1317.45 PlanSys2의 성능 분석과 한계

1. 성능 분석의 관점

PlanSys2의 성능은 계획 수립 시간, 실행 오버헤드, 시스템 자원 사용량, 확장성 등 다양한 관점에서 분석할 수 있다. 이러한 성능 특성은 PlanSys2의 적용 가능 범위와 운용 조건을 결정하는 핵심 요인이다(Martín et al., 2021).

2. 계획 수립 성능

2.1 계획 수립 시간

계획 수립 시간은 주로 외부 플래너의 성능에 의해 결정된다. PlanSys2 자체의 오버헤드(도메인/문제 직렬화, 임시 파일 생성, 출력 파싱)는 일반적으로 수십 밀리초 수준으로 미미하다. 반면, 외부 플래너의 탐색 시간은 문제의 규모와 복잡도에 따라 수 밀리초에서 수 분까지 크게 달라진다.

계획 수립 시간에 영향을 미치는 주요 요인은 다음과 같다.

요인	영향
객체 수	객체가 증가하면 상태 공간이 지수적으로 팽창한다
액션 수	각 상태에서 적용 가능한 액션의 수가 분기 인수(branching factor)를 결정한다
목표 복잡도	복합 목표(다수의 술어 결합)는 탐색을 어렵게 한다
PDDL 기능 수준	시간적 액션, 수치 함수 등 고급 기능의 사용이 계획 복잡도를 증가시킨다
플래너 알고리즘	플래너의 휴리스틱과 탐색 전략에 따라 성능이 달라진다

2.2 계획 품질

PlanSys2의 기본 플래너인 POPF는 만족해(satisficing solution)를 생성하며, 최적해를 보장하지 않는다. 계획의 품질은 만듦새(makespan), 총 비용(total cost), 액션 수 등의 지표로 평가된다. 최적 계획이 필요한 경우, 최적 플래너(예: SymBA*)를 플러그인으로 통합해야 하며, 이는 더 긴 계획 수립 시간을 수반한다.

3. 실행 계층의 성능

3.1 행동 트리 틱 오버헤드

실행기 노드의 행동 트리 엔진은 고정 주기로 트리를 틱한다. 각 틱에서의 처리 시간은 트리의 크기(노드 수)에 비례하지만, 일반적인 계획 규모(수십 개의 액션)에서는 1밀리초 미만으로 매우 작다.

3.2 ROS2 통신 지연

실행기 노드와 액션 수행기 간의 ROS2 액션 통신에는 DDS 통신 지연이 수반된다. 동일 호스트 내의 통신에서는 수 밀리초, 네트워크를 경유하는 통신에서는 수십 밀리초의 지연이 발생할 수 있다. 이 지연은 액션 디스패치의 즉시성에 영향을 미치지만, 로봇 행동의 시간 규모(초~분)에 비해 무시할 수 있는 수준이다.

4. 확장성 한계

4.1 객체 수와 상태 공간

자동화된 계획 수립은 NP-난해(NP-hard) 문제이므로, 객체 수가 증가하면 상태 공간이 급격히 팽창하여 플래너가 허용 시간 내에 해를 찾지 못할 수 있다. 실용적인 한계로, 수십 개의 객체와 수 개의 액션 유형을 포함하는 도메인에서는 대부분의 플래너가 합리적 시간 내에 계획을 생성하지만, 수백 개 이상의 객체를 포함하는 대규모 문제에서는 성능이 급격히 저하될 수 있다.

4.2 동시 액션 수

시간적 계획에서 다수의 액션이 동시에 실행되는 경우, 실행기 노드가 관리해야 하는 행동 트리 노드 수와 ROS2 액션 클라이언트 수가 증가한다. 이는 시스템 자원(CPU, 메모리, 네트워크 대역폭)의 소비를 증가시킨다.

5. PlanSys2의 한계

5.1 PDDL 지원 범위의 제약

PlanSys2의 PDDL 파서와 내부 표현은 PDDL의 전체 사양을 지원하지 않는다. 특히, 선호도(preferences), 제약(constraints), 시간적 플래닝의 일부 고급 기능 등은 지원이 제한적이다. 이 제약은 도메인 모델의 표현력에 한계를 부여한다.

5.2 실시간성의 부재

PlanSys2는 실시간(real-time) 시스템으로 설계되지 않았다. 계획 수립 시간은 예측 불가능하며, 엄격한 시간 제약이 있는 환경에서는 별도의 실시간 보장 메커니즘이 필요하다.

5.3 불확실성 처리의 한계

PlanSys2는 결정론적(deterministic) PDDL에 기반하므로, 액션의 결과가 확률적으로 결정되는 비결정론적 환경을 직접적으로 모델링하지 못한다. 불확실성에 대한 대응은 재계획 전략을 통해 간접적으로 이루어진다.

5.4 학습 기반 적응의 부재

PlanSys2는 과거 실행 경험으로부터 학습하여 향후 계획을 개선하는 기능을 내장하지 않는다. 도메인 모델은 사람이 수동으로 정의해야 하며, 환경 변화에 따른 도메인 모델의 자동 갱신은 지원되지 않는다.

이러한 한계에도 불구하고, PlanSys2는 ROS2 생태계에서 PDDL 기반 임무 계획의 실용적 구현을 제공하는 유일한 프레임워크로서, 광범위한 로봇 공학 응용에 적용 가능하다(Martín et al., 2021).

참고 문헌

Martín, F., Cañas, J. M., Ginés, J., & Fuentetaja, R. (2021). “PlanSys2: A Planning System Framework for ROS2.” IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS).
Ghallab, M., Nau, D., & Traverso, P. (2004). Automated Planning: Theory and Practice. Morgan Kaufmann.

버전: v1.0