 임무 계획 모듈을 독립적인 서비스로 배포하는 경우가 증가하고 있다. 이 접근법은 모듈의 독립적 확장(Scaling), 배포(Deployment), 업데이트를 가능하게 하며, 컨테이너화(Containerization) 기술을 활용한 유연한 운영을 지원한다.

6. 아키텍처 설계 원칙

임무 계획 모듈을 포함하는 시스템 아키텍처의 설계에서는 다음과 같은 원칙이 적용된다.

모듈성(Modularity): 임무 계획 모듈은 다른 시스템 구성 요소와 명확하게 정의된 인터페이스를 통하여 소통하며, 내부 구현의 변경이 다른 모듈에 영향을 미치지 않아야 한다.

확장성(Scalability): 임무의 규모와 복잡도가 증가하더라도 아키텍처가 이를 수용할 수 있어야 한다. 이를 위하여 계층적 분해(Hierarchical Decomposition)와 분산 처리(Distributed Processing) 기법이 활용된다.

결함 허용성(Fault Tolerance): 개별 모듈의 장애가 전체 시스템의 동작을 마비시키지 않도록 결함 격리(Fault Isolation)와 회복(Recovery) 메커니즘이 내장되어야 한다.

실시간성(Real-Time Capability): 임무 계획의 수립과 갱신이 운영 환경의 시간 요구사항을 만족하여야 한다. 심의 계층의 계획 수립 시간이 허용 범위를 초과하는 경우, 예비 계획(Contingency Plan)이나 기본 행동(Default Behavior)으로의 자동 전환이 보장되어야 한다.

7. 참고 문헌

• Gat, E. (1998). On three-layer architectures. In Artificial Intelligence and Mobile Robots (pp. 195-210). MIT Press.
• Albus, J. S. (2002). 4D/RCS: A reference model architecture for intelligent unmanned ground vehicles. Proceedings of the SPIE, 4715, 303-310.
• Arkin, R. C. (1998). Behavior-Based Robotics. MIT Press.
• Martín, F., et al. (2021). PlanSys2: A planning system framework for ROS2. Proceedings of the IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS).

버전: 2026-03-24 v1.0