동적 이산화와 수치 적분을 활용한 하이브리드 플래너

본 논문은 연속적인 물리적 변화와 이산적인 행동이 동시에 존재하는 하이브리드 도메인에서 자동 계획을 수행하기 위한 새로운 탐색 기반 플래너인 FS+를 제안한다. 기존 연구들은 주로 (i) 고정된 시간 이산화(step) 방식을 사용하거나, (ii) 특정 형태의 미분 방정식에만 적용 가능한 제한적인 방법론에 의존해 왔다. 이러한 접근법은 복잡한 비선형 시스템이나 전역 제약이 존재할 때 계획의 정확성이나 효율성을 저해한다. FS+는 먼저 하이브리드 시스템을 표현하기 위한 새로운 언어 ∫‑pddl+를 정의한다. ∫‑pddl+는 기존 PDDL+의 구문을 확장하여, 플루언트(함수형 상태 변수)에 직접 미분 연산자를 부여하고, 프로세스 효과를 “˙f = ξ” 형태의 ODE로 기술한다. 이를 통해 모델러는 모드 전환을 명시적인 이산 변수 대신 연속적인 프로세스 활성화/비활성화로 표현할 수 있다. 전역 제약은 CNF 논리식으로 기술되며, 시뮬레이션 단계마다 실시간 검증된다. 플래너의 핵심 메커니즘은 두 단계로 구분된다. 1) **계획 단계**: 현재 상태에서 적용 가능한 즉시 행동과 ‘대기(sim)’ 행동을 선택한다. 대기 행동은 시간 흐름을 모사하는 역할을 하며, 실제 연속 변화를 계산하기 위해 다음 단계로 넘겨진다. 2) **시뮬레이션 단계**: 선택된 대기 행동에 대해 현재 활성화된 프로세스 집합(모드)에 따라 ODE 시스템을 수치 적분한다. 적분은 Δmax 이하의 최대 스텝을 기준으로, 내부적으로 더 작은 Δz 로 세분화된다. 각 Δz 스텝마다 불변식(invariant) 검사가 수행되며, 불변식 위반(제로 크로싱)이 감지되면 해당 스텝을 즉시 종료하고 남은 시간을 새로운 구간으로 재분할한다. 이렇게 동적으로 구간을 조정함으로써, 고정된 타임스텝 방식에서 발생할 수 있는 이벤트 누락 문제를 해결한다. 수치 적분 방법은 사용자가 선택 가능하도록 설계되었으며, 논문에서는 일반적인 Runge‑Kutta 4차와 Euler 방법을 실험에 사용하였다. 적분 정확도와 계산 비용 사이의 트레이드오프를 조절하기 위해, 제로 크로싱이 자주 발생하는 구간에서는 더 작은 Δz 를, 안정적인 구간에서는 큰 Δz 를 자동으로 적용한다. FS+의 탐색 효율성을 높이기 위해 두 가지 최신 휴리스틱을 결합하였다. 첫 번째는 인터벌 기반 이완(IBR)으로, 연속 변수의 가능한 값 범위를 추정해 목표까지의 비용 하한을 제공한다. 두 번째는 제약 완화 플래닝 그래프(CRPG)로, 전역 제약을 무시한 상태에서 목표까지의 레이어 수를 계산한다. 두 휴리스틱은 가중 평균 혹은 상황에 따라 선택적으로 사용되어, 탐색 공간을 효과적으로 축소한다. 실험에서는 Zermelo 항해 문제, 로봇 팔 궤적 계획, 연료 효율 비행 경로, 전기 회로 제어 등 10여 개의 벤치마크를 대상으로 FS+와 기존 플래너(Optop, DAE‑Planner, Hybrid‑FF 등)를 비교하였다. 결과는 다음과 같다. - **성공률**: FS+는 모든 테스트에서 100% 성공률을 기록했으며, 특히 비선형 풍향 변동이 있는 Zermelo 문제에서 기존 플래너는 제로 크로싱을 놓쳐 계획이 실패하는 경우가 많았다. - **탐색 시간**: 평균 탐색 시간은 기존 플래너 대비 30%~50% 감소했으며, 가장 복잡한 비선형 시스템에서는 2배 이상의 속도 향상을 보였다. - **계획 품질**: 목표 도달 시간이나 연료 소비와 같은 비용 측면에서도 경쟁 플래너와 동등하거나 약간 우수한 결과를 얻었다. 논문은 또한 FS+가 전역 제약을 실시간으로 검증함으로써, 계획 실행 중에 발생할 수 있는 안전 위반을 사전에 방지한다는 점을 강조한다. 이는 특히 항공·우주·자동차와 같이 안전이 중요한 분야에서 큰 장점으로 작용한다. 마지막으로, 저자들은 FS+가 현재 지원하는 ODE 형태와 전역 제약의 표현력이 충분히 일반적이지만, 더 복잡한 이벤트(예: 충돌 감지, 비선형 불평등 제약)와 다중 목표 최적화에 대한 확장 가능성을 제시하며, 향후 연구 방향으로 실시간 재계획, 학습 기반 적분 스텝 선택, 그리고 분산 플래닝 아키텍처 등을 제안한다.