행성 탐사 로봇은 우주 임무를 위한 신뢰할 수 있는 지도 구축과 함께, 고르지 않은 지형을 주행하며 내비게이션을 수행해야 한다. 그러나 대부분의 기존 방법은 통행가능성(traversability) 제약을 포함하더라도, 크레이터(c rater)와 같은 복잡한 특징 근처에서의 고(高) 불확실성 고도 추정에 대해서는 적절히 처리하지 못하며, 불확실성 감소를 위한 탐사 전략을 고려하지 않고, 또한 고도 불확실성이 내비게이션 안전성과 지도 품질에 어떻게 영향을 미치는지에 대한 문제를 일반적으로 다루지 못한다. 이러한 문제를 해결하기 위해, 우리는 안전한 경로 생성을 결합하고, 적응적 신뢰도(confidence) 업데이트를 수행하며, 신뢰도 인지(confidence-aware) 탐사 전략을 적용하는 통합 프레임워크를 제안한다. 칼만 기반 고도 추정(Kalman-based elevation estimation)을 사용하여, 본 접근법은 지형 통행가능성과 신뢰도 점수들을 생성한 뒤, 이를 그래프 기반 탐사 플래너(Graph-Based exploration Planner, GBP)에 통합하여 통행가능하되 신뢰도가 낮은 영역의 탐사를 우선순위로 배치한다. 우리는 새로운 저신뢰 영역 비율(low-confidence region ratio) 메트릭을 사용한 시뮬레이션 달(lunar) 실험을 통해 본 프레임워크를 평가하였으며, 기준 GBP(baseline GBP) 대비 69%의 불확실성 감소를 달성했다. 임무 성공률 측면에서, 본 방법은 100%를 달성한 반면 기준 GBP는 0%를 달성하여, 탐사 안전성과 지도 신뢰성의 향상을 입증한다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.