자율 로봇의 핵심 능력인 부분 관측 환경에서의 계획 수립을 위해, 확률적 행동과 잡음이 있는 관측을 다루는 POMDP (Partially Observable Markov Decision Process) 프레임워크를 활용한다. 기존 POMDP 솔버의 병렬화 어려움을 해결하고자, 최적화 구성 요소의 일부를 분석적으로 해결하고 기대값 추정만 수치적으로 계산하는 새로운 POMDP 공식을 활용하는 병렬 온라인 솔버인 VOPP (Vectorized Online POMDP Planner)를 제안한다. VOPP는 계획과 관련된 모든 데이터 구조를 텐서로 표현하고, 모든 계획 단계를 완전 벡터화된 계산으로 구현하여 병렬 계산 간의 의존성 및 동기화 병목 현상을 제거한다. 실험 결과, VOPP는 기존의 최첨단 병렬 온라인 솔버보다 근-최적 해를 계산하는 데 최소 20배 더 효율적임을 확인했다.
