추적 가능한 세계 상태: 출처 인지(Provenance-Aware) 상태 표현 및 로봇 시스템을 위한 결정론적 리플레이 프레임워크

장기간의 작업을 수행하는 로봇 시스템은 서로 다른 시간에 도착하고, 다양한 신뢰도와 잠재적인 수정 사항을 가진 관측치들로부터 구성된 세계 상태를 유지해야 합니다. 기존의 표현 방식들은 최신 추정치를 강조하여 사실의 출처(fact provenance), 결정 재현(decision reproduction), 또는 실행 감사(execution auditing)를 방해합니다. 본 논문에서는 출처 인지 로봇 세계 상태를 위한 미들웨어 중립적 의미론적 표현 및 참조 런타임인 Traceable World State (TWS)를 제시합니다. TWS 스냅샷은 개체, 관계, 관측치, 신뢰도, 그리고 수정(revision) 메타데이터를 포착합니다. 검증된 업데이트 연산은 스냅샷을 불변하게 변환하며, 순서화된 업데이트는 결정론적 리플레이를 지원하고, 표준 SHA-256 해시 체인은 위변조 방지 로그를 보장합니다. 우리는 스키마 준수성(schema conformance), 완전한 상태 수명 주기, 결정론적 리플레이, 그리고 오류 주입을 통해 TWS를 평가했습니다. Python 3.10부터 3.14까지 38개의 테스트를 통과하며, 이 프레임워크는 레코드 손상, 끊어진 해시 링크, 시퀀스 불연속성, 세계 상태 불일치 등을 감지합니다. 10개의 공개 BEHAVIOR-1K 작업 정의에 걸쳐 TWS는 153개 개체와 146개 관계를 성공적으로 검증하며 가져왔습니다. 78,369 프레임을 포함하는 103개의 NVIDIA Unitree G1 시뮬레이션 궤적에서, TWS는 모든 에피소드에서 정확한 터미널 상태 리플레이를 달성했으며, Plain JSONL 대비 1.72%의 저장 오버헤드로 412/412개의 주입된 손상을 감지했습니다.