Failure-Aware LLM-DWA Replanning for Mobile Robot Navigation in Dynamic Obstacle Environments
Dabin Kim과 Youngmin Lee가 공동 1저자입니다.
논문 PDF 다운로드연구 요약
이동 장애물 세 개가 있는 미로 시뮬레이션에서 실패 인지 기반 LLM-DWA의 경로 재계획 성능을 평가했습니다. 제안 방법은 10회 중 5회 목표에 도달해 비교한 방법 중 가장 높은 성공률을 보였습니다.
One-shot LLM-DWA는 1/10, NavFn-DWA와 두 주기적 재계획 방법은 각각 0/10이었습니다. 추가 실험에서는 실패 감지 시점, 접촉 기반 재계획, LLM temperature가 결과에 미치는 영향을 살펴봤습니다.
내 기여
- 실패 인지 기반 LLM-DWA를 동적 장애물 환경으로 확장하는 후속 연구 주제를 공동 수립했습니다.
- 동적 장애물 환경의 실험을 설계하고, 초기 환경 구성부터 실험 수행과 결과 검증까지 담당했습니다.
- 실패 감지 신호와 임계값을 정의하고, 실험 파라미터를 조정했습니다.
동적 환경의 내비게이션
움직이는 장애물 때문에 처음에 계획한 경유점 경로가 주행 중 비효율적이 될 수 있습니다. 지역 경로 계획기가 제자리에서 진동하거나 장애물 주변에 갇힐 수도 있습니다. 반대로 너무 자주 경로를 다시 계획하면 진행 중인 목표가 반복해서 취소돼 주행이 끊깁니다.
이 연구에서는 경유점을 계속 새로 만드는 대신, 주행 실패를 감지했을 때 경로를 다시 계획하는 LLM-DWA를 평가했습니다. LLM은 상위 수준의 경유점을 제안하고, 내비게이션 시스템은 경로 생성과 DWA 기반 지역 제어를 맡습니다.
실패 인지 기반 경로 재계획
실패 감지 모듈은 Nav2의 남은 경로 거리, 병진 운동과 회전 운동을 반영한 속도 지표, 최근 복구 이벤트를 모니터링합니다. 남은 경로 거리가 기존 최적 기록보다 0.2 m를 초과하여 감소하면 진행 기준을 갱신합니다.
현재 속도가 낮으면서 마지막 진행 기준 갱신 이후 일정 시간이 경과하거나, 최근 복구 이벤트가 임계 횟수에 도달하면 재계획을 요청합니다. 두 조건 모두 재계획 대기 시간이 지난 후에 적용됩니다.
주요 설정인 Proposed-40은 정체 판단 시간 40초, 속도 임계값 0.016 m/s, 60초 내 복구 이벤트 5회, 재계획 대기 시간 40초를 사용합니다. 실패 감지는 Nav2 피드백을 받을 때 수행하며, 별도의 모니터가 1초마다 15초의 피드백 시간 초과를 확인합니다.
일반 실패 감지 조건 외에도 목표 요청 거부, 의도적인 취소를 제외한 내비게이션 동작의 비성공 결과, 피드백 시간 초과에 대응하는 재계획 경로를 구현했습니다. 재계획을 요청하면 남은 waypoint를 폐기하고 현재 로봇 위치에서 최종 목표까지의 시퀀스를 다시 생성합니다.
주요 설정에서는 접촉 기반 재계획 조건을 사용하지 않습니다.
동적 미로 실험 환경
로봇은 세 개의 상자형 장애물이 0.15 m/s로 왕복 이동하는 미로 시뮬레이션 환경에서 시작점 (-8.0, -8.0)부터 목표점 (8.0, 6.0)까지 이동합니다.
GPT-4o-mini를 temperature 0.5로 사용하며, 현재 로봇 위치, 최종 목표와 시뮬레이션 world 파일에서 추출한 지도 수준의 장애물 정보를 입력합니다. 이동 장애물의 현재 위치를 매 제어 단계마다 LLM에 전달하지는 않습니다.
LLM은 정적 지도 구조를 기반으로 상위 수준의 waypoint를 생성하고, 지역 제어기와 실패 감지 모듈이 동적 장애물과의 상호작용에 대응합니다.
LLM은 2차원 waypoint 목록을 JSON 형식으로 반환합니다. 이를 연속 궤적으로 직접 실행하지 않고, 각 waypoint를 순차적인 중간 내비게이션 목표로 전달합니다.
비교 실험
NavFn-DWA, One-shot LLM-DWA, 12초 및 25초 주기의 Periodic LLM-DWA, 제안하는 실패 인지 기반 방법을 각각 10회씩 평가했습니다.
600초 이내에 최종 목표에 도달하고 목표까지의 최종 거리가 0.30 m 미만이면 성공으로 판정합니다. 시간 제한을 초과하거나, 재계획 시도 횟수가 50회를 초과하거나, 이동 계획 시스템이 내비게이션 동작을 중단하면 실패로 판정합니다.
Proposed-40은 5/10, One-shot LLM-DWA는 1/10의 성공률을 기록했습니다. NavFn-DWA와 두 주기적 재계획 설정은 각각 0/10의 성공률을 보였습니다.
관찰된 실패 유형에는 시작 단계의 경로 계획 실패, 환경 변화로 부적절해진 waypoint 시퀀스, 과도한 재계획, 막다른 경로에 갇히는 현상과 시간 초과의 반복이 포함됩니다.
탐색적 양측 Fisher 정확 검정에서 각 0/10 비교군과의 비교는 p = 0.0325, One-shot LLM-DWA와의 비교는 p = 0.1409였습니다. 네 번의 비교에 Bonferroni 보정을 적용한 후에는 통계적으로 유의한 차이가 남지 않았습니다.
따라서 결과는 평가한 환경에서의 초기 가능성을 보여주는 것으로 해석합니다.
소거 실험
실패 감지 조건과 LLM 설정을 바꾸어 추가 실험을 수행했습니다. Proposed-45는 정체 판단 45초, 복구 이벤트 5회, 재계획 대기 45초를 사용하여 2/10의 성공률을 기록했습니다.
Proposed-35는 각각 35초, 4회, 35초를 사용하여 1/10의 성공률을 기록했습니다. Proposed-40은 5/10으로 가장 높은 관측 성공률을 보였습니다.
보수적인 설정에서는 필요한 재계획이 지연되었으며, 빠른 설정에서도 시간 초과 실패가 발생했습니다. 접촉 기반 변형은 물리적 접촉 이후 과도하게 재계획하는 양상을 보이며 0/10의 성공률을 기록했습니다.
Temperature를 0으로 설정한 변형도 0/10을 기록하여, LLM 출력의 결정성을 높이는 것만으로는 관찰된 내비게이션 실패를 해결하지 못했습니다.
Proposed-40의 대표 성공 사례에서는 71.552 m를 436.315초 동안 이동했으며, LLM 호출 3회와 경로 재계획 2회가 발생했습니다. 이 수치는 전체 실험의 평균이 아닌, 선정된 한 번의 성공 사례를 나타냅니다.
실패 분석 및 향후 연구
남은 실패는 주로 물리적 상호작용과 관련되었습니다. 이동 장애물이 로봇을 밀거나, 로봇이 이동 장애물과 벽 사이에 갇히는 상황이 발생했습니다. 이러한 관찰은 상위 수준의 waypoint 재계획과 함께 물리적 상호작용을 고려하는 지역 복구 행동이 필요함을 보여줍니다.
평가는 하나의 통제된 동적 미로에서 설정별 10회 실험으로 수행했습니다. 향후에는 다양한 지도와 장애물 이동 패턴으로 평가를 확장하고, 전체 실험의 성능 분포를 수집하며, 지도 또는 VLM 기반 인식과 갇힘 탈출을 위한 지역 복구 행동을 결합할 계획입니다.