이 지점을 마지막으로 방문한 로봇은 누구지?
 |
| "불확실성 기반 다중 로봇 감시 시스템". 각 로봇이 독립적으로 움직이며 타깃 지점의 불확실성 수치를 실시간으로 분석, 감시 우선순위를 판단하는 모습. 효율성과 정보 신뢰도를 동시에 추구하는 자율 협업의 한 장면. |
불확실성을 줄이기 위한 다중 로봇 실시간 감시 알고리즘의 진화
도심 경비, 재난 현장 수색, 국경 감시…
여러 대의 로봇이 동시에 움직이며 넓은 지역을 감시하는 기술은 이미 다양한 분야에서 쓰이고 있다. 하지만 이 시스템엔 한 가지 어려운 문제가 있다.
로봇이 어디를 언제 마지막으로 다녀왔는지 정확히 추적하고, 아직 방문하지 않은 곳을 놓치지 않는 것.
중국 연구진은 이 문제를 풀기 위해, ‘목표 지점의 불확실성’을 중심으로 한 다중 로봇 감시 알고리즘을 개발했다.
이 알고리즘은 단순한 경로 최적화가 아니라, 각 지점의 상태를 계속 평가하며 ‘지금 어디를 가야 가장 효율적인가’를 실시간으로 판단한다.
게다가 실제 물리 실험과 시뮬레이션 모두에서 다른 알고리즘보다 더 뛰어난 성능을 보여주었다.
---
문제는 ‘어디’보다 ‘언제’ 다녀왔냐는 것
기존의 다중 로봇 감시 시스템은 ‘한 번 다녀온 곳’을 기준으로 작동했다. 하지만 연구진은 한발 더 나아갔다.
이 논문에서 강조하는 핵심 변수는 다음 두 가지다:
1. 불확실성(Uncertainty)
* 특정 지점이 오랫동안 감시되지 않을수록 해당 지점의 정보는 부정확해짐
* 즉, 오랫동안 방문하지 않으면 ‘위험도가 올라간다’
2. 즉시 유휴 시간(Instantaneous Idle Time)
* 어떤 지점이 마지막으로 로봇에게 방문된 이후 지난 시간
* 이 값이 길수록 ‘지금 가야 할 필요성’이 커짐
이 두 값을 종합해서, 로봇은 다음으로 어디를 갈지 결정한다.
---
수학적 모델도 꽤 정교하다
연구팀은 각 지점의 불확실성 증가량을 시간에 따른 미분방정식으로 표현했다.
* 불확실성은 시간이 지날수록 누적되고,
* 주변에 로봇이 감지되면 일정 비율로 감소
* 모든 계산은 로봇이 주행 중 실시간으로 수행됨
또한, 로봇 간 충돌 방지 및 정보 공유 네트워크도 고려했다.
* 로봇 간 통신 지연을 보정하기 위한 정보 필터링
* 무작정 가까운 지점만 가는 게 아니라 ‘유틸리티 함수’를 통해 이득이 큰 지점 우선
 |
| 확률적 인식 모델 |
---
유틸리티 함수란?
간단히 말해 “어디를 방문하면 가장 효율적일까?”를 계산하는 수식이다.
이 함수는 다음과 같은 요소로 구성된다:
$$
U(p_j) = frac{X(p_j, t) cdot |I_{G}^{ins}(t)|}{Delta t_p}
$$
* $X(p_j, t)$: 해당 지점의 누적 불확실성
* $I_{G}^{ins}(t)$: 그 지점이 마지막으로 방문된 이후의 시간
* $Delta t_p$: 그 지점까지 걸리는 이동 시간
즉, 불확실성은 높고, 방문한 지 오래됐으며, 가깝게 접근할 수 있는 지점을 우선적으로 선택한다는 것이다.
---
실험 결과: 시뮬레이션부터 실전까지
연구팀은 이 알고리즘을 시뮬레이션과 실제 로봇 실험 모두에 적용했다.
* 시뮬레이션 환경: 다양한 맵 구조 (격자형, 복잡한 실내 구조 등)
* 로봇 수 변화: 4대, 8대, 12대로 구성해 성능 차이 비교
* 실제 환경: TurtleBot3 로봇 사용, ROS 시스템 기반 실내 환경 구축
주요 성능 지표:
* 최대 유휴 시간 감소 (Imax↓)
* 전체 시스템 불확실성 감소 (X↓)
* 로봇 충돌 횟수 감소 (Ifrate↓)
* 지점 방문 균형도 향상 (표준편차↓)
특히 TPUAF(제안 알고리즘)은 기존 알고리즘(Greedy, DTAG, DTAP 등)보다
모든 지표에서 우수하거나 동일 수준의 결과를 냈다.
---
로봇이 많아질수록 더 잘 작동했다
일반적으로 로봇이 많아지면 충돌도 많아지고 통신 지연도 심해져 시스템 효율이 떨어진다.
하지만 TPUAF는 오히려 로봇 수가 많을수록 성능이 좋아지는 안정적인 구조를 보여주었다.
특히 ‘스케일링 테스트’에서 TPUAF는 다른 알고리즘보다 성능 안정성, 접근 빈도, 협업 효율 측면에서 뛰어났다.
---
실시간 반응성과 확장성도 검증
* 로봇 간 간섭 회피율도 측정했는데,
TPUAF는 12대 로봇 실험에서도 충돌률이 가장 낮은 2.29% 수준을 유지했다.
* 시뮬레이션뿐 아니라 실제 실내 실험에서도
불확실성 감소 그래프가 완만하게 수렴하며, 시스템 안정성 확보를 보여주었다.
---
결론: 로봇은 '언제, 어디를' 감시해야 할지를 스스로 판단한다
이 논문은 단순히 로봇의 감시 경로를 계산한 것이 아니라,
다중 로봇 감시 시스템이 점점 더 많은 분야에 적용되는 가운데,
TPUAF 같은 알고리즘은 재난 구조, 스마트 시티 보안, 자율주행 기반 경비 시스템등에 큰 영향을 미칠 수 있다.
---
키워드
#다중로봇 #불확실성모델 #유틸리티함수 #지능형감시 #로봇협업
---
출처 논문
Yuan, G. & Xie, J. *Continuous Monitoring of Multi-Robot Based on Target Point Uncertainty*. Journal of Artificial Intelligence, 2025, 7.