본 논문은 로봇 공학에서 인공지능의 활용 증가에 따라 복잡한 사회적 환경에 적응하는 자율 시스템을 위한 알고리즘 개발이 활발히 진행되고 있음을 배경으로, 안전하고 효율적인 사회적 내비게이션을 위한 새로운 방법을 제시합니다. 기존의 확률적 모델 및 안전 영역 생성 방법들은 주로 분류 접근 방식과 명시적 규칙에 의존하여 안전 영역을 정의하는 데 한계가 있었습니다. 본 연구는 위상 데이터 분석을 통해 위상적 특징을 활용하여 설명 가능한 안전 영역을 생성하는 방법을 제안합니다. 먼저, 전역 규칙 기반 분류를 사용하여 위상적 특성에 따라 안전한 시뮬레이션과 안전하지 않은 시뮬레이션을 구분하고, 다음으로 조정 가능한 SVM 분류기와 순서 통계량을 사용하여 위상적 특징 공간에서 충돌이 발생하지 않는 영역인 안전 영역 $S_\varepsilon$을 정의합니다. 이는 최대 분류 오차 $\varepsilon$을 보장하는 강건하고 확장 가능한 의사결정 경계를 제공합니다. 본 연구는 충돌 유무를 기준으로 시뮬레이션을 분류하여 위상적 특징을 고려하지 않은 방법보다 우수한 성능을 보였으며, 더 나아가 교착 상태를 방지하는 안전 영역을 정의하고 이를 통합하여 안전하고 효율적인 내비게이션을 보장하는 시뮬레이션 공간을 정의합니다.
