5.2 판단 모듈의 계층적 구조
1. 개요
판단 모듈은 단일 계층이 아닌, 시간적 범위(Time Horizon)와 추상화 수준(Abstraction Level)에 따라 구분되는 계층적 구조(Hierarchical Structure)로 설계된다. 이 계층적 구조는 장기적인 전략적 목표와 단기적인 반응적 행동을 동시에 처리하기 위한 설계 원칙에 기반한다(Paden et al., 2016).
2. 세 계층 구조
판단 모듈의 계층적 구조는 일반적으로 다음의 세 수준으로 구성된다.
2.1 경로 계획 (Route Planning) — 전략적 계층
경로 계획은 가장 상위의 계층으로, 출발지에서 목적지까지의 전역 경로(Global Route)를 도로 네트워크 수준에서 결정한다.
| 특성 | 내용 |
|---|---|
| 시간 범위 | 분~시간 |
| 추상화 수준 | 도로 네트워크 (도로 세그먼트, 교차로) |
| 입력 | 도로 네트워크 그래프, 출발지, 목적지, 교통 상황 |
| 출력 | 도로 수준의 경로 시퀀스 |
| 갱신 빈도 | 수 초~수 분 (경로 이탈, 교통 변화 시) |
| 알고리즘 | Dijkstra, A*, 동적 라우팅 |
경로 계획은 내비게이션 시스템의 경로 탐색과 유사하며, 거리, 예상 소요 시간, 도로 유형, 교통 밀도 등을 고려한 비용 함수를 최소화하는 경로를 산출한다.
2.2 행동 계획 (Behavioral Planning) — 전술적 계층
행동 계획은 중간 계층으로, 현재 교통 상황에서 차량이 취해야 할 전술적 행동(Tactical Behavior)을 결정한다.
| 특성 | 내용 |
|---|---|
| 시간 범위 | 초~수십 초 |
| 추상화 수준 | 행동 수준 (차선 변경, 양보, 추월 등) |
| 입력 | 인지 결과, 예측 결과, 전역 경로, 교통 규칙 |
| 출력 | 목표 행동 (Target Behavior) |
| 갱신 빈도 | 수 Hz |
| 알고리즘 | FSM, 의사결정 트리, POMDP, 강화 학습 |
행동 계획은 다음과 같은 의사결정을 수행한다.
- 현재 차선을 유지할 것인가, 차선을 변경할 것인가
- 전방 저속 차량을 추월할 것인가, 추종할 것인가
- 교차로에서 진행할 것인가, 양보할 것인가
- 합류 구간에서 가속하여 합류할 것인가, 감속하여 대기할 것인가
행동 계획의 출력은 명시적인 궤적이 아니라, 하위 계층인 동작 계획이 궤적을 생성하기 위한 지침(Directive)을 제공하는 역할을 한다.
2.3 동작 계획 (Motion Planning) — 조작적 계층
동작 계획은 가장 하위의 계층으로, 행동 계획의 지침을 구체적인 시공간 궤적(Spatiotemporal Trajectory)으로 변환한다.
| 특성 | 내용 |
|---|---|
| 시간 범위 | 밀리초~수 초 |
| 추상화 수준 | 궤적 수준 (위치, 속도, 가속도의 시퀀스) |
| 입력 | 목표 행동, 인지 결과, 차량 상태, 제약 조건 |
| 출력 | 시공간 궤적 \boldsymbol{\tau}^* = \{(x_t, y_t, v_t, \theta_t)\}_{t=0}^{T} |
| 갱신 빈도 | 10~20 Hz |
| 알고리즘 | 래티스 계획, 샘플링 기반, 최적화 기반 |
동작 계획이 생성하는 궤적은 다음의 제약 조건을 만족하여야 한다.
- 충돌 회피: 정적 및 동적 장애물과의 충돌이 없어야 한다.
- 차량 동역학 적합성: 최대 조향각, 최대 가감속, 최소 회전 반경 등 차량의 물리적 제약을 만족하여야 한다.
- 쾌적성: 급격한 가감속이나 급조향을 최소화하여 탑승자의 쾌적성을 확보하여야 한다.
- 교통 법규 준수: 속도 제한, 차선 규정, 우선권 규칙 등을 준수하여야 한다.
3. 계층 간 상호작용
세 계층은 하향식(Top-Down) 정보 흐름을 기본으로 하되, 상향식(Bottom-Up) 피드백도 존재한다.
\text{경로 계획} \xrightarrow{\text{전역 경로}} \text{행동 계획} \xrightarrow{\text{목표 행동}} \text{동작 계획} \xrightarrow{\text{궤적}} \text{제어}
상향식 피드백의 예는 다음과 같다.
- 동작 계획이 행동 계획의 지침을 만족하는 안전한 궤적을 생성할 수 없는 경우, 행동 계획에 대안적 행동을 요청한다.
- 행동 계획이 전역 경로를 따르는 것이 현재 교통 상황에서 불가능하다고 판단하면, 경로 계획에 경로 재탐색을 요청한다.
4. 계층적 구조의 장단점
4.1 장점
- 계산 효율성: 각 계층이 적절한 추상화 수준에서 문제를 처리하므로, 전체 문제 공간이 분할되어 계산 복잡도가 감소한다.
- 모듈성: 각 계층을 독립적으로 개발, 테스트, 개선할 수 있다. 특정 계층의 알고리즘을 교체하여도 다른 계층에 미치는 영향이 제한적이다.
- 해석 가능성: 각 계층의 출력이 명시적 의미를 가지므로 시스템의 의사결정 과정을 추적하고 디버깅할 수 있다.
4.2 한계
- 계층 간 정보 손실: 상위 계층에서 하위 계층으로 정보를 전달할 때 추상화에 의한 정보 손실이 발생할 수 있다.
- 전역 최적화의 어려움: 각 계층이 독립적으로 최적화되므로, 전체 시스템 수준의 전역 최적 해가 보장되지 않는다.
- 계층 간 지연: 계층 간 통신과 처리에 의한 지연이 누적될 수 있다.
5. 비계층적 접근법과의 비교
최근에는 세 계층을 통합하여 센서 입력에서 궤적 출력까지를 단일 신경망으로 학습하는 종단간(End-to-End) 판단 접근법이 연구되고 있다. UniAD(Hu et al., 2023)는 인지, 예측, 판단을 단일 트랜스포머 프레임워크에서 통합적으로 처리하며, 판단의 계층적 분리 없이 센서 데이터로부터 직접 궤적을 예측한다.
그러나 계층적 구조는 해석 가능성, 안전 검증 용이성, 모듈별 독립 개선의 이점으로 인해 현재 대부분의 상용 자율주행 시스템에서 채택되고 있다.
6. 참고 문헌
- Hu, Y., Yang, J., Chen, L., Li, K., Sima, C., Zhu, X., … & Li, H. (2023). Planning-oriented autonomous driving. Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 17853–17862.
- Paden, B., Čáp, M., Yong, S. Z., Yershov, D., & Frazzoli, E. (2016). A survey of motion planning and control techniques adopted in self-driving vehicles. IEEE Transactions on Intelligent Vehicles, 1(1), 33–55.
- Schwarting, W., Alonso-Mora, J., & Rus, D. (2018). Planning and decision-making for autonomous vehicles. Annual Review of Control, Robotics, and Autonomous Systems, 1, 187–210.
v1.0