본 논문은 모바일 로봇 설계에서 안전성, 효율성, 비용, 에너지, 연산 요구량, 무게 등 자원의 최소 사용을 균형 있게 고려하여 과제 중심적인 하드웨어 및 소프트웨어의 최적 선택에 중점을 둔 통합 과제와 전략을 논의합니다. 샘플링 기반 모션 플래너에 대한 인식 요구 사항을 정량화하기 위해 점유 쿼리 개념을 도입하여 의사 결정에서 인식과 모션 계획 간의 상호 작용을 강조합니다. 기하학적 관계, 객체 속성, 센서 해상도 및 환경 조건과 같은 다양한 요소에 걸쳐 위양성률(FPR)과 위음성률(FPR)을 사용하여 센서 및 알고리즘 성능을 평가합니다. 인식 요구 사항과 인식 성능을 통합하여 효율적인 센서 및 알고리즘 선택 및 배치를 위한 정수 선형 계획법(ILP) 접근 방식을 제안합니다. 이는 로봇 본체, 모션 플래너, 인식 파이프라인 및 컴퓨팅 장치를 포함하는 공동 설계 최적화의 기초를 형성합니다. 모바일 로봇의 공동 설계 문제를 해결하기 위한 이 프레임워크를 CODEI(Co-design of Embodied Intelligence)라고 합니다. 도시 환경을 위한 자율 주행 차량(AV) 개발에 대한 사례 연구는 설계자에게 실행 가능한 정보를 제공하며, 복잡한 작업은 자원 요구를 증가시키고 작업 성능이 자율성 스택의 선택에 영향을 미침을 보여줍니다. 이 연구는 자원 우선 순위가 센서 선택에 영향을 미침을 보여줍니다. 비용 효율적이고 가벼운 설계에는 카메라가 선호되지만, 에너지 및 연산 효율성을 높이기 위해 라이다 센서가 선택됩니다.
