로봇 임무 명세와 실행을 위한 형식 비교 분석

** 이 논문은 로봇 시스템이 점점 다목적화되고 복잡한 동적 환경에서 운영됨에 따라, 현장 도메인 전문가가 로봇 행동을 정의할 수 있는 구조적이고 표현력이 풍부하며 확장 가능한 임무 명세 방법이 필요하다는 점을 강조한다. 현재 로봇 분야에서는 Behavior Trees(BT), State Machines(SM), Hierarchical Task Networks(HTN), Business Process Model and Notation(BPMN) 네 가지 형식이 각각 다른 수준의 추상화와 제어 메커니즘을 제공하고 있지만, 어느 것이 표준으로 자리 잡았는지는 아니다. 논문은 먼저 로봇 임무를 “스킬 → 태스크 → 미션”이라는 계층적 개념으로 정의하고, 네 형식이 이 계층을 어떻게 모델링하는지 살펴본다. BT는 루트에서 하위 노드로 틱을 전파하는 트리 구조이며, Sequence, Fallback, Parallel, Decorator와 같은 제어 흐름 노드와 Action·Condition이라는 실행 노드로 구성된다. 이를 통해 순차적, 대체적, 병렬적 행동을 직관적으로 표현한다. SM은 UML 기반의 상태·전이·가드·의사결정(Choice), 분기(Fork), 병합(Join) 등을 사용해 이벤트‑드리븐 방식으로 동작한다. 복잡한 시스템을 계층화된 Composite State로 구조화할 수 있지만, 상태 수가 급증하면 관리가 어려워진다. HTN은 고수준 태스크를 메서드에 의해 하위 태스크와 제약조건으로 재귀적으로 분해하는 플래닝 형식이다. 최종적으로 원시 행동 시퀀스를 생성해 실행한다. 이 방식은 복잡한 미션을 압축적으로 기술할 수 있지만, 플래너와 도메인 전문가가 메서드를 정의해야 하는 높은 진입 장벽이 있다. BPMN은 비즈니스 프로세스 설계에서 차용한 흐름 차트와 이벤트·게이트웨이 등을 활용해 인간 작업, 외부 시스템, 로봇 행동을 하나의 모델에 통합한다. 인간‑로봇 협업 시나리오에 강점이 있지만, 로봇 전용 스킬과 실시간 제어를 표현하는 데는 한계가 있다. 연구 질문(RQ1‑RQ3)을 설정하고, 각 형식의 제어 구조, 임무 개념, 표현력, 모델링 한계, 도구 지원 현황을 체계적으로 분석한다. RQ1에서는 순서, 분기, 동시성, 협업을 지원하는 메커니즘을 매트릭스로 정리한다. BT는 순차·대체·병렬 노드로 직관적인 흐름을 제공하지만, 복잡한 동시성 제어와 전역 변수 관리가 제한적이다. SM은 전이와 가드로 명시적 분기를 지원하지만, 대규모 시스템에서 상태 폭발 문제가 발생한다. HTN은 계층적 분해와 제약조건을 통해 복잡한 미션을 압축적으로 기술할 수 있으나, 플래너 의존성과 실시간 재계획 비용이 큰 단점이 있다. BPMN은 인간 작업과 외부 서비스 연계에 강점이 있지만, 로봇 전용 스킬과 실시간 제어를 표현하는 데는 부적합하다. RQ2에서는 실제 적용 시 나타나는 한계와 트레이드오프를 정리한다. BT는 시각적 가독성과 재사용성이 뛰어나지만, 조건 노드가 복잡해지면 트리 깊이가 급증한다. SM은 설계 단계에서 직관적이지만, 비동기 이벤트와 타이밍 제어를 별도 메커니즘에 의존한다. HTN은 계획 효율성을 제공하지만, 도메인 전문가가 메서드를 정의하는 데 높은 전문성이 요구된다. BPMN은 표준화된 툴 체인과 비즈니스 워크플로와의 연계가 용이하지만, 로봇 행동을 저수준으로 세분화하는 데는 부적절하고, 실시간 실행 엔진이 부족하다. RQ3에서는 공개 도구와 그 성숙도를 조사한다. BT는 ROS BehaviorTree.CPP, Groot, py_trees 등 오픈소스 실행·시각화 툴이 활발히 유지된다. SM은 ROS SMACH, Yakindu, Stateflow 등 다양한 구현체가 존재하지만, 복합 상태와 히에라키를 지원하는 툴은 제한적이다. HTN은 SHOP2, PyHOP, JSHOP2 등 플래너 중심 도구가 주류이며, ROS와의 통합은 아직 초기 단계이다. BPMN은 Camunda, Bizagi, Signavio 같은 비즈니스 프로세스 엔진이 주류이며, 로봇 전용 플러그인은 드물다. 도구 성숙도와 커뮤니티 규모를 비교한 표를 통해 BT와 SM이 가장 성숙하고, HTN과 BPMN은 연구·시범 단계에 머물고 있음을 강조한다. 전문가 설문(목표 인원 ≈ 30명, Likert 5‑점 척도) 결과, RQ1‑RQ3에 대한 저자 주장에 대한 평균 만족도는 4.2점 이상으로 높은 편이다. 특히 BT와 SM에 대한 실무 적용 가능성 평가는 긍정적이었으며, HTN은 복잡한 미션에 대한 잠재력을 인정받았다. BPMN은 인간‑로봇 협업 시나리오에 대한 기대가 높았지만, 도구 지원 부족과 학습 곡선이 채택을 저해한다는 의견이 다수 제시되었다. 결론에서는 로봇 임무 명세에 “하이브리드 접근”을 제안한다. 단순하고 반응적인 서브시스템에는 BT 또는 SM을, 복합적인 작업 분해와 자동 계획이 필요한 경우 HTN을, 인간·시스템 연계가 핵심인 경우 BPMN을 선택하되, 통합 프레임워크와 표준 인터페이스를 구축해 상호 운용성을 확보할 것을 권고한다. 향후 연구 과제로는 형식 간 변환 도구, 실시간 재계획 메커니즘, 도메인 전문가 친화적인 모델링 언어 개발, 그리고 로봇 전용 BPMN 엔진 구축이 제시된다. **