자율 계획의 도전 과제 (Challenges of Autonomous Planning)

1. 개요

자율 계획은 강력한 유연성과 확장성을 제공하나, 실제 로봇 시스템에 적용하는 데 있어 계산 복잡도, 도메인 모델링의 어려움, 불확실성 처리, 실시간 제약, 실행 보장 등의 도전 과제가 존재한다.

2. 주요 도전 과제

2.1 계산 복잡도

고전적 계획의 판정 문제는 PSPACE-complete이며, 최적 계획 문제는 NP-hard이다. 대규모 상태 공간에서의 계획 생성은 수 초에서 수 분의 계산 시간을 요구할 수 있어, 실시간 로봇 시스템에서의 적용이 제한된다.

2.2 도메인 모델링의 난이도

PDDL 도메인을 올바르게 정의하는 것은 전문적 지식을 요구한다. 실제 로봇 행동의 전제 조건과 효과를 정확히 기술하여야 하며, 모델의 오류는 실행 실패로 직결된다.

2.3 기호-연속 간극 (Symbol-Continuous Gap)

태스크 플래닝은 기호적(symbolic) 수준에서 동작하나, 실제 로봇은 연속적(continuous) 물리 공간에서 동작한다. 기호적 행동(예: “물체를 집어라”)과 연속적 실행(역기구학, 경로 계획)을 연결하는 인터페이스가 필요하다.

2.4 불확실성 처리

실제 환경에서는 행동의 결과가 비결정적이며(파지 실패, 이동 오차), 센서 관측이 불완전하다. 고전적 계획의 결정론적 가정이 충족되지 않는다.

2.5 시간적 제약

많은 로봇 임무에는 시간 제약이 존재한다(배달 마감, 배터리 수명). 고전적 계획은 행동의 지속 시간을 모델링하지 않으므로, 시간적 계획(temporal planning)의 확장이 필요하다.

2.6 실행 모니터링과 재계획

계획 생성과 실행은 별도의 과정이며, 실행 중 발생하는 편차를 감지하고 적절히 대응하는 모니터링 체계가 필요하다.

2.7 안전성 검증

자율 생성된 계획이 안전 제약을 준수하는지를 사전에 검증하기 어렵다. 하드코딩과 달리 모든 가능한 계획을 사전에 분석할 수 없으므로, 실행 시 안전 가드와의 통합이 필수적이다.

3. 도전 과제별 대응 전략

4. 하이브리드 접근에 의한 완화

안전이 중요한 저수준 행동은 하드코딩으로, 복잡한 고수준 임무 계획은 자율 계획으로 구현하는 하이브리드 접근이 이러한 도전 과제를 효과적으로 완화한다.

5. 참고 문헌

• Ghallab, M., Nau, D., & Traverso, P. (2016). Automated Planning and Acting. Cambridge University Press.
• Garrett, C. R., et al. (2021). “Integrated Task and Motion Planning.” Annual Review of Control, Robotics, and Autonomous Systems, 4, 265-293.
• Ingrand, F., & Ghallab, M. (2017). “Deliberation for Autonomous Robots: A Survey.” Artificial Intelligence, 247, 10-44.