Verification of High-Order Control Barrier Functions by Computing Class K Functions

당신이 북적이는 도시를 가로질러 질주하는 배달 드론 함대를 프로그래밍하고 있다고 상상해 보십시오. 당신은 드론들이 빠르고 효율적이기를 바라지만, 무엇보다도 건물, 다른 드론, 또는 사람들과 절대 충돌하지 않기를 원합니다. 로봇 공학 및 엔지니어링의 세계에서 이것은 '안전'이라는 목표의 성배와 같습니다. 과학자들은 제어 장벽 함수(Control Barrier Functions, CBFs)라고 불리는 수학적 도구를 사용하여 로봇 주위에 보이지 않는 힘의 장을 만듭니다. 이 힘의 장은 로봇의 컴퓨터에 이렇게 말합니다. "이 방향으로 가면 안전하지만, 저 방향으로 가면 위험해."

하지만 까다로운 함정이 하나 있습니다. 때때로 로봇의 물리 법칙은 복잡할 수 있습니다. 브레이크를 밟은 후에도 로봇이 멈추는 데 몇 초가 걸릴 수도 있고, 멈추기 위해 먼저 회전을 해야 할 수도 있습니다. 여기서 '고차(High-Order)' CBF가 등장합니다. 이것은 이러한 지연과 복잡한 움직임을 고려하는 더 정교한 버전의 힘의 장입니다. 그러나 문제는, 이 힘의 장이 제대로 작동하게 하려면 엔지니어가 안전 규칙의 엄격함을 정의하기 위해 '클래스 K 함수(class K functions)'라고 불리는 특정 수학적 곡선을 선택해야 한다는 것입니다. 잘못된 곡선을 선택하는 것은 속도 제한을 너무 높게 설정하여 사고를 내거나(너무 높으면 충돌함), 너무 낮게 설정하여 로봇이 갇혀버리는 것(너무 낮으면 갇힘)과 같습니다. 오랫동안 엔지니어들은 이 숫자들을 추측하며, 그것이 작동하기를 바라며 운에 맡겨야 했습니다. 이는 생명이 걸려 있거나 값비싼 장비가 걸려 있는 상황에서는 매우 위험한 도박입니다.

"Class K 함수 계산을 통한 고차 제어 장벽 함수의 검증(Verification of High-Order Control Barrier Functions by Computing Class K Functions)"이라는 제목의 이 논문은 이 추측 게임을 정면으로 다룹니다. 저자인 엘리 폰드(Ellie Pond)와 매슈 T. 헤일(Matthew T. Hale)은 로봇이 차고를 떠나기도 전에 그 안전 규칙이 실제로 작동할 것임을 수학적으로 증명하는 새로운 방법을 제안합니다. 이들은 단순히 곡선을 추측하는 대신, '제곱합(Sum-of-Squares, SOS)' 프로그래밍이라는 강력한 유형의 수학을 사용하여 완벽한 안전 곡선을 자동으로 계산합니다. 이것은 건축가가 단순히 설계도를 그리는 것에 그치지 않고, 벽돌을 한 장도 쌓기 전에 건물이 무너지지 않을 것임을 증명하기 위해 수천 번의 컴퓨터 시뮬레이션을 실행하는 것과 같습니다.

이 논문은 만약 그들의 수학적 레시피가 해답을 찾아낸다면, 로봇이 어떻게 움직이든 또는 어떤 장애물에 직면하든 영원히 안전할 것임을 보여줍니다. 그들은 유니사이클(unicycle) 형태의 로봇이 일곱 개의 서로 다른 안전 구역(예: 일곱 개의 원형 구역을 피하고 상자 안에 머무는 것)을 통과하는 시뮬레이션으로 이 아이디어를 테스트했습니다. 컴퓨터는 일곱 개의 구역 모두에 대해 동시에 작동하는 안전 곡선을 성공적으로 생성했으며, 로봇은 안전 규칙을 단 한 번도 어기지 않고 시뮬레이션을 통과했습니다. 이것은 컴퓨터 시뮬레이션이었고 실제 거리의 물리적인 로봇은 아니었지만, 그 뒤의 수학은 견고하며, 여러 규칙을 동시에 따라야 하는 복잡한 시스템을 위한 신뢰할 수 있는 방법을 제공합니다.

보이지 않는 힘의 장

이것이 왜 그렇게 중요한 일인지 이해하기 위해, 이 논문이 사용하는 도구들을 살펴봅시다. 로봇을 고속도로를 달리는 자동차라고 상상해 보십시오. 표준적인 안전 규칙은 "차선을 유지하라"는 것입니다. 수학적으로 이것은 단순한 선입니다. 하지만 자동차가 무거워서 멈추는 데 시간이 오래 걸린다면 어떨까요? 단순한 선만으로는 부족합니다. "가장자리에 가까워지면, 나중에 미끄러지지 않도록 지금 당장 속도를 줄여야 한다"는 규칙이 필요합니다. 이것이 바로 **고차 제어 장벽 함수(High-Order Control Barrier Function, HOCBF)**가 하는 일입니다. 이것은 로봇의 관성과 반응하는 데 걸리는 시간을 고려하여 앞을 내다보는 안전 규칙입니다.

하지만 이 "앞을 내다보는" 규칙이 작동하게 하려면, 엔지니어는 클래스 K 함수라고 알려진 특정 모양을 선택해야 합니다. 연기 감지기의 민감도를 설정한다고 상상해 보십시오. 너무 민감하게 설정하면 토스트를 구울 때도 경보가 울립니다(로봇이 불필요하게 멈춤). 너무 느슨하게 설정하면 집이 불타고 나서야 경보가 울립니다(로봇이 충돌함). 오랫동안 엔지니어들은 이러한 "민감도 조절 손잡이"를 직접 선택해야 했으며, 종종 추측하고 확인하는 과정을 반복했습니다. 만약 추측이 틀렸다면, 로봇이 갇히거나, 최악의 경우 컴퓨터가 경로를 찾지 못해 오류가 발생할 수도 있습니다.

안전을 위한 "마법 계산기"

이 논문의 저자들은 추측하는 대신, 완벽한 손잡이를 계산할 수 있는 수학적 트릭을 사용할 수 있다는 것을 깨달았습니다. 그들은 제곱합(Sum-of-Squares, SOS) 프로그래밍이라고 불리는 방법을 사용했습니다. SOS 프로그래밍을 어떤 모양이 항상 "양수"(안전)인지 또는 "음수"(위험)인지를 확인하는 똑똑한 계산기로 생각할 수 있습니다.

이 논문의 주요 발견은 로봇이 여러 안전 규칙을 따를 때 적절한 클래스 K 함수를 찾는 단계별 레시피(알고리즘)를 사용하는 것입니다. 그 과정은 다음과 같습니다:

1. 문제: 그들은 동시에 따라야 할 일곱 개의 서로 다른 안전 규칙(HOCBF)을 가진 로봇을 대상으로 했습니다. 각 규칙에는 찾아내야 할 미지의 "민감도 손잡이"(클래스 K 함수)가 있었습니다. 총 14개의 미지 함수(각 규칙당 두 개씩)가 있었습니다.
2. 해결책: 그들은 수학 문제의 시퀀스를 구축했습니다. 먼저 첫 번째 레이어의 안전을 해결한 다음, 그 결과를 사용하여 다음 레이어를 해결하는 식입니다. 이는 첫 번째 블록이 안정적이라는 것이 증명되어야만 두 번째 블록을 놓을 수 있는 블록 쌓기와 같습니다.
3. 결과: 컴퓨터는 14개 미지 함수 모두에 대한 값을 성공적으로 찾아냈습니다.

시뮬레이션 테스트

그들의 마법 레시피가 실제로 작동하는지 확인하기 위해, 그들은 시뮬레이션을 실행했습니다. 그들은 유니사이클처럼 보이는 가상 로봇(위치, 속도, 각도를 가짐)을 만들었습니다. 그리고 다음과 같은 일곱 가지 서로 다른 안전 구역이 있는 놀이터를 설정했습니다:

• 세 개의 구역은 로봇이 피해야 하는 보이지 않는 원형 구역입니다.
• 네 개의 구역은 로봇이 머물러야 하는 방의 벽입니다.

또한 목표도 추가했습니다: 로봇은 특정 지점으로 가서 멈춰야 합니다(이것은 "제어 리아푸노프 함수(Control Lyapunov Function, CLF)"라고 불리며, 로봇을 목적지로 끌어당기는 자석과 같습니다).

컴퓨터는 수학 레시피를 실행하고 안전 곡선을 생성했습니다. 그런 다음 로봇을 운전하게 했습니다. 논문의 그림에 나타난 결과는 성공적이었습니다. 로봇은 다양한 위치에서 출발하여 돌아다녔으며, 매번 안전 구역(일곱 개의 규칙이 모두 겹치는 영역) 내에 머물렀습니다. 도표의 빨간 점선은 경계를 나타냈으며, 로봇의 경로는 결코 이를 넘지 않았습니다.

의미와 한계

이 논문은 만약 그들의 수학 문제가 해답을 가진다면, 로봇이 보장된 안전을 유지한다는 것을 증명합니다. 이것은 "안전 인증서"입니다. 만약 컴퓨터가 "네, 곡선을 찾았습니다"라고 말한다면, 당신은 잘못된 안전 설정 때문에 로봇이 충돌하지 않을 것임을 알 수 있습니다.

하지만 몇 가지 중요한 제한 사항을 유념해야 합니다. 이 논문은 이 방법이 수학적으로 다항식(특정한 종류의 매끄러운 곡선)으로 표현될 수 있는 시스템에 대해 작동한다고 명시합니다. 대부분의 실제 시스템은 이 방식으로 근사할 수 있지만, 이는 수학적 요구 사항입니다. 또한, 여기에 제시된 결과는 시뮬레이션입니다. 로봇은 컴퓨터 화면 속에만 존재했습니다. 저자들은 이를 실제 실험실이나 거리의 물리적인 로봇에 대해 테스트하지 않았습니다.

또한, 논문은 때때로 수학이 너무 복잡해져서 풀 수 없을 수도 있다고 언급합니다. 컴퓨터가 해답을 찾지 못한다고 해서 반드시 로봇이 안전할 수 없다는 뜻은 아닙니다. 단지 그들이 사용한 특정 수학 도구가 해당 문제에 충분히 강력하지 않았을 수도 있다는 뜻입니다. 그런 경우, 그들은 수학을 조정(예: 곡선을 더 단순하게 만듦)하고 다시 시도할 것을 제안합니다.

시뮬레이션에서 컴퓨터는 일곱 개의 규칙을 모두 결합하여 검증하는 데 약 1,053초(약 17분)가 걸렸습니다. 이는 수학적 계산이 매우 무겁긴 하지만, 실행 가능하다는 것을 보여줍니다. 저자들은 안전 규칙을 추가함에 따라 문제를 푸는 데 걸리는 시간이 직선적으로 증가한다는 것을 발견했으며, 이는 더 복잡한 미래의 로봇을 위한 좋은 징조입니다.

핵심 요약

이 논문은 새로운 로봇이나 새로운 운전 방법을 발명하는 것이 아닙니다. 대신, 로봇을 안전하게 유지하는 수학을 검증하는 새로운 방법을 발명합니다. 이전에는 엔지니어들이 자신의 안전 설정이 맞기를 바라며 기도해야 했습니다. 이제 그들은 로봇이 일곱 가지의 서로 다른 안전 규칙을 동시에 수행해야 할 때조차도, "네, 이 설정들이 로봇을 안전하게 지켜줄 것입니다"라고 수학적으로 증명할 수 있는 도구를 갖게 되었습니다. 이것은 추측과 확인의 게임을 증명과 확신의 게임으로 바꾸며, 미래의 더 안전하고 신뢰할 수 있는 자율 기계로 가는 길을 열어줍니다.