무인수상정(USV)이 국제항로표지협회(IALA) 해상부표식 규칙을 지키면서 스스로 장애물을 피해 항행하도록 하는 심층강화학습 기반 의사결정 방법이 학술지에 발표됐다. 연구진은 부표마다 담긴 규칙 정보를 학습 환경에 반영했다. 시뮬레이션 환경에서 장애물 회피와 부표 식별이 가능했다는 결과를 제시했다.

2022년 국제 학술지 Ocean Engineering 266권에 실린 이 연구는 무인수상정이 해상에서 충돌을 피하며 자율 항행하는 문제를 다뤘다. 연구진은 장애물을 피하는 것만을 목표로 삼지 않았다. 국제항로표지협회(IALA)가 정한 해상부표식 규칙을 지키는 것을 함께 조건으로 두었다. 바다 위 부표가 의미를 가진 항로표지라는 점을 자율 항행 문제에 포함한 것이다.

연구진은 먼저 규칙에 따라 여러 해상 부표를 포함한 혼합 환경 모델을 설계했다. 이어 각 항로표지가 담고 있는 규칙 정보를 환경 정의 단계에 넣었다. 학습 대상인 무인수상정이 부표를 위치 정보만 가진 장애물이 아니라 규칙 정보를 가진 대상으로 다루도록 환경을 구성했다는 설명이다.

의사결정 방식으로는 보상 함수를 최적화한 심층강화학습 기반 자율 항행 알고리즘을 제안했다. 연구진은 Q-러닝을 변형한 알고리즘 3종으로 비교 실험을 진행했다. 이를 통해 학습 과정에서 국소 최적해에 빠지거나 반복 효율이 낮아지는 문제를 개선했다고 밝혔다. 그 결과 정적 장애물과 의미를 가진 부표가 함께 있는 복잡한 환경에서 전방 장애물을 정확히 회피했다고 제시했다. 부표를 효과적으로 식별하고 자율적으로 충돌회피 결정을 내릴 수 있었다는 내용도 담겼다. 다만 이 결과는 시뮬레이션 환경을 기준으로 한 것이다. 실제 해역에서의 시험 결과는 초록에 포함되어 있지 않다.

업계 관점에서 보면, 이 연구는 부표가 선박 운항자뿐 아니라 무인 항행체에게도 규칙을 전달하는 기준점으로 다뤄질 수 있음을 보여 주는 사례로 읽힌다. 자율 항행 연구에서 부표의 종류와 의미가 환경 정보로 쓰인다면, 부표가 정해진 위치와 형태를 안정적으로 유지하는 일의 중요성도 함께 생각해 볼 수 있다. 다만 이번 연구는 시뮬레이션 단계의 결과다. 실제 해상에서 얼마나 적용될 수 있는지는 후속 검증을 지켜볼 필요가 있다.