Belief-Space Planning
- 다른 이름: planning in belief space
- 카테고리: Planning & manipulation › Motion planning
- 태그: planning-under-uncertainty, pomdp, state-estimation, active-sensing, probabilistic-robotics
단일 추정치가 아니라 로봇 상태의 확률 분포 위에서 계획하여, 목표에 도달하는 것뿐 아니라 불확실성을 줄이는 것도 고려해 행동을 고를 수 있게 하는 방법.
정의
로봇은 자신의 상태를 정확히 아는 경우가 드물다. 자신의 자세, 물체의 위치, 접촉의 결과는 노이즈가 있는 센싱을 통해서만 알 수 있다. 믿음(belief)은 행동과 관측의 이력이 주어졌을 때 가능한 상태들에 대한 확률 분포이며, 믿음 공간은 그런 모든 분포의 공간이다. 믿음 공간 플래닝(belief-space planning)은 행동이 명목 상태만이 아니라 믿음을 어떻게 바꿀지 예측하여 행동을 고른다. 이를 통해 플래너는 목표를 향한 진행과 불확실성 감소 사이에서 균형을 잡을 수 있다. 예를 들어 좁은 출입구에 들어가기 전에 위치를 추정하려고 랜드마크 근처를 지나가거나, 물체를 잡기 전에 그 위치를 알아내려고 물체를 만져 보는 식이다.
형식적으로 믿음 공간 플래닝은 부분 관측 마르코프 결정 과정(POMDP)을 푸는 한 방법이다. POMDP는 문제의 정식화이고, 이를 믿음 위에서 다시 쓰면 믿음이 상태 역할을 하는 완전 관측 결정 문제가 된다. 믿음 공간은 고차원이며 연속 상태에서는 무한 차원이므로, 엄밀해는 로봇에서 실용적인 경우가 드물고 여러 방법이 근사를 쓴다. 가우시안 믿음 공간 플래너는 믿음을 평균과 공분산으로 표현하고 확장 칼만 필터로 전파한 다음, 믿음 로드맵이나 LQG 기반 모션 플래닝처럼 이 간결한 믿음 위에서 탐색하거나 최적화한다. 입자 기반 방법은 가중치가 붙은 샘플로 믿음을 표현하고, 온라인 POMDP 솔버는 현재 믿음에서 출발하는 행동 및 관측 시퀀스의 트리를 탐색한다. 많은 시스템은 계획 중에는 가장 가능성 높은 관측을 가정하고 실제 관측이 도착하면 재계획하는 식으로 더 단순화한다.
믿음 공간 플래닝은 불확실성을 고정된 것으로 취급하는, 안전 여유를 둔 평균 상태 위의 계획과 다르다. 믿음 공간에서는 행동이 의도적으로 불확실성을 줄일 수 있으므로, 계획에는 결정론적 플래너라면 결코 선택하지 않을 정보 수집 동작이 포함될 수 있다. 대가는 계산량이며, 계획의 품질은 센서 모델과 운동 모델이 미래의 믿음을 얼마나 정확히 예측하는지에 달려 있다. 일부 작업에서는 앞을 내다보지 않고 현재 추정치에 반응하는 반응형 제어기가 훨씬 낮은 비용으로 비슷한 성능을 내며, 그래서 믿음 공간 플래너는 그런 방법의 기준선으로 자주 쓰인다.
중요한 이유
최선의 상태 추정치만으로 계획하는 로봇은 그 추정이 틀렸을 때 실패하는 행동, 예컨대 물체가 있다고 믿는 곳을 잡는 행동에 매달릴 수 있다. 믿음 공간 플래닝은 불확실성을 결정의 일부로 만들어, 실패하는 것보다 저렴할 때는 위치를 추정하거나 감지하거나 탐침하는 계획을 만들고, 추가 센싱이 시간을 들일 가치가 있는지 판단하는 원칙적인 방법을 제공한다.
주요 응용
- 랜드마크가 드문 곳에서 능동적 위치 추정을 동반한 내비게이션
- 접촉 기반 위치 추정을 포함한 물체 자세 불확실성 아래의 조작
- 위치 오차가 틈새보다 큰 삽입 및 기타 접촉 작업
- 정보 이득과 이동 비용을 저울질하는 탐색 및 탐사
- 다른 에이전트의 의도를 확신하지 못하는 차량의 의사결정
- 부분 가림이 있는 혼잡한 환경에서의 파지
실제 사례
로봇이 열쇠를 자물쇠에 꽂아야 하는데, 자물쇠 위치는 카메라로 몇 밀리미터 이내까지만 알려져 있고 이는 삽입 틈새보다 크다. 평균 추정치로 계획하는 플래너는 믿는 위치로 곧장 가서 자주 빗나갈 것이다. 믿음 공간 플래너는 자물쇠 위치를 가우시안으로 표현하고, 각 후보 운동과 접촉이 공분산을 얼마나 줄일지 예측하여, 열쇠를 자물쇠 면을 따라 가장자리에 닿을 때까지 미끄러뜨리면 한 축 방향의 불확실성을 적은 비용으로 없앨 수 있음을 찾아낸다. 따라서 계획에는 삽입 전에 보호된 탐침 동작이 포함된다. 실행 중에는 확장 칼만 필터가 힘 측정값으로 믿음을 갱신하고, 관측이 예측과 다를 때마다 플래너가 새 믿음에서 재계획한다.
흔한 오해
- 믿음 공간 플래닝은 그저 오차 여유를 둔 계획이다 — 여유는 불확실성을 고정된 것으로 취급하는 반면, 믿음 공간 플래너는 불확실성을 줄이는 행동을 선택할 수 있다
- 믿음은 상태 추정치와 같다 — 상태 추정치는 보통 평균 같은 단일 점이지만, 믿음은 퍼짐과 모양을 포함한 분포 전체다
- 믿음 공간 플래닝에는 전체 POMDP를 정확히 풀어야 한다 — 실용적인 방법은 가우시안 믿음, 입자, 최대 가능도 관측 가정 같은 근사에 의존한다
알아야 할 사람
- 불확실성 아래에서 일하는 모션 및 작업 계획 연구자
- 물체 자세 불확실성을 다루는 조작 엔지니어
- 자율 내비게이션 엔지니어
- 확률론적 로봇공학을 공부하는 학생
관련 기술
- 확장 칼만 필터(Extended Kalman Filter)
- 입자 필터(Particle Filter)
- 온라인 POMDP 솔버(Online POMDP Solvers)
- 믿음 로드맵(Belief Roadmap)
- LQG 모션 플래닝(LQG Motion Planning)
- 정보 이득 지표(Information Gain Metrics)
관련 용어
- Partially Observable Markov Decision Process (POMDP)
- Extended Kalman Filter
- Particle Filter
- Interactive Perception
- Robotic information gathering
- Task and Motion Planning