제0부 개관·역사·연구 준비

0.6 역사 III: 이동·자율 로봇 — Shakey에서 DARPA 챌린지·Roomba·Kiva까지

0.6.1 이 장에서 배우는 것 / 선수 지식 / 특히 중요한 독자

이 장은 바퀴·궤도로 지상을 이동하는 로봇이 연구실의 시제기에서 도로·사막 주행과 상용 제품으로 옮겨 간 과정을 다룬다. 다룰 질문은 세 가지다. 초기 연구 시스템은 무엇을 구현했고 어떤 제약 아래에서 동작했는가, 주행 성능을 끌어올린 요인은 무엇인가, 상용 제품은 어떤 환경 조건에서 처음 성립했는가. 보행은 0.7, 학습 기반 접근은 0.8, 행성 탐사차·수중·군용 지상 로봇은 0.12가 다룬다. DARPA 챌린지의 상세는 사례 장 36.1에, 로보택시의 상용화는 36.2에 있다.

배우는 것:

• Shakey(1966~1972) — 세계 모델·계획 수립·동작 실행을 하나의 체계로 통합한 최초의 이동 로봇 연구와 그 계층 구조.
• 시각 기반 이동 — Stanford Cart의 단계적 이동과 Dickmanns의 VaMoRs·VaMP.
• 행동 계층 구조 — Brooks의 1985년 보고서가 제안한 계층 제어.
• DARPA 챌린지 — 2004·2005년 사막 주행과 2007년 도시 주행의 규칙과 결과.
• 상용 이동 로봇 — Roomba와 Kiva의 상용화 조건.
• 풀이 예제 — 세 세대 시스템의 지각·계획 주기와 주행 속도의 관계.

선수 지식: 0.3.4(이동 로봇 4.15의 정의), 0.4.5(전자 거북 등 초기 자율 기계), 평면 이동 로봇의 기구학(2.15).

특히 중요한 독자: 연구자(1차 문헌과 회고의 구분, 널리 통용되는 서술의 검증), 엔지니어(지각·계획 주기와 속도의 관계), 정책·사업 독자(연구 과제 설계와 상용화 조건).

기준 시점과 출처 방침. 이 장의 서술은 2026년 11월 기준이다. 0.4·0.5에 이어 원문을 먼저 읽었다. 직접 읽은 자료는 다음과 같다. ① Nilsson 편, 『Shakey the Robot』(SRI Technical Note 323, 1984-04) — 150쪽 스캔본을 쪽 영상으로 읽었고 목차·제1장·제2장 일부·제5장 일부·제9장 첫 쪽만 확인했다. ② Moravec, 『Obstacle Avoidance and Navigation in the Real World by a Seeing Robot Rover』(CMU-RI-TR-80-03, 1980-09-02) 전문. ③ Brooks, MIT AI Memo 864(1985-09)의 초록 쪽. ④ Dickmanns, 「Vehicles Capable of Dynamic Vision」(IJCAI-97) 전문. ⑤ Thrun 외, 「Stanley: The Robot that Won the DARPA Grand Challenge」(J. Field Robotics 23(9), 2006) 전문. ⑥ Urmson 외, 「Autonomous Driving in Urban Environments: Boss and the Urban Challenge」(J. Field Robotics 25(8), 2008) 전문. ⑦ Wurman·D'Andrea·Mountz, 「Coordinating Hundreds of Cooperative, Autonomous Vehicles in Warehouses」의 AAAI-07 학회판(AI Magazine 2008판은 접근하지 못했다). ⑧ iRobot Corp 증권신고서 Form S-1(SEC, 기준일 2005-07-02의 최초 제출본). ⑨ Amazon의 Kiva 인수 보도자료(SEC 제출 Exhibit 99.1, 2012-03-19). 읽지 못한 자료는 0.6.10에 정리했다.

출처의 성격은 세 가지로 구분한다. 당시 기록(Shakey 보고서, Moravec 논문, Brooks 보고서), 연구자 본인의 회고·자기 보고(Moravec의 연혁, Dickmanns의 주행 기록, Thrun 외·Urmson 외의 팀 보고), 기업 문서(S-1·보도자료·Kiva 논문은 (공개 주장치)를 포함한다).

0.6.2 네 시기와 연표

시기 구분은 이 책의 서술 틀이며 근거를 확인한 사건을 기준으로 했다. 월터의 거북과 Beast는 0.4.5에서 다루었다. 이 장이 1차 문헌을 읽지 못한 사건(DARPA ALV, CMU Navlab, JPL의 로봇 연구 차량, LAAS의 Hilare, 1990년대 행성 탐사차)은 연표에 넣지 않았다.

0.6.3 Shakey(1966~1972)

0.6.3.1 목표·구성·환경

TN 323의 제1장은 SRI 인공지능 센터가 1966년부터 1972년까지 "Shakey"라는 별칭의 이동 로봇 체계를 연구했다고 서술한다. 후원은 DARPA가 Rome Air Development Center·NASA·육군 연구국과 맺은 일련의 계약으로 이루어졌다. 두 개의 완성된 체계가 있었다. 1969년 첫 통합 체계는 TV 카메라와 센서를 갖춘 이동 차량을 SDS-940 컴퓨터가 무선으로 제어했다. 1971년 두 번째 체계는 프로그램을 크게 개선하고 SDS-940을 DEC PDP-10·PDP-15로 교체했다.

1966년 보고서의 목표 서술(TN 323에 발췌)은 "불완전하게 정의된 문제"의 해결과 "훈련 경험에 의한 성능 향상"을 든다. 설계 원칙도 적혀 있다. 이동 차량을 대형 디지털 컴퓨터의 실시간 제어와 감독 아래 두는 통합 체계를 만들고, 하드웨어 복잡도는 최소화하여 동작 지시와 계획의 문제에 집중한다. 이 프로젝트에서는 관절식 팔과 정교한 파지를 만드는 기계 공학 문제가 "관련이 없다"고 명시한다.

환경 조건도 보고서에 명시되어 있다. 차량은 거의 평평한 표면에서만 이동한다. 시각 하위 체계는 직육면체와 쐐기로 구성된 평면 환경을 전제로 설계되었고, 물체는 빨강·회색·흰색 무광 도료로 칠했다. 거리 측정기가 반사광에 의존하므로 처음의 검정을 빨강으로 바꾸었다. 천장 형광등의 간격이 일정하고 벽과 바닥이 밝은 색이어서 그림자를 거의 제거하고 조도 범위를 2.5 대 1 이내로 제한할 수 있었다. 차량과 컴퓨터를 잇던 케이블은 무선 링크로 대체되었고, 명령은 모듈 주소가 붙은 디지털 형태로 전이중 무선 링크를 통해 전송된다.

TN 323의 구성은 다음과 같다. 그림 속의 장 번호는 이 표를 따른다.

0.6.3.2 세계 모델·계획·경로 탐색

TN 323은 로봇의 세계 모델이 방·문·상자·벽 등을 항으로 하는 1차 술어 논리의 공리 집합이라고 서술한다(제9장). 계획 수립은 STRIPS가 맡고, 제8장은 계획의 일반화·저장과 실행(MACROP)을 다룬다. 제5장의 서술에 따르면 중간 수준 동작(ILA)은 "지정 위치로 이동"·"물체 밀기" 같은 작업을 수행하는 전문화된 서브루틴이며, 저수준 동작은 구르기·선회·카메라 패닝·거리 측정·영상 촬영에 대응한다. 같은 쪽에는 오류의 감지와 복구가 ILA 설계자가 직면하는 "아마도 가장 어려운 문제"이며 로봇 공학을 다른 인공지능 연구와 구분하는 점이라는 서술이 있다.

경로 탐색 루틴 FINDPATH의 서술(제5장, 49쪽)은 다음과 같다.

이 서술은 비용 함수와 휴리스틱으로 최소 비용 경로를 보장하는 A 탐색과 다르다. A는 Hart·Nilsson·Raphael이 1968년에 발표했다(IEEE Trans. Systems Science and Cybernetics 4(2)). 이 장은 그 논문 본문을 읽지 못했고, TN 323의 다른 절에 A가 사용된 곳이 있는지는 스캔본이라 검색하지 못했다. 따라서 "Shakey가 A로 경로를 계획했다"는 통용 서술은 이 장이 읽은 쪽에서는 확인되지 않는다 (확인 필요). 그래프 탐색의 현대적 정리는 11.3, STRIPS 계열 작업 계획은 11.16에 있다.

0.6.3.3 평가

TN 323은 1970년대 초의 보고서를 1984년에 발췌·재수록한 문서이다(편집자는 센터 소장 Nilsson). 따라서 문서 안의 서술은 시점이 섞여 있다. 제5장의 첫 발췌는 ILA 루틴이 "아직 작성되지 않았고" 설계 계획만 있다고 명시하며, 제9장은 이후에 실행하여 영화와 비디오로 기록할 실험의 계획을 서술한다. 구현의 범위와 성능 수치는 각 발췌의 시점을 확인해서 읽어야 한다.

견해: Shakey의 의의는 인식·모델·계획·실행을 한 체계에 통합하여 각 부분이 다른 부분에 부과하는 요구(모델의 표현 형식, 계획 실행 중의 오류 복구, 계획 시간)를 드러냈다는 점이다. 근거는 TN 323이 복구와 계획 시간을 설계 기준으로 직접 서술한다는 사실이다. 동시에 성능은 구조화된 환경(도색한 물체, 일정한 조명, 평면 바닥)에 의존했다. 이 의존은 환경 조건표에 명시되어 있다.

0.6.4 시각 기반 이동

0.6.4.1 Stanford Cart와 단계적 이동

Moravec의 논문은 Cart의 연혁을 직접 서술한다(회고이며 평가 표현이 강하다). Cart는 1960년대 초 스탠퍼드 기계공학과가 NASA 계약으로 제작했다. 달 탐사차의 지구 원격조종 문제를 연구하기 위해 차량의 TV 영상을 조작자에게 보내고, 조작 신호를 테이프 루프로 2.5초 지연시켜 지구-달 왕복 지연을 모사했다. 인공지능 연구소는 이 차량을 영상·원격조종 전자장치 없이 인수했다. Moravec의 연혁 부록은 이 인수 시점을 1966년으로 적는다. 이후 대학원생들이 무선 제어 링크와 UHF 영상 링크를 제작했다.

Moravec(1980)의 체계는 다음과 같다.

논문은 Shakey와 JPL의 로봇 연구 차량이 레이저 거리 측정기로 거리를 비교적 직접 측정하는 반면 자신의 체계는 "적은 하드웨어와 많은 계산"으로 여러 시점의 정지 영상에서 거리를 추출한다고 서술한다. 응용으로는 화성 탐사차를 가장 가까운 용도로 든다. 연구비는 DARPA·NSF·NASA·JPL이 제공했다.

0.6.4.2 Dickmanns의 VaMoRs와 VaMP

Dickmanns(1997)는 뮌헨 연방군대학교(UBM)에서 20년간 이어진 동적 시각 기반 차량 유도를 개관한다. 이 글은 연구자 본인의 종합 보고이며 주행 기록은 자기 보고이다.

Dickmanns는 이 기간에 컴퓨팅 능력이 4자리수 증가했다고 요약한다. 주행 속도 130 km/h는 영상 25 Hz와 맞물려 이 장의 풀이 예제(0.6.8)에서 주기당 이동 거리로 비교한다.

0.6.5 계층 구조에서 행동 계층으로 — Brooks(1985)

Brooks의 MIT AI Memo 864(1985-09, 「A Robust Layered Control System for a Mobile Robot」)는 이동 로봇 제어의 새 구조를 제안한다. 초록의 서술은 다음과 같다. 제어는 능력 수준이 높아지는 층으로 구성되고, 각 층은 저대역 채널로 통신하는 비동기 모듈로 이루어진다. 모듈은 단순한 계산기이며, 상위 층은 하위 층의 출력을 억제하여 그 역할을 대신할 수 있다. 하위 층은 상위 층이 추가된 뒤에도 계속 동작한다. 목표 시스템은 연구실의 사무 구역을 이동하며 주변 지도를 작성하는 로봇이며, 이 보고서는 시스템이 "정밀한 로봇 시뮬레이션"을 제어하는 것을 보인다. 후원은 IBM 교수 개발상·SDF·Motorola 장비 기증과 DARPA·ONR 계약이다.

이 장이 직접 확인한 것은 초록 쪽까지이므로, 이 구조가 Shakey의 세계 모델·계획·실행 구조와 어떻게 다른지는 서술하지 않는다. 행동 기반 접근의 전개는 0.8, 소프트웨어 구조로서의 비교는 15.1에서 다룬다. 이 접근과 상용 제품의 연결은 iRobot의 S-1에서 확인된다. S-1은 회사가 1990년 MIT에서 연구한 연구자들에 의해 창업되었다고 서술하고, 행동 기반 로봇을 "새로운 세대의 로봇"이라고 서술하며, Brooks를 최고 기술 책임자·이사(기준일 50세)로 기재한다.

0.6.6 DARPA 챌린지(2004·2005·2007)

0.6.6.1 규칙과 결과

DARPA 그랜드 챌린지는 2003년에 무인 지상 차량의 항법 혁신을 촉진하려고 시작되었다. 차량은 DARPA 요원이 출발시킨 뒤 사람의 개입 없이 주행해야 했다(DARPA의 비상정지 장치는 별도로 운영되었다). 코스는 경주 2시간 전에 경로 정의 데이터 형식(RDDF: 경도·위도·통로 폭과 속도 제한의 목록)으로 제공되었다. 2005년 RDDF는 2,935개 경유점을 포함했고 통로 폭은 3~30 m, 속도 제한은 5~50 mph였다. 아래 값은 Thrun 외(2006)와 Urmson 외(2008)의 서술이다.

2007년 최종 행사에서는 11대의 자율 차량과 DARPA가 운영하는 50대의 유인 차량이 함께 주행했고, 차량 간 충돌은 저속에서 한 건이었다. Urmson 외는 최종 행사의 코스 길이를 초록에서 85 km로, 내구 시험 설명에서는 "60마일(96 km)(도시 챌린지의 공표 길이)"로 서로 다르게 적는다. 이 차이는 같은 논문 안에서 해소되지 않는다 (확인 필요).

0.6.6.2 Stanley의 구성과 주행 기록

개발은 Stanford 대학이 이끌고 Volkswagen of America·Intel Research·Mohr Davidow Ventures 등이 참여했다. Stanley는 2004년식 Volkswagen Touareg R5 TDI에 Intel의 6프로세서 계산 플랫폼과 센서·구동기를 탑재했다. 논문 서술에 따르면 소프트웨어는 6대의 Pentium M 컴퓨터 중 3대에서 경주 소프트웨어를 실행했고, 센서는 레이저 거리계·카메라·24 GHz 레이더·GPS·관성 센서이며 소프트웨어는 "기계학습과 확률적 추론"에 크게 의존했다고 요약한다. 갱신 주기는 레이저 75 Hz, 카메라 약 12 Hz, GPS 10 Hz, 경로 계획기 10 Hz, 차량 제어기 20 Hz로 서술된다. 이 값은 풀이 예제의 입력이다.

경주의 평균 속력은 19.1 mph, 최고 속력은 5.43마일 지점(출발 후 13분 47초)에서의 38.0 mph였다. 코스의 68.2%에서는 속도가 사전 계산한 제한(DARPA 속도 제한과 선회의 최대 횡가속도)을 따랐고, 나머지 31.8%에서는 센서 측정에 따라 동적으로 감속했다. 경주 중 DARPA는 Stanley를 두 번(3 h 45 min과 3 h 53 min, 합계 9분 20초) 일시 정지시켜 상위 시드인 CMU의 H1ghlander와의 간격을 확보했고, 5 h 24 min 45 s에 H1ghlander를 정지시켜 Stanley가 추월하게 했다. 저자들은 비전 모듈이 없었다면 25 mph 상한이 적용되어 완주 시간이 약 7시간 5분이 되고 CMU Sandstorm에 뒤졌을 수 있었다고 추정하며, 지형 거칠기에 따른 속도 조절이 성공의 필수 요소였다고 평가한다(팀의 자체 평가).

0.6.7 상용 이동 로봇 — Roomba와 Kiva

0.6.7.1 iRobot Roomba

iRobot의 S-1(기준일 2005-07-02)은 회사가 1990년 MIT 연구자들에 의해 창업되었고, Roomba가 "2002년 말" 최초 상업 출시되어 2003년이 첫 전체 판매 연도였다고 서술한다. 2004년 3분기에 2세대가 출시되었다. 최근 3년 동안 Roomba를 120만 대 이상 판매했고, 같은 기간 미군에 PackBot을 200대 이상 판매했다고 밝힌다((공개 주장치), 기업 서술).

제품 매출은 2002년 대비 2003년에 약 6.6배, 2003년 대비 2004년에 약 1.8배가 되었다. 이 표는 Roomba와 PackBot 등 제품 매출의 합이어서 Roomba 단독의 판매액은 알 수 없다. S-1은 모든 Roomba가 낭떠러지(cliff)를 감지하여 후진하는 기능, 비손상 범퍼, 가장자리 솔, 오염도 감지 기능을 갖춘다고 열거하며, 항법은 벽 추종·낭떠러지 감지·기지국 탐색과 도킹이라고 서술한다. S-1 전문에서 Roomba와 관련된 지도 작성·위치추정의 서술은 검색되지 않는다(지도는 PackBot의 정찰 임무 서술에만 나온다). 2002년부터 Roomba의 생산 금형 투자가 중국에서 시작되었다고도 적힌다. 가정용 청소 로봇의 현황은 31.2, 제품 비교는 45.28, 회사는 44.54, Amazon의 인수 시도와 무산은 36.23에서 다룬다.

0.6.7.2 Kiva

Wurman 외(AAAI-07)는 Kiva의 창고 관리 체계를 서술한다. 소형 자율 로봇(drive unit)이 약 3피트 사각의 이동식 재고 선반(pod)을 들어 올려 작업자가 있는 스테이션으로 운반한다. 물품을 작업자에게 이송하는 방식으로 작업자 생산성이 "2배 이상" 늘어난다고 주장한다((공개 주장치)). 대형 물류센터에는 500대 이상의 차량이 필요할 수 있다. 첫 영구 설치는 2006년 여름에 가동되었다. 논문은 AGV가 1950년대부터 창고에서 물자를 운반했으나 주로 종이 두루마리나 엔진 블록 같은 대형 중량물에 사용되었다고 서술하고, Kiva의 환경이 "통제되고 알려진" 환경이어서 설계 문제가 크게 단순해진다고 명시한다.

Amazon은 2012-03-19 보도자료에서 Kiva의 발행 주식 전부를 약 7억 7,500만 달러 현금(옵션 인수 등으로 조정)에 인수하는 계약을 체결했다고 발표했다. 계약은 Kiva 주주의 승인을 받았고, 종결은 2012년 2분기로 예정되었으며, 본사는 매사추세츠주 North Reading에 유지된다. Mountz의 발언에는 "지난 10년"이라는 표현이 있다. 이후의 Amazon Robotics는 44.21, 선반 이동형 AMR 제품은 45.12, AGV에서 AMR로의 전환은 29.2에서 다룬다.

0.6.8 풀이 예제 — 지각·계획 주기와 주행 속도

결론. Cart(1979), VaMP(1994), Stanley(2005)는 속도가 3~4자리수 차이 나지만 지각·계획 주기당 이동 거리는 모두 0.85~1.70 m 범위에 있다. 속도의 증가는 주기가 짧아진 정도와 함께 이루어졌다. 이 해석은 세 점의 비교이며 인과를 입증하지 않는다.

주기 $T$[s], 속도 $v$[m/s]일 때 한 주기 동안의 이동 거리는 $d = vT$이다. 이 값은 시스템이 새 지각 결과 없이 이동하는 거리의 척도이다. 입력은 1차 문헌의 보고값이며 가정은 다음과 같다.

MPH = 0.44704                  # 1 mile/h [m/s]
KMH = 1 / 3.6                  # 1 km/h [m/s]

def row(name, T, v):
    """주기 T [s], 속도 v [m/s]에서 d = v T [m]를 구한다."""
    return name, T, v, v * T

# Cart: 1 m를 10~15분에 이동(이동·촬영·계획의 순환)
cart = [row('Cart 느린 쪽', 900, 1 / 900),
        row('Cart 빠른 쪽', 600, 1 / 600)]
# VaMP: 130 km/h, 영상 순환 25 Hz
vamp = row('VaMP 1994', 1 / 25, 130 * KMH)
# Stanley: 경로 계획기 10 Hz, 평균 19.1·최고 38.0 mph
stan_avg = row('Stanley 평균', 1 / 10, 19.1 * MPH)
stan_top = row('Stanley 최고', 1 / 10, 38.0 * MPH)

def finish_miles(avg_mph, h, m, s):
    """평균 속력 × 소요 시간 = 주행 거리 [mile]"""
    return avg_mph * (h + m / 60 + s / 3600)

실행 결과는 다음과 같다.

6 h 53 min 58 s에 19.1 mph를 곱한 값은 131.8마일(212.1 km)이며, 이는 평균 속력과 소요 시간에서 계산한 값이다(코스 길이를 기재한 출처 값이 아니다). Stanley의 평균 속도는 Cart의 5,100~7,700배이고 주기는 Cart의 1/6,000~1/9,000이다. VaMP의 속도는 Cart의 약 21,700~32,500배이다.

한계. 주기의 정의가 시스템마다 다르다. Cart의 주기는 지각·계획·이동의 전체 순환이고, VaMP의 25 Hz는 상태 추정을 갱신하는 영상 순환이며, Stanley의 10 Hz는 경로 계획기의 실행 주기이다(레이저 75 Hz로 환산한 이동 거리는 0.11 m). 속도도 최대·평균이 섞여 있다. 이 값은 제동 거리와 같지 않으며, 정지에 필요한 감지 거리의 계산은 0.1.4.1에 있다.

견해: 이 비교는 속도가 주기와 함께 증가했음을 보이는 정도의 증거이다. 근거는 세 시스템 모두에서 주기당 이동 거리가 0.85~1.70 m 범위에 있다는 계산이다. 이 범위가 나타나는 이유(지도 갱신 없이 이동할 수 있는 거리의 한계인지, 차량 크기에 맞춘 설계인지)는 자료로 확인되지 않으며, 이 책은 가설로만 남긴다.

0.6.9 쟁점 — 이동 로봇의 진전은 무엇이 이끌었는가

자료에서 확인되는 설명은 세 가지다.

• ① 표현·알고리즘. Shakey의 1차 술어 논리 모델과 STRIPS, Dickmanns의 4-D 접근(제어 공학과 인공지능의 결합), Brooks의 층 구조, Stanley의 기계학습·확률적 추론이 있다. 각 연구자는 자신의 구조가 이전 구조의 한계를 해결했다고 서술한다.
• ② 계산·센서. Moravec은 자신의 체계를 "적은 하드웨어, 많은 계산"으로, Dickmanns는 20년간 컴퓨팅 능력이 4자리수 증가했다고 서술한다. Stanley는 6대의 컴퓨터와 레이저·레이더·카메라를 사용했다.
• ③ 과제·자금·환경 설계. Shakey·Cart는 DARPA·NASA 계약으로, 챌린지는 상금과 규칙으로 목표를 정의했다. Kiva는 "통제되고 알려진" 환경을, Shakey는 도색한 물체와 일정한 조명을 전제했다. Roomba의 S-1 기능 목록은 지도가 아니라 낭떠러지·벽·기지국 감지로 구성된다.

견해: 세 요인은 서로 배타적이지 않으며 시기별 비중이 달랐다고 본다. 근거는 각 요인의 증거가 서로 다른 1차 문헌에서 독립적으로 나타난다는 점이다. 특히 상용 제품(Roomba·Kiva)의 성립이 환경의 구조화 정도와 함께 서술된 점은 상용화 조건에서 환경 설계의 비중이 컸음을 시사한다. 다만 이 주장은 두 제품의 자사 서술에 근거하며 반례(도로 주행 상용화)는 36.2이 다룬다.

0.6.10 사료의 한계와 유의점

읽지 못한 자료는 다음과 같다. DARPA 공식 규칙·결과 보고서, Hart 외(1968)와 Fikes·Nilsson(1971)의 본문, TN 323의 나머지 장, Brooks AIM-864의 본문, ALV·Navlab·Hilare·JPL 연구 차량의 문헌, AI Magazine 2008판 Kiva 논문. 이 항목들은 서술하지 않았거나 (확인 필요)로 표시했다.

0.6.11 관련 규격·프로토콜과 후속 장

이 장이 다룬 시기에는 이동 로봇의 안전 규격이 없었다. 현재 규격은 응용 축별로 갈린다. 아래 표의 규격은 이 장이 본문을 읽지 않았고 제목 수준에서만 확인했다.

0.6.12 체크포인트·연구 질문

체크포인트:

1. Shakey의 구성(세계 모델·STRIPS·ILA·저수준 동작)과 환경 제약을 설명할 수 있는가.
2. FINDPATH의 탐색 방식과 선택 기준을 설명하고, A*와의 차이를 말할 수 있는가.
3. Stanford Cart의 단계적 이동 방식과 성능 수치(1 m/10~15분, 20 m/약 5시간)의 출처를 제시할 수 있는가.
4. VaMP의 1994·1995년 주행 기록에서 자율 범위(안전 운전자의 역할, 약 95%)를 구분할 수 있는가.
5. 2004·2005·2007년 챌린지의 규칙과 결과를 비교하고 문서 간 차이(142마일, 85 km 대 96 km)를 설명할 수 있는가.
6. 주기당 이동 거리 $d = vT$를 계산하고, 주기 정의가 시스템마다 다름을 설명할 수 있는가.
7. Roomba와 Kiva의 상용화에서 환경 조건이 어떻게 서술되었는지 제시할 수 있는가.

연구 질문(47.12에 수록한다):

• Hart·Nilsson·Raphael(1968)과 TN 323의 나머지 절에서 Shakey의 경로 계획이 A*와 어떻게 관련되는가.
• Brooks AIM-864의 본문에서 층 구조의 정의와 시뮬레이션 범위는 무엇인가.
• DARPA 챌린지의 공식 규칙과 코스 길이(2004·2005·2007)는 어떻게 확정되는가.
• Roomba의 출시 월과 초기 판매 대수, Kiva의 2003~2012년 설치 대수의 1차 기록은 무엇인가.
• 주기당 이동 거리가 시스템 세대에 걸쳐 일정하게 나타나는 현상은 다른 시스템(ALV, Navlab 등)에서도 확인되는가.

1차 출처

• Nilsson, N. J.(편), 『Shakey the Robot』, SRI International Technical Note 323, 1984-04(스캔본, 일부만 확인).
• Moravec, H. P., 『Obstacle Avoidance and Navigation in the Real World by a Seeing Robot Rover』, CMU-RI-TR-80-03, 1980.
• Brooks, R. A., 「A Robust Layered Control System for a Mobile Robot」, MIT AI Memo 864, 1985-09(초록 쪽만 확인).
• Dickmanns, E. D., 「Vehicles Capable of Dynamic Vision」, IJCAI-97.
• Thrun, S. 외, 「Stanley: The Robot that Won the DARPA Grand Challenge」, J. Field Robotics 23(9), 2006, 661~692.
• Urmson, C. 외, 「Autonomous Driving in Urban Environments: Boss and the Urban Challenge」, J. Field Robotics 25(8), 2008, 425~466.
• Wurman, P. R., D'Andrea, R., Mountz, M., 「Coordinating Hundreds of Cooperative, Autonomous Vehicles in Warehouses」, AAAI-07 학회판.
• iRobot Corporation, Form S-1 Registration Statement(SEC, 기준일 2005-07-02).
• Amazon.com, Inc., 「Amazon.com to Acquire Kiva Systems, Inc.」(Form 8-K Exhibit 99.1, 2012-03-19).
• 서지만 확인하고 본문은 읽지 않은 것: Hart, Nilsson, Raphael, IEEE Trans. SSC 4(2), 1968(A*); Fikes, Nilsson, Artificial Intelligence 2(3–4), 1971(STRIPS) (확인 필요).

다음 장. 0.7은 보행 로봇과 휴머노이드의 역사를 다룬다. 이 장에서 다룬 바퀴·궤도 이동과 달리 접촉 점이 불연속이고 균형이 능동적으로 유지되어야 하므로, 안정 판정과 제어의 문제가 달라지는 지점에서 출발한다. 학습 기반 접근의 전개는 0.8에서 이어진다.