1.5 인지-계획-행동(Perception-Planning-Action) 파이프라인의 분산 제어 특성

자율 방식을 채택하는 자율 에이전트 드론(Autonomous Agent Drone)의 소프트웨어 아키텍처는 고전적인 일체형(Monolithic) 제어 구조를 탈피하여 인지(Perception), 계획(Planning), 행동(Action)이 상호 유기적으로 결합된 분산 파이프라인(Distributed Pipeline) 형태로 진화하였다. 이는 데이터 처리량이 급증하고 실시간(Real-time) 반응성이 필수적인 환경에서, 단일 알고리즘 혹은 단일 제어 루프의 한계를 극복하기 위한 공학적 필연이다. 특히 데이터 분산 서비스(DDS, Data Distribution Service)를 기반으로 하는 최신 통신 미들웨어는 노드(Node) 간의 독립적인 생명주기와 비동기 메시지 교환을 보장하여 시스템의 강건성(Robustness)과 연산 효율성을 극대화한다.

1. 인지, 계획, 행동 모듈의 논리적 및 물리적 분리

순차적이고 단일화된 구조의 고전적 무인 드론 비행 제어 루프(Control Loop)와 달리, 자율 에이전트 드론의 인지-계획-행동(PPA) 파이프라인은 각 단계의 기능적 경계를 식별하고 이를 독립적인 프로세스 단위로 분할한다.

인지(Perception) 계층: 라이다(LiDAR), 비전 센서, 관성 측정 장치(IMU) 등 다중 센서로부터 획득한 이종 원시 데이터(Raw Data)를 융합(Sensor Fusion)하여 에이전트의 자기 위치(Ego-motion)와 주변 환경의 상태(State)를 추정(Estimation)한다. 동시적 위치 추정 및 지도 작성(SLAM, Simultaneous Localization and Mapping) 또는 시각 기반 주행 거리 측정(Visual Odometry) 알고리즘이 개별 노드에서 수행되며, 추출된 3차원 점 군(Point Cloud) 데이터나 변환 정사영(Transform Projection) 행렬을 시스템 네트워크로 배포(Publish)한다.
계획(Planning) 계층: 인지 계층에서 추론된 전역 및 지형 데이터 포맷을 기반으로 동적 장애물을 회피하고 목적지에 도달하는 최적의 시스템 상태(State) 궤적을 산출한다. 운동학적 제약(Kinematic Constraint)과 동역학적 한계(Kinodynamic Constraint)를 만족하는 경로(Path) 프로파일과 궤적 다항식(Trajectory Polynomial)의 생성이 이 계층의 주된 역할이다.
행동(Action) 또는 제어(Control) 계층: 계획 계층에서 수신된 지역 기준 궤적(Local Reference Trajectory)을 추종하기 위해 비례-적분-미분(PID) 또는 모델 예측 제어(MPC, Model Predictive Control)와 같은 제어 법칙(Control Rule)을 적용한다. 그 결과로 얻어진 모터 제어 입력값(Control Input)은 MAVLink 프로토콜 등 저수준(Low-level) 직렬 통신을 통해 하드웨어 비행 제어기(Flight Controller)로 하달된다.

이러한 모듈화의 핵심 이점은 각 계층의 연산 실행 빈도(Rate)를 하드웨어 성능과 목적에 맞춰 개별적으로 조율(Tuning)할 수 있다는 점이다. 딥러닝 기반의 비전 인식 알고리즘이 10~30Hz의 상대적으로 낮은 주기로 동작하더라도, 비행 자세 안정을 위한 제어 계층 알고리즘은 200~500Hz 이상의 고주파수 특성을 유지할 수 있도록 상호 간섭을 차단한다.

2. 분산 통신 모델 결합에 따른 토폴로지 강건성

PPA 파이프라인은 상호 통신 미들웨어에서 마스터 중심(Master-centric) 아키텍처가 아닌 완전한 P2P(Peer-to-Peer) 네트워크 토폴로지(Topology)를 기초로 형성된다. 모듈 간 데이터 흐름을 중재하는 중앙 병목 노드가 존재하지 않으므로, 일점 혼란(Single Point of Failure, 단일 장애점)을 제거하고 내고장성(Fault Tolerance)을 비약적으로 높일 수 있다.

약결합(Loosely Coupled) 형태인 이 패러다임 하에서 각 노드는 상대방의 내부 메모리나 루틴을 직·간접적으로 호출하지 않고 사전 정의된 토픽(Topic) 인터페이스 규격만을 매개로 상호 운용된다. 따라서 인지 모듈 또는 계획 모듈의 특정 노드에 프로세스 충돌(Crash)이 발생하더라도 하위 비행 제어 노드는 셧다운 되지 않고 최후의 안전 지대 프로토콜(Fail-safe)을 독립적으로 속행할 수 있는 등 계층적 핫 스와핑(Hot Swapping)과 복구 로직 구현이 용이하다. 아울러 서비스 품질(QoS, Quality of Service) 프로파일을 활용해 안전-필수(Safety-Critical) 데이터는 ‘신뢰성(Reliable)’ 기반으로, 처리 지연(Latency)이 치명적인 고속 센서 스트림은 ‘최선 노력(Best Effort)’ 기반으로 패킷 정책을 차등 분산시키는 동적인 네트워크 트래픽 관리가 수반된다.

3. 콜백 기반의 비동기 상태 천이(Asynchronous State Transition)

분산된 제어 시스템에서 인지-계획-행동 계층은 폴링(Polling) 대기 방식의 순차적 스케줄링이 아닌 비동기적(Asynchronous) 이벤트 콜백(Event-Callback) 함수에 기반하여 상태를 천이한다.

예를 들어 계획 노드는 인지 노드 전단으로부터 충돌이 예상되는 동적 장애물에 대한 갱신 메시지가 도착한 즉시 인터럽트되어 지역 궤적 재계획(Local Re-planning) 함수를 호출한다. 이후 재계획된 궤적 정보가 시스템에 퍼블리시되는 순간, 행동 노드의 콜백이 발동하여 새로운 기준 궤적(Reference) 추종 오류를 보정하기 위해 제어기 파라미터를 업데이트한다. 이러한 비동기적 아키텍처는 컴퓨팅 자원의 유휴 주기(Idle Cycle)를 최소화함으로써 에지 AI 추론이나 비선형 최적화(Non-linear Optimization) 등 산술 부하가 큰 작업 처리에 여유 자원을 집중 할 수 있는 구조적 효율성을 달성한다.