대규모의 복잡한 3차원 환경에서의 경로 계획은 경로의 품질과 계산 속도 사이의 상충관계에 근본적으로 제약을 받는다. 본 논문에서는 이 상충관계를 해결하는 계층적 프레임워크인 RUSH(Recursive and Scalable 3D Coarse To Fine Path Planning)를 제시한다. RUSH는 장거리 계획 과제를 먼저 거친 계획을 수립한 뒤, 독립적으로 병렬로 해결될 수 있는 세부 수준의 하위 문제들로 분해한다. 이러한 하위 문제들은 단일화된 확산 기반 네트워크에 의해 다루어지며, 해당 네트워크는 최적 경로에 대한 잔차를 학습하여 초기 추정 경로를 정교화한다. 이 접근법을 통해 RUSH는 3D 복셀 맵으로부터 풍부한 기하 정보를 직접 활용하면서, 전체 맵의 복잡성에 의해 병목이 발생하는 것을 피할 수 있다. 우리는 대규모 실외 데이터셋(KITTI, MulRan)과 실내 데이터셋(HM3D)에서 각각 200m×200m×6m 크기의 맵에 대해 본 방법을 검증하였다. 실험 결과는 RUSH가 현저한 효율성으로, 계층적으로 가속된 A* 기준선 대비 최대 12.59×의 속도 향상을 달성하면서도 경로 비용을 최적해 대비 24% 이내로 유지하는, 실행 가능하고 고품질의 경로를 생성함을 보여준다. 이러한 성능 향상은 RUSH를 대규모 3차원 맵에서 신속한 전역 경로 계획이 요구되는 응용을 위한 강력하고 실용적인 해결책으로 자리매김하게 한다.

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