행동 네트워크 모듈의 목적 지향적 계획을 이용한 자율로봇의 행동생성 = Generating behaviors of an autonomous robot using goal-oriented planning of behavior network modules

다국어 초록 (Multilingual Abstract)

An autonomous robot interacting with people in the real world is faced with a large amount of sensory data and uncertainty in its action outcomes. A robot requested from humans to serve has to make plans to achieve the goals; it needs to decide on sequences of actions and robustly run behaviors even unpredictable situations. While a robot has the information about environments and elaborately accomplish its goals in conventional systems, domains for a robot are aggrandized in real world and it requires autonomous behaviors and achievement of goals. Hybrid systems between reactive and deliberative make the needs possible but it is difficult to decide on the rate of two systems within hybrid system.In this paper, we propose the hybrid system with behavior network and planning for generating autonomous behaviors and achieving goals. Whereas Behavior networks are apt to solve reactive problems with several goals, they are rarely applied to problems with complex plans or inference. In addition the more complex situations a robot confronts, the more nodes of the behavior network the designer considers. We decompose global goals of a mobile robot and construct sequences of modules with sub-goals from the priority in each commands. It helps a robot to quickly react in dynamic situations as well as achieve goals using proposed architecture.We demonstrate our module planner with behavior network modules on the Webot simulator and KheperaII real robot. The task is the delivery of objects from one room to another room when users give a robot commands to deliver an object. A robot may confront dynamic situations such as that a door for entering the room is closed or moving obstacles exist. Experimental results with various situations have shown that a robot can achieve goals and make dynamic module sequences albeit there are unpredictable situations like closed doors or moving obstacles.

국문 초록 (Abstract)

실제 환경에서 작동하는 이동로봇은 불확실한 센서 데이터와 부족한 환경 정보를 이용하여 행동을 생성하며, 자율적으로 내비게이션을 하거나 사람의 요구에 따라 주어진 환경을 추론하고 행동을 계획할 수 있어야 한다. 기존의 하이브리드 시스템은 지도 제작이나 행동 시퀀스의 생성으로 목적 달성을 위해 환경의 변화에 따라 계획된 행동 선택을 바꾸는 것이 가능하지만 많은 정보가 필요하고 숙고형 행동과 반응형 행동을 적절하게 조화시키는 것이 어려운 문제이다. 본 논문에서는 이동 로봇이 계획을 변경해야 하는 예측하지 못한 상황에서 계획을 변경하고 주어진 명령을 수행하도록 중간 목적을 계획하는 하이브리드 행동 네트워크 모듈 구조를 제안한다. 행동 네트워크는 전통적으로 반응형 로봇의 강건한 행동 선택과 함께 목적을 가질 수 있는 시스템이지만 계획과 같이 시퀀스를 가진 작업이나 추론이 필요한 복잡한 상황에 적용하기 어렵다. 또한 행동 시퀀스를 계획하거나 미리 계획의 범위와 정보를 가지고 있는 계획기반의 방법은 정확하게 문제를 해결하지만 많은 정보가 필요하고 유연성이 떨어진다. 따라서 본 논문에서는 두 가지 단점을 극복하여 빠르게 반응하는 반응형 시스템의 장점을 살리면서, 목적 달성을 위한 시퀀스를 계획하며 유연하게 계획을 변경할 수 있는 행동 네트워크 기반의 하이브리드 계획 방법을 제안한다. 제안하는 방법에서의 행동 네트워크의 모듈화는 행동 네트워크 구조를 분해하여 각기 하나의 목적을 가진 독립된 행동 네트워크를 구성하는 것이다. 환경이 다양해지고 문제가 복잡해질수록 행동 네트워크의 노드와 노드간 연결 관계가 복잡해져서 하나의 행동 네트워크를 구성하여 문제를 해결하기 어렵다. 제안하는 구조는 독립된 하나의 목적을 갖는 행동 네트워크를 구성함으로써 확장하기 용이하고 적용 문제에 독립적이며 행동 네트워크 모듈을 변경하지 않고 재사용할 수 있다. 모듈 시퀀스를 계획하는 방법은 행동 하나하나의 시퀀스를 계획하지 않고, 중간 목적을 지정한 후 이 시퀀스를 계획하고 로봇의 상황에 따라 계획을 변경함으로써 시퀀스 계획에 유연성을 준다. 제안하는 방법을 검증하기 위하여 여러 개의 방이 있는 환경에서 로봇이 물건을 전달하는 명령을 수행하도록 계획을 작성하고 목적을 달성하는 것을 실험하였다. 그리고 방문이 닫혀있는 상황과 같이 계획을 방해하는 예외적인 사건의 발생에 대하여 계획을 수정하고 목적을 달성함을 보인다. 이 과정에서 로봇이 다양한 환경을 추론할 수 있도록 움직이는 장애물의 움직임 방향을 추론하고 최적화된 피하기 행동을 수행함을 분석한다. 로봇 시뮬레이션과 실제 로봇의 실험결과 제안하는 방법으로 기존의 행동 네트워크보다 정교하게 움직이는 장애물 피하기를 할 수 있으며 자율적인 행동을 생성하면서 주어진 명령에 대하여 계획 시퀀스를 생성 및 변경할 수 있음을 확인할 수 있었다.