신경망과 고전적 최적화 결합… 복잡한 환경에서도 안정적인 경로 탐색 가능
슬롯 감독이 복잡한 실제 환경에서 더욱 안정적이고 효율적으로 이동할 수 있는 새로운 내비게이션 시스템이 개발됐다.
중국 저장대학교 후저우 연구소(Huzhou Institute) 연구팀은 심층 신경망과 고전적 최적화 기법을 결합한 새로운 슬롯 감독 경로 계획 프레임워크를 공개했다.
이번 연구는 로봇 전문 학술지인 '사이언스 로보틱스(Science Robotics)에 게재됐다. 이 기술은 인간의 직관적 경로 탐색 능력에서 영감을 받아 설계됐다.(논문 제목: Hierarchically depicting vehicle trajectory with stability in complex environments). 연구팀은 이 기술이 물류, 수색·구조, 실내외 자율주행 등 다양한 분야에서 활용될 수 있을 것으로 기대하고 있다.
연구팀은 기존 로봇 내비게이션 기술이 어수선하거나 좁고 역동적인 환경에서는 성능이 급격히 떨어지는 문제를 지적하며, 이를 해결하기 위해 새로운 방식의 궤적 계획자(trajectory planner)를 개발했다. 연구 책임자인 저장대 한즈차오(Zhichao Han)는 “로봇이 사람처럼 직관적으로 거친 경로를 빠르게 식별하고, 이를 실행 가능한 궤적으로 바꿀 수 있도록 하는 것이 목표였다”고 설명했다.
연구팀은 먼저 인간이 지도에서 한눈에 대략적인 경로를 그릴 수 있는 방식과 유사한 신경망 기반의 계획자를 도입했다. 이 계획자는 이미지 기반 환경 표현을 통해 즉각적인 경로 후보를 생성한다. 이후 이 경로를 실제 로봇이 실행할 수 있는 부드러운 동작 명령으로 변환하기 위해 새로 개발된 시공간 궤적 최적화기(spatiotemporal trajectory optimizer)를 적용했다.
연구팀은 “심층 신경망은 빠른 예측이 가능하지만 안정성이 떨어지고, 고전적 기법은 완전성을 보장하지만 계산 비용이 크다”며 “두 기술의 장점을 융합함으로써 안정적이고 고품질의 궤적을 생성할 수 있었다”고 강조했다.
실험 결과, 연구팀의 프레임워크는 복잡한 환경에서도 일정하고 예측 가능한 시간 안에 안정적인 경로를 생성했다. 이는 기존 기술들이 온라인 검색에 많은 시간을 소비하며 발생했던 탐색 지연 문제를 개선하는 데 크게 기여할 수 있다는 분석이다.
향후 연구팀은 이 기술을 다양한 실제 로봇 플랫폼에 적용해 테스트를 확대할 계획이다. 연구팀 관계자는 “시뮬레이션 정확도를 높이고 인식 시스템을 강화해 현실과의 간극을 줄이겠다”며 “궁극적으로 로봇이 일상 환경에서 예측 가능하고 신뢰할 수 있는 방식으로 작동하도록 만드는 것이 목표”라고 밝혔다.