전역 경로 계획 vs 지역 경로 계획: 로봇의 큰 그림과 섬세한 움직임 > 경로 계획 및 자율 주행 알고리즘

• 목록

지난 시간에는 자율 주행의 심장, 경로 계획 알고리즘의 모든 것을 알아보았습니다. 로봇이 현재 위치에서 목표 위치까지 '어디로, 어떻게 가야 하는지'를 결정하는 이 핵심 기술은 사실 하나의 단일한 과정이 아닙니다. 로봇은 목적지까지의 큰 그림을 그리면서 동시에 눈앞의 장애물에 섬세하게 반응하며 움직입니다. 이때 로봇의 큰 그림을 담당하는 것이 **전역 경로 계획(Global Path Planning)**이고, 섬세한 움직임을 책임지는 것이 **지역 경로 계획(Local Path Planning)**입니다.

이 두 가지 경로는 마치 여행 계획을 세울 때, '서울에서 부산까지 가는 고속도로 노선을 결정하는 것(전역 경로)'과, 고속도로에서 벗어나 '식당으로 진입하기 위해 차선을 바꾸고 주차 공간을 찾아 들어가는 것(지역 경로)'에 비유할 수 있습니다. 로봇이 복잡하고 동적인 환경에서 효율적이고 안전하게 움직이려면, 이 전역 및 지역 경로 계획의 상호 보완적인 작용이 필수적입니다. 이 설명을 통해 전역 경로 계획과 지역 경로 계획이 무엇이며, 각각 어떤 역할을 하고, 어떻게 상호작용하며, 로봇 개발에서 왜 중요한지 자세히 파헤쳐 보겠습니다.  

로봇이 "새로운 환경에서 목표 지점까지 이동해야 하는데, 미리 알고 있는 지도를 바탕으로 대략적인 길을 정하고, 이동 중에 갑자기 나타나는 사람이나 물체를 피해 안전하게 지나가는" 과정을 모두 포함합니다.

1. 전역 경로 계획 (Global Path Planning): 로봇의 큰 그림 그리기

1.1. 개념: 전역 경로 계획은 로봇이 **미리 알고 있는 전체 환경 지도(Map)**를 기반으로, "시작점에서 목표점까지 장애물을 회피하는 최적의 전체 경로"를 계산하는 과정입니다. 

1.2. 특징:

전체 지도 기반: 사전에 SLAM 등을 통해 구축된 정적인 환경 지도를 사용합니다.

최적 경로 탐색: 최단 거리, 최소 에너지 소모, 최소 시간 등 정의된 비용 함수(Cost Function)를 최소화하는 경로를 찾습니다.

정적 장애물 고려: 주로 건물, 벽, 가구 등 고정된 장애물을 회피하는 경로를 계산합니다.

로봇의 제약 미고려: 로봇의 실제적인 움직임 제약(속도, 가속도, 회전 반경)을 직접적으로 고려하지 않는 경우가 많습니다.

1.3. 주요 알고리즘:

A (A-star) 알고리즘*: 가장 널리 사용되며, 휴리스틱을 활용하여 효율적으로 최단 경로를 찾습니다.

Dijkstra (다익스트라) 알고리즘: 최단 경로를 보장하지만, A*보다 탐색 효율이 낮습니다.

RRT (Rapidly-exploring Random Tree) / PRM (Probabilistic RoadMap): 복잡한 고차원 공간에서 무작위 샘플링을 통해 경로를 탐색합니다.

1.4. 역할: 로봇에게 "장기적인 목적지까지의 나침반 역할"을 하며, 로봇의 전체적인 이동 흐름과 전략을 제공합니다. 

2. 지역 경로 계획 (Local Path Planning): 로봇의 섬세한 움직임 조절

2.1. 개념: 지역 경로 계획은 로봇이 전역 경로를 따라가는 동안, 로봇 주변의 센서 정보(카메라, LiDAR, 초음파 센서 등)를 기반으로 "실시간으로 변하는 동적 장애물(사람, 다른 로봇, 움직이는 물체)"을 회피하고 즉각적인 로봇의 움직임 경로를 생성하는 과정입니다. 

2.2. 특징:

센서 기반: 로봇 주변의 제한된 영역에 대한 센서 데이터만을 활용합니다.

동적 장애물 고려: 움직이는 장애물에 대한 실시간 대처가 가능합니다.

로봇의 제약 고려: 로봇의 실제적인 움직임 제약(최대 속도, 가속도, 회전 반경, 엔드 이펙터의 한계)을 적극적으로 반영하여 실현 가능한 경로를 생성합니다.

단기적인 계획: 몇 초에서 몇 미터 이내의 단기적인 이동 경로를 계획합니다.

2.3. 주요 알고리즘:

VFH (Vector Field Histogram): 로봇 주변 환경을 히스토그램으로 표현하여 충돌 위험이 낮은 방향으로 이동합니다.

DWA (Dynamic Window Approach): 로봇의 동역학적 제약을 고려하여 가능한 속도-각속도 조합을 평가하고, 충돌이 없고 전역 경로를 잘 따르는 최적의 조합을 선택합니다.

MPC (Model Predictive Control): 로봇의 모델을 사용하여 미래 예측 시뮬레이션을 통해 최적의 제어 입력을 결정합니다. (고성능 로봇 제어)

강화 학습 (Reinforcement Learning): 환경과의 상호작용을 통해 동적 회피 전략을 학습합니다.

2.4. 역할: 로봇에게 "돌발 상황에 대한 유연한 대응 능력"과 "섬세하고 안전한 움직임"을 제공합니다.

3. 전역 경로 계획과 지역 경로 계획의 상호작용 및 통합: 로봇의 지능적인 이동 

두 가지 경로 계획은 서로 다른 시간 규모와 정보 수준에서 작동하지만, 로봇의 지능적인 이동을 위해 필수적으로 상호 보완적인 역할을 수행합니다.

전역 경로 생성: 먼저 전역 경로 플래너가 전체 지도를 기반으로 시작점에서 목표점까지의 안전한 큰 길(글로벌 경로)을 생성합니다.

전역 경로 추종: 로봇은 이 글로벌 경로를 따라 이동하려고 시도합니다.

지역 경로 조정: 로봇이 글로벌 경로를 따라 이동하는 도중, 지역 경로 플래너는 센서 데이터를 지속적으로 확인하여 로봇 주변의 동적 장애물이나 예상치 못한 환경 변화를 감지합니다.

회피 및 조정: 지역 경로 플래너는 동적 장애물을 회피하거나, 글로벌 경로를 따라가면서 로봇의 제약을 만족하는 짧은 시간 동안의 안전한 움직임(로컬 경로)을 실시간으로 생성하고, 로봇 컨트롤러에 이를 지시합니다.

피드백 루프: 지역 경로 플래너는 전역 경로 플래너에게 현재 상황과 진행 상황을 피드백하여, 필요한 경우 전역 경로를 재계획(Recalculation)하도록 요청할 수 있습니다.

경로 부조화 문제: 전역 경로 계획과 지역 경로 계획 통합에서 발생할 수 있는 주요 문제는 '경로 부조화'입니다. 이는 지역 경로가 전역 경로의 의도와 너무 달라져 로봇이 길을 잃거나 비효율적으로 움직일 수 있는 문제입니다. 이 문제를 해결하기 위해 임시 경유점 수정법 등의 연구가 진행됩니다. 

결과: 이 계층적인 구조를 통해 로봇은 목적지까지의 큰 방향을 잃지 않으면서도, 실시간으로 변하는 주변 환경에 유연하고 안전하게 대응하며 움직일 수 있습니다.

4. 로봇 개발에서 전역/지역 경로 계획의 중요성

자율 주행 자동차: 고속도로 주행 시 전체 목적지까지의 노선 계획(전역)과, 차선 변경, 끼어들기, 보행자 회피(지역)를 동시에 수행합니다.

물류/배송 로봇: 창고나 도심에서 물품 배송 시 최단/최적 경로를 미리 계획(전역)하고, 복잡한 통로에서 사람이나 다른 지게차를 실시간으로 피하며 이동합니다(지역).

서비스 로봇: 호텔이나 병원에서 고객을 안내하거나 물품을 운반할 때 정해진 복도 지도를 따르면서(전역), 갑자기 문을 열고 나오는 사람이나 이동하는 카트를 회피합니다(지역).

탐사/정찰 로봇: 미지의 환경에서 넓은 영역을 효율적으로 탐사하기 위한 대략적인 경로를 계획(전역)하고, 예상치 못한 장애물이나 위험 지형을 센서 정보로 피하며 이동합니다(지역).

5. ROS (Robot Operating System)에서의 경로 계획 

ROS의 내비게이션 스택은 전역 경로 계획과 지역 경로 계획을 모듈화하여 제공합니다.

Global Planner: global_planner 노드 등에서 A*나 Dijkstra 기반으로 전역 경로를 생성합니다.

Local Planner: dwa_local_planner, teb_local_planner 등에서 로봇의 동역학적 제약을 고려하여 지역 경로를 생성하고 로봇을 제어합니다.

전역 경로 계획은 로봇의 큰 그림을 담당하여 미리 구축된 지도를 기반으로 장기적인 최적 경로를 계산합니다. 반면, 지역 경로 계획은 로봇의 섬세한 움직임을 조절하여 센서 데이터 기반으로 실시간 동적 장애물 회피 경로를 생성합니다. 이 두 가지 경로 계획은 로봇의 지능적인 이동을 위해 필수적으로 상호 보완적인 역할을 수행하며, 로봇은 이를 통해 목적지까지의 큰 방향을 잃지 않으면서도 실시간으로 변하는 주변 환경에 유연하고 안전하게 대응합니다.

전역 경로 계획과 지역 경로 계획의 개념, 작동 원리, 그리고 주요 알고리즘을 완벽하게 이해하고, 로봇 개발에서 이를 효과적으로 통합하는 것은 자율 주행, 물류 로봇, 서비스 로봇 등 모든 자율 이동 로봇에게 '길을 찾고 움직이는 능력'을 부여하고 안전한 이동을 보장하는 데 필수적인 역량이 될 것입니다. 로봇에게 '스스로 길을 찾아가는 지능'을 불어넣어 미래의 자율 로봇 시대를 선도하시기를 응원합니다!