연구진은 창고 물류부터 로봇 내비게이션까지 자율 시스템의 계획 문제에서 일반 휴리스틱이 제약된 공간의 구조적 특성을 활용하지 못해 어려운 사례에서 탐색 성능이 급격히 저하되는 문제를 다뤘다. 이를 위해 NP-complete인 2열 '플라잉 블록 퍼즐'을 연구 대상으로 삼아, 최소 이동 비용을 포착하는 일반 이동 제약과 상태 공간을 7개의 상호 배타적 클래스로 나누는 형식적 운동학 분류법, 상태별로 깊이 우선과 수직거리 우선 정렬을 전환하는 클래스 조건부 동점 처리 메커니즘을 결합한 'Class-Based Heuristic A*(CBHA*)' 알고리즘을 제안했다. 146개 벤치마크 사례에서 CBHA*는 93.4%의 성공률을 기록해 깊이우선 A*(64%), 표준 A*(39%), BFS(17%)를 모두 크게 앞섰으며, 표준 A* 대비 노드 확장 수를 87.98% 줄이면서도 평균 유효 분기계수 약 3을 유지했다.

• •제약된 공간 계획 문제에서 일반 휴리스틱의 탐색 성능 저하 문제를 다룸
• •NP-complete '플라잉 블록 퍼즐'를 통해 클리어런스-크기 제약 구조를 연구
• •최소이동비용 제약, 7개 운동학 클래스 분류, 클래스 조건부 동점 처리를 결합한 CBHA* 제안
• •146개 벤치마크에서 성공률 93.4%로 표준 A*(39%), BFS(17%) 등을 크게 상회
• •표준 A* 대비 노드 확장 수 87.98% 감소, 평균 유효 분기계수 약 3 유지