기술 요약: 고전적 계획법(Classical Planning)의 도메인 모델 설계가 에너지에 미치는 영향

문제 정의

AI 연구는 전통적으로 정확도나 실행 시간과 같은 알고리즘 성능 지표를 우선시해 왔으나, 새롭게 등장하는 "그린 AI(Green AI)" 패러다임은 에너지 소비를 중요한 차원으로 인식하며 이를 도전 과제로 제시하고 있습니다. 자동 계획법(Automated planning)의 높은 계산 요구량에도 불구하고, 그 에너지 효율성에 대한 연구는 거의 이루어지지 않았습니다. 이러한 격차는 클래식 플래닝의 모듈형 구조, 즉 계획 알고리즘이 PDDL로 인코딩된 애플리케이션 특화 지식인 도메인 모델과 분리되어 있다는 점을 고려할 때 특히 중요합니다.

도메인 모델 설계자는 액션의 세밀도(granularity), 술어(predicate) 구조, 순서 및 인코딩 스타일 등에 관한 명세 결정에서 상당한 자유를 가집니다. 기존 연구들은 이러한 구문적(syntactic) 및 의미적(semantic) 선택이 플래너의 실행 시간과 솔루션 품질에 극적인 영향을 미친다는 점을 입증했지만, 이러한 도메인 모델 구성이 에너지 소비에 미치는 영향에 대해서는 아직 탐구되지 않았습니다. 본 논문은 특정 도메인 모델 설계 결정이 클래식 플래너의 에너지 효율성에 어떻게 영향을 미치는지 조사함으로써 이 간극을 메우고자 합니다.

방법론

저자들은 도메인 모델의 특성을 체계적으로 변화시키고 테스트하여 플래너 동작에 미치는 영향을 이해하기 위해 설계된 **도메인 모델 구성 프레임워크(Domain Model Configuration Framework)**를 도입합니다. 이 프레임워크는 도메인 특징을 다음 세 가지 범주로 분류합니다:

1. 구문 구조 선택 (Syntactic Structure Choices, SSC): 사용 빈도, 알파벳 순서, 또는 리터럴 수와 같은 기준에 따라 도메인 요소(예: 술어 선언, 액션 정의, 전제 조건 및 효과)의 순서를 재배열합니다. 이러한 변경은 의미론은 유지하되 구문은 변경합니다.
2. 모델링 중복 선택 (Modelling Redundancy Choices, MRC): 시뮬레이션 상의 불변 구조(semantically inert constructs)를 도입합니다. 예를 들어, 해결 가능성(solvability)을 바꾸지 않으면서 표현상의 오버헤드를 늘리기 위해 더미 객체, 중복된 술어, 증가된 아리티(arity), 또는 적용 불가능한 중복 액션을 추가하는 방식입니다.
3. 태스크 설계 선택 (Task Design Choices, TDC): 태스크의 해결 가능성이나 난이도를 수정합니다. 예를 들어, 데드엔드(dead-end) 상태를 도입하거나 목표 달성 효과를 제거하여 솔루션 공간 및 탐색 구조를 변경합니다.

실험 설정:

• 플래너: 다섯 가지 최신 플래너를 평가했습니다: Fast Downward(FD) 프레임워크 기반의 세 가지(FDSSA, CA, DALAIA)와 LAPKT 기반의 두 가지(ANST, FBNS).
• 도메인: 국제 계획 경진대회(IPC)의 다섯 가지 벤치마크 도메인: Barman, Blocks World, Gripper, Thoughtful, Ricochet Robots.
• 변형(Variants): 각 도메인에 대해 32개의 변형(원본 1개 + SSC 20개, MRC 7개, TDC 4개)을 생성했습니다.
• 실행: 실험은 최소 환경의 Ubuntu 24.04 LTS에서 실행되는 전용 머신(Intel Core i7-1065G7, 32 GB RAM)에서 수행되었습니다. 에너지 소비는 pyRAPL을 통해 격리된 컨테이너 내에서 Intel RAPL 카운터를 사용하여 CPU 패키지 레벨에서 측정되었습니다.
• 제약 조건: 실행은 단일 CPU 코어, 8 GB 메모리, 5분의 벽시계 시간(wall-clock time) 타임아웃으로 제한되었습니다. 통계적 견고성을 보장하기 위해 각 구성은 30회씩 실행되었습니다. 타임아웃 내에 종료된 실행 결과만을 분석 대상으로 삼았습니다.

주요 기여

1. 프레임워크 개발: 경험적 평가를 위한 제어된 변형을 생성하기 위해 도메인 모델 구성을 특성화하고 변환하는 체계적인 프레임워크를 구축했습니다.
2. 경험적 증거: 도메인 모델 구성이 AI 계획법의 에너지 소비와 직접적으로 연결됨을 보여주는 최초의 경험적 연구입니다.
3. 교차 플래너 분석: 두 가지 지배적인 계획 프레임워크(FD 및 LAPKT)와 다섯 가지 다양한 벤치마크 도메인에 대한 포괄적인 평가를 수행했습니다.

결과

연구 결과, 클래식 플래너의 에너지 소비는 사소한 표현 변경 하에서는 일반적으로 안정적이지만, 특정 모델링 및 태스크 수준의 메커니즘에는 상당한 민감도를 보임을 밝혀냈습니다. 결정적으로, 에너지 소비는 항상 실행 시간과 상관관계를 갖는 것은 아닙니다.

• 구문 구조 선택 (SSC):

  • FD 기반 플래너는 변형 간 평균 에너지 편차가 1% 미만이며 거의 완벽한 피어슨 상관관계를 보이는 등 놀라운 안정성을 보였습니다.
  • LAPKT 기반 플래너는 도메인 의존적인 민감도를 보였습니다. Barman 및 Thoughtful과 같은 도메인에서 액션이나 효과의 순서를 바꾸면 큰 에너지 편차(예: Barman에서 3.8배 차이)가 발생했으며, 상관관계가 0에 가깝거나 음수 값으로 떨어졌습니다. Thoughtful의 경우, 액션 순서 변형은 즉각적인 타임아웃을 유발했으나 술어 순서는 안정적이었습니다.

• 모델링 중복 선택 (MRC):

  • 대부분의 중복 메커니즘은 완만한 효과를 냈습니다. 그러나 MRC-ROA(모든 액션 정의에 사용되지 않는 더미 파라미터 추가)는 거의 모든 플래너-도메인 조합에서 에너지 소비를 일관되게 증가시켰습니다.
  • MRC-ROA의 영향은 베이스라인 대비 2배에서 12배 이상의 증가를 보였으며, 변동성(표준 편차 최대 1400 J)이 매우 높았습니다. Blocks World에서는 에너지가 11배 이상 증가했으며, 원본 도메인에서는 해결 가능했던 인스턴스가 이 구성 하에서는 실패하기도 했습니다.
  • FD 기반 플래너는 일반적으로 LAPKT 기반 플래너보다 중복에 더 탄력적이었으나, MRC-ROA는 두 방식 모두에서 주요한 비효율성의 원인이었습니다.

• 태스크 설계 선택 (TDC):

  • 효과는 도메인과 플래너에 따라 매우 상이하게 나타났습니다. 일부 변형은 베이스라인과 유사했으나, 다른 변형은 극단적인 편차를 일으켰습니다.
  • Blocks World에서 TDC-DEF(목표 달성 효과 제거)는 FDSSA의 에너지 소비를 30배 이상 증가시켰습니다. 반대로, Thoughtful에서는 동일한 변형이 에너지를 260 J에서 168 J로 감소시켰습니다.
  • 데드엔드 메커니즘(TDC-RPD, TDC-COP)은 종종 그라운딩(grounding) 복잡성을 증폭시키거나 탐색 궤적을 변경하여, 특정 플래너의 Barman 및 Ricochet Robots에서 상당한 에너지 급증을 초래했습니다.

의의 및 주장

본 논문은 클래식 플래닝에서 에너지 효율성은 실행 시간만의 함수가 아니라, 도메인 모델 구성, 플래너 설계, 그리고 도메인 토폴로지 사이의 상호작용으로부터 발생하는 구조적 속성이라고 주장합니다.

• 아키텍처별 취약성: 결과는 아키텍처 특유의 취약성을 강조합니다. 그라운딩과 전처리를 통해 계산을 앞단에서 처리하는 FD 기반 플래너는 중복 및 데드엔드에 특히 민감합니다. LAPKT 기반 플래너는 중복에는 더 탄력적이지만, 신규성 평가(novelty evaluation) 시 순서에 의존적인 데이터 구조로 인해 구조적 순서에 민감할 수 있습니다.
• 도메인 토폴로지: 도메인의 관계적 구조(예: Blocks World 및 Barman)의 복잡성은 모델링 선택의 영향을 증폭시키는 반면, 압축적인 도메인(예: Gripper, Ricochet Robots)은 예측 가능한 에너지 사용을 유지합니다.
• 실무적 시사점: 도메인 모델러에게는 표현의 효율성이 매우 중요합니다. 중복된 액션 파라미터를 피하고 태스크 설계를 신중하게 검증하는 것만으로도 플래너를 변경하지 않고도 에너지 소비를 크게 줄일 수 있습니다. 플래너 개발자에게는 에너지 인지적 전처리 및 순서에 독립적인 데이터 구조 사용의 기회를 시사합니다.

저자들은 에너지가 실행 시간 분석만으로는 보이지 않는 비효율성을 드러내는 성능 지표로서 등장한다고 결론짓습니다. 또한, 도메인 모델 구성을 통해 이러한 민감성을 체계적으로 특성화할 수 있는 '도메인 모델 구성 프레임워크'가 정적 도메인 속성을 기반으로 한 에너지 비용 예측 모델 연구를 지원할 것이라고 제안합니다.