[논문 리뷰] 'Infotaxis' as a strategy for searching without gradients(2007)

---

논문 이전에

 Path Planning에 대한 관심은 언제나 존재한다. 로봇의 자율주행 기능을 책임지는 Path Planning은 전체적인 지도[Map]를 지니고 있을 때의 경로를 제작하는 Global Planning, 카메라, LiDAR 등의 센서 데이터를 받아와 시간에 따라 현재 위치에서 목적지와 충돌 가능한 장애물 등을 고려한 Local Planning[Motion planning 이 여기에 속해 있을 것이다.] 등이 있다. 이러한 기술들은 차량 자율 주행, 로봇의 목적지 도착에 주로 쓰이며, 움직여 목적지에 도착을 해야하는 Task를 가진 임무에는 어디든 쓰인다고 생각하면 된다. 그래서 주로, 로봇 전문가 및 자동차, 무인이동체 등의 개발자는 필수적으로 필요한 개념이다.

오늘 소개할 논문은 Informative Path Planning의 내용을 가진, 즉 정보 탐색의 문제에 대해서 얘기해 보려고 한다.

---

Abstract

 이 논문은 STE[Source Term Estimation]의 기본이 되는 논문으로, 대기 물질 추정에 관련된 논문이다.

화산 폭발, 테러, 화재 등의 재난 재해가 발생할 때, 대기로 퍼지게 되는 오염물질은, 특정한 위치에서만 측정할 수 있는 지엽적인 정보이다. 이는 기존의 gradient한 방식으로 정보를 처리할 수가 없다. 즉, 지역의 정보를 극대화 하는 방식으로 정보에 대한 기대비율을 최대화 하여야 한다.

 

Middle

핵심 내용

 기존의 센서를 이용한 센싱 데이터의 크기만을 비교하여 STE를 진행했던 것과 달리, Infotaxis는 엔트로피 개념을 도입하였다.

 

문제점

1. 기존 모델들은 데이터의 크기만을 의존한다. 즉, '센서 데이터가 커지는 곳으로 단순히 가면 근원지를 찾을 수 있겠다' 라고 생각하였다. 하지만, 로봇의 입장에서는 어느 방향으로 가면 센서 데이터가 커 질지 아무리 생각해도 모를 것이다.
2. 확률론적 방식으로 파악하려는 시도를 진행하였지만, 일반적인 환경에서의 데이터 측정의 값은 0일 것이다. 이러한 경우 갑자기 오염물질에 대해 파악하게 된다면, 근원지를 찾았다는 착각을 하게된다. 즉, Local minima에 빠지게 되는 것이다.

이러한 문제점들을 해결하기 위해 Infotaxis는 다음과 같은 해결법을 제시한다.

 

문제점

1. 지역적인 정보에 대한 기대비율을 최대화 한다.
   일반적인 공기 중의 오염물질 데이터에 대해 기대비율을 최대화 한다. 차이가 심한 양 옆과의 평균에서도 의미를 지니게 해 주었다.
2. Entropy를 감소하는 것에 초점을 맞추어 탐사를 진행한다.
   정보가 없는 방향에서 움직일 때에는 Entropy의 영역이 점점 큰 값을 가지는, 즉 불확실성을 지닐 수 밖에 없다. 이 논문은 이러한 상황에서 Entropy의 값을 최소화 할 수 있는 정보를 모으는 탐험을 진행함으로써 근원지를 찾아 간다.

Methods

방법과 식들에 대해서 편하게 알기 위해서, 논문에 자세히 필기 및 정리를 해 두었다. 참고해서 보길 바란다.

Conclusion

Infotaxis 구현

 

 2007년에 나온 이 논문은 시간이 지났음에도 많은 사람들이 기본적으로 사용하는 정보 기반 이론의 근원지 탐색 방법이다. 다만, 하나의 Agent로 하나의 근원지[Single-Agent & Single-Source]에서 Multi-Multi 방식으로 점점 바뀌고 있는 추세이다.

 

Infotaxis.pdf

3.14MB