Physics-Guided Radiation Field Estimation for Informative and Risk-Aware Path Planning in Radiation Search

Abstract

Accurate radiation source localization and safe exploration are critical for nuclear decommissioning and contaminated-site operations. Traditional manual radiation surveys expose workers to hazards and require extensive time and labor. To address this, we propose PG-RIPE (Physics-Guided Radiation-Informed Path Exploration)—an autonomous exploration framework that integrates physics-based radiation field estimation with information-driven path planning. The framework consists of three main components: (1) a Physics-Guided Neural Network (PGNN) using a ConvNeXt–U-Net architecture to estimate physically consistent radiation fields from sparse measurements; (2) a weighted utility map that combines safety, information gain, and traversability layers to evaluate exploration priorities; and (3) an RRT-based planner that selects optimal paths by balancing efficiency and safety in real time. Simulation results in 2D environments containing one to four radiation sources demonstrate that PG- RIPE achieves the highest detection accuracy and safety among existing methods. Compared to the Coverage- Based and ADE-PSPF algorithms, PG-RIPE reduced exploration time by up to 28% and total radiation exposure by over 80%, while maintaining 100% detection recall and near-perfect localization accuracy (OSPA = 0.01 These results show that the proposed framework effectively integrates physical consistency and strategic exploration, enabling efficient, reliable, and low-risk autonomous radiation mapping. The PG-RIPE approach can also be extended to other sensing domains requiring physics-aware estimation and safe, information-driven path planning.|정확한 방사선원 위치 추정과 안전한 탐사는 원전 해체 및 오염 지역 복구 작업에서 핵심적인 과제이다. 기존의 수동 방사선 탐사는 작업자에게 방사선 노출 위험을 초래하며, 많은 시간과 인력을 필요로 한다. 이러한 한계를 해결하기 위해, 본 연구에서는 물리 기반 방사선장 예측과 정보이득 기반 경로계획을 결합한 자율 탐사 프레임워크인 PG-RIPE(Physics-Guided Radiation-Informed Path Exploration)를 제안한다. PG-RIPE 는 세 가지 핵심 구성 요소로 이루어진다. 첫째, ConvNeXt–U-Net 기반의 Physics-Guided Neural Network (PGNN)을 사용하여 역제곱 법칙과 라플라시안 정규화를 손실 함수에 반영함으로써, 물리적 일관성을 갖춘 방사선장을 예측한다. 둘째, 예측된 필드로부터 안전성(Safety), 정보이득(Information Gain), 이동가능성(Traversability)을 통합한 가중 유틸리티 맵(Weighted Utility Map)을 구성하여 각 위치의 탐사 효용을 평가한다. 셋째, RRT 기반 경로계획기를 통해 탐사 효율과 방사선 노출 위험을 균형 있게 고려한 최적 경로를 산출한다. 10 m × 10 m 환경에서 1~4 개의 방사선원을 대상으로 수행한 시뮬레이션 결과, 제안된 PG-RIPE 는 기존 Coverage-Based 및 ADE-PSPF 기법 대비 탐사 시간을 최대 27.9% 단축하고, 누적 방사선 노출 거리를 80% 이상 감소시켰다. 또한 모든 조건에서 탐지 성공률 100%, OSPA 오차 0.01 m 로 가장 높은 탐지 정확도를 기록하였다. 이러한 결과는 PG-RIPE 가 방사선장 예측 단계에서 물리적 제약을 반영하고, 경로계획 단계에서 탐사 전략성과 안전성을 균형 있게 통합함으로써, 효율적이면서도 위험 노출이 최소화된 탐사를 가능하게 함을 입증한다. 더불어, 제안된 프레임워크는 단순히 탐사 성능 향상에 그치지 않고, 실제 원전 해체나 오염 지역 복원 등 고위험 환경에서 자율로봇의 안정적 운용을 위한 기술적 기반을 제시한다. 향후 연구에서는 실제 로봇 플랫폼을 활용한 실환경 검증과, 복잡한 장애물 환경에서의 일반화 성능 평가를 통해 PG-RIPE 의 실용성을 강화할 예정이다.