A
약 60초
BFS 한계 경험 후 RRT로 고차원 경로 계획 문제 접근
로보틱스 수업에서 경로 계획(Path Planning) 과제로 모션 플래닝 문제를 처음 다뤘습니다. 시작 위치에서 목표 위치까지 장애물을 피하는 경로를 생성하는 문제였는데, 처음엔 BFS로 접근했다가 연속 공간에서 계산 비용이 너무 커지는 한계를 만났습니다. 이후 RRT 알고리즘을 공부해 적용해봤는데, 공간을 무작위 샘플링하며 트리를 확장하는 방식이 고차원 공간에서도 실용적인 경로를 빠르게 찾는 걸 확인했습니다.
모션 플래닝에서 최적 경로와 실시간 계산 가능한 경로 사이의 트레이드오프를 직접 체감했고, 실제 로봇 시스템에서는 완벽한 최적해보다 충분히 빠르고 안전한 경로가 더 중요하다는 점을 배웠습니다. 지금도 이 분야에 지속적인 관심을 갖고 심화 학습을 이어가고 있습니다.
이 결의 특징
BFS가 연속 공간에서 계산 비용이 커지는 한계를 겪고 RRT의 무작위 샘플링 트리 확장 방식으로 전환한 흔적이 있습니다. 최적 경로와 실시간 계산 가능성 사이 트레이드오프를 직접 체감했습니다.
이 결이 통하는 자리
완벽한 최적해보다 충분히 빠르고 안전한 경로가 중요하다는 결론이 실제 알고리즘 전환 경험으로 뒷받침될 때 통합니다.