Exploiting Aggregate Programming in a Multi-Robot Service Prototype

1. 연구 배경 및 문제 정의 (Problem)

• 배경: 의료, 탐사, 구조, 그리고 최근 도서관 서비스 등 다양한 분야에서 다중 로봇 시스템의 중요성이 증가하고 있습니다.
• 문제점: 다중 로봇 시스템을 구축하는 것은 두 가지 주요 난제를 포함합니다.
  1. 로봇의 물리적 특성 (센서, 구동기, 통신) 과 환경의 불확실성.
  2. 분산된 다중 에이전트 시스템으로서의 조정 및 집단 의사결정 메커니즘의 복잡성.
• 구체적인 시나리오: 대학 도서관에서 학생들이 원하는 책의 위치를 찾기 위해 로봇 팀이 협력해야 하는 상황입니다. 이 과정에서 로봇은 책의 위치를 파악하고, 가장 적합한 로봇이 선별되어 책까지 이동해야 합니다.
• 기존 접근법의 한계: 기존 연구들은 주로 중앙 집중식 제어를 사용하거나, 실제 로봇보다는 시뮬레이션에 의존하는 경우가 많았습니다. 특히, 통신 장애, 노드 고장, 네트워크 분할 등 동적인 변화에 강건하게 대응하는 분산 알고리즘을 실제 물리 로봇에 적용한 사례는 드뭅니다.

2. 방법론 (Methodology)

이 연구는 집합 프로그래밍 (Aggregate Programming, AP) 패러다임을 핵심으로 하여 시스템을 설계했습니다.

2.1 핵심 기술: 집합 프로그래밍 (AP) 및 XC

• eXchange Calculus (XC): AP 의 참조 프로그래밍 언어로, 메시지 교환, 장치 위치, 수량 등을 명시적으로 관리하지 않고도 분산 계산을 표현할 수 있게 합니다.
• 동작 원리: 각 로봇은 비동기적인 라운드 (round) 단위로 실행되며, 이웃 장치들과의 국소적 메시지 교환 (exchange 연산자) 을 통해 정보를 수집하고 계산합니다.
• 주요 특징:
  • 자가 안정성 (Self-stabilization): 네트워크 토폴로지나 입력이 변경되더라도 일정 지연 후 올바른 출력으로 자동 수렴합니다.
  • 내결함성 (Resilience): 통신 실패나 노드 고장에 대한 내성을 기본으로 제공합니다.
  • 컴포지션: 복잡한 분산 과정을 함수 합성으로 표현합니다.

2.2 시스템 아키텍처

• AP 엔진 (FCPP): C++ 기반의 FCPP 라이브러리를 사용하여 AP 알고리즘을 실행합니다.
• ROS2 통합:
  • Robot Writer: AP 엔진의 결정 (작업 할당) 을 텍스트 파일로 받아 ROS2 토픽을 통해 내비게이션 시스템 (NAV2) 으로 전달합니다.
  • Robot Reader: 로봇의 위치, 배터리 상태, 작업 상태 등의 피드백을 ROS2 토픽에서 읽어 텍스트 파일로 변환하여 AP 엔진에 다시 입력합니다.
• 알고리즘 (다중 로봇 작업 할당, MRTA):
  • ST-SR-IA 모델: 한 번에 하나의 작업만 수행 (ST), 한 작업은 한 로봇이 수행 (SR), 즉시 할당 (IA) 방식입니다.
  • 합의 기반 접근: 각 로봇은 자신의 점수 (거리, 배터리 등) 를 계산하고, diameter_election 연산자를 사용하여 네트워크 전체에서 최적의 로봇 (리더) 을 선출합니다.
  • 동적 적응: 새로운 작업이 도착하면 새로운 집합 프로세스가 생성되어 병렬 처리되며, 네트워크 분할이 발생하거나 로봇이 고장 나면 프로세스가 자동으로 재조정됩니다.

3. 주요 기여 (Key Contributions)

1. 실제 로봇에 적용된 최초의 AP 알고리즘: 기존 AP 연구가 시뮬레이션이나 중앙 집중식 제어에 머무른 것과 달리, 본 연구는 실제 물리 로봇 팀에 AP 알고리즘을 배포하여 조정 로직을 구현했습니다.
2. 실용적 문제 해결: AP 가 직접 다루지 않는 실제 문제들 (여러 로봇이 동일한 작업을 시작하는 충돌, AP 의사결정 프로그램과 로봇 내비게이션/센서 피드백 간의 효율적 인터페이스) 을 해결하는 방법을 제시했습니다.
3. 이중 검증 (Simulation & Physical): Gazebo 시뮬레이터와 실제 대학 도서관 환경의 물리 로봇 (iRobot Create3 기반) 을 모두 사용하여 시스템을 검증했습니다.
4. 강건한 내결함성 구현: 네트워크 분할, 배터리 고갈, 통신 장애 등 다양한 실패 시나리오에서 시스템이 자동으로 복구되고 작업을 재할당하는 능력을 입증했습니다.

4. 실험 및 결과 (Results)

• 시뮬레이션 (Gazebo):
  • 도서관 환경을 정밀하게 재현한 Gazebo 시뮬레이션에서 5~10 대의 로봇을 사용하여 테스트했습니다.
  • 네트워크 분할 테스트: 통신 범위를 줄여 로봇 그룹을 분리 (Partition) 시켰을 때, 각 그룹이 독립적으로 작업을 수행하다가 연결이 복구되면 충돌을 감지하고 자동으로 해결 (예: 더 나은 점수를 가진 로봇이 작업을 인수) 하는 것을 확인했습니다.
  • 배터리 고장 테스트: 로봇의 배터리를 인위적으로 방전시켰을 때, 시스템이 이를 감지하고 작업을 다른 로봇으로 즉시 재할당했습니다.
• 물리 프로토타입 (University Library):
  • 하드웨어: iRobot Create3 플랫폼에 FHL-LD19P 라이다와 온보드 MiniPC 를 탑재했습니다.
  • 통신: WiFi 6 라우터를 사용하며, ROS2 와 FCPP 간의 데이터 흐름을 텍스트 파일과 ROS2 토픽을 통해 연결했습니다.
  • 성능: 실제 도서관 환경에서 학생의 요청에 따라 로봇이 책 위치까지 이동하는 데 성공했습니다. 또한, 로봇이 들어 올리거나 내비게이션 실패 등 다양한 오류 발생 시 다른 로봇이 작업을 이어받는 것을 확인했습니다.

5. 의의 및 결론 (Significance & Conclusion)

• 프로그래밍의 간소화: AP 를 통해 복잡한 분산 작업 할당, 동적 작업 도착, 비동기적 실패 처리 등을 고수준의 함수 합성으로 표현할 수 있어 개발이 용이해졌습니다.
• 유연성과 적응성: AP 의 자가 안정성 (Self-stabilizing) 특성은 로봇 팀이 예측 불가능한 물리적 환경 변화에 자연스럽게 적응할 수 있게 합니다.
• 미래 전망: 이 연구는 AP 가 실제 로봇 시스템에 적용 가능함을 입증했습니다. 향후 더 복잡한 환경 (감시, 순찰, 컴퓨터 비전 통합 등) 으로 확장하여 적용할 수 있는 기반을 마련했습니다.

요약하자면, 이 논문은 집합 프로그래밍이 이론적인 모델을 넘어, 실제 물리 환경에서 작동하는 다중 로봇 시스템의 조정 및 내결함성 문제를 해결하는 데 있어 강력한 실용적 도구임을 입증한 선구적인 연구입니다.