Model Predictive Impedance Control with Gaussian Processes for Human and Environment Interaction

1. 문제 제기 (Problem Statement)

물리적 접촉이 수반되는 로봇 작업 (예: 인간 - 로봇 협업, 조립, 연마 등) 에서는 **임피던스 제어 (Impedance Control)**가 필수적입니다. 임피던스 (강성, 감쇠, 관성) 는 로봇이 외부 힘에 어떻게 반응할지를 결정합니다.

• 기존 방법의 한계: 기존 연구들은 불확실성의 특정 유형 (예: 시연 데이터의 변동성, 환경 제약의 불확실성, 외부扰动 등) 에만 초점을 맞추거나, 임피던스 파라미터를 수동으로 튜닝하는 경우가 많았습니다.
• 핵심 과제: 실제 작업 환경에서는 여러 유형의 불확실성이 동시에 존재합니다. 인간이 원하는 목표 (Goal) 가 불명확하거나, 환경의 접촉 위치가 변하거나, 외부 진동 (예: 연마 작업 시) 이 발생할 수 있습니다. 이러한 복합적인 불확실성을 실시간으로 처리하면서 로봇의 궤적과 임피던스를 동시에 최적화할 수 있는 통합 프레임워크가 필요합니다.

2. 방법론 (Methodology)

제안된 프레임워크는 **모델 예측 제어 (MPC)**를 기반으로 하며, **가우시안 프로세스 (GP)**를 통해 외부 힘과 불확실성을 모델링합니다.

A. 불확실성 모델링 (GP 기반)

• 가우시안 프로세스 (GP): 소수의 시연 데이터 (≤3 회) 를 기반으로 로봇의 상태 (위치/자세) 에 따른 힘 (Human force, Contact force, Disturbance force) 을 확률적으로 모델링합니다.
  • 평균 함수 (Mean): 힌지 함수 (Hinge function) 를 사용하여 접촉 시의 힘과 비접촉 시의 힘을 구분하여 모델링합니다.
  • 공분산 (Covariance): 데이터의 분산이나 환경의 불확실성 (예: 접촉 위치의 변동) 을 반영하여 힘 예측의 신뢰도를 나타냅니다.
• 불확실성 유형 처리:
  1. 시연 변동성: GP 의 공분산을 통해 특정 영역에서의 강성을 낮춤.
  2. 기술 신뢰도: 미탐색 영역에서는 GP 불확실성이 커지므로 강성을 낮춤.
  3. 환경 제약: 접촉 위치 변동에 따른 GP 하이퍼파라미터 조정으로 불확실성 반영.
  4. 외부扰动: 주파수 영역 모델 (고주파수 필터) 을 사용하여 연마 진동 등을 제거.
  5. 인간 목표: 인간이 수행하려는 목표 (Discrete goals) 에 대한 믿음 (Belief) 을 GP 를 통해 추론하고, 이를 기대값으로 MPC 에 포함.

B. MPC 최적화 문제

• 목적 함수: 임피던스 파라미터 (관성 $M$, 감쇠 $D$) 와 궤적 ($f^r$) 을 동시에 최적화합니다.
  • 비용 함수 (Cost): 상태 오차, GP 힘 예측 오차, 인간 관절 토크 (Ergonomics), 주파수 영역扰动 제거 (Disturbance rejection) 등을 포함합니다.
  • 인간 인체공학적 비용: 인간 팔의 기하학적 구조를 모델링하여, 인간이 힘을 가하기 쉬운 자세를 유도하도록 임피던스를 조정합니다.
• 제약 조건 (Constraints):
  • 힘 확률 제약 (Force Chance Constraint): GP 모델의 불확실성을 고려하여, 특정 확률 수준 ($1-\epsilon$) 에서 접촉 힘이 안전 임계값을 초과하지 않도록 보장합니다.
  • 잘 감쇠된 접촉 제약 (Well-damped Contact Constraint): 환경 강성 ($K_e$) 을 GP 평균 함수의 기울기로 추정하고, 이에 맞춰 가상 감쇠 ($D$) 를 증가시켜 접촉 불안정성을 방지합니다 ($D \ge 2\zeta\sqrt{MK_e}$).

C. 최적화 기법

• 비선형 MPC 문제를 풀기 위해 자동 미분 (Automatic Differentiation) 프레임워크를 사용하여 기울기와 헤시안 행렬을 효율적으로 계산합니다.
• 임피던스 파라미터 최적화의 볼록성 (Convexity) 을 분석하여, 은닉적 (Implicit) 적분기를 사용할 때 더 나은 성능을 보임을 확인했습니다.

3. 주요 기여 (Key Contributions)

1. 통합 불확실성 분류 및 프레임워크: 물리적 상호작용에서의 다양한 불확실성 원인을 분류하고, 이를 단일 MPC 프레임워크로 통합하여 해결하는 체계를 제시했습니다.
2. GP 를 활용한 중간 작업 모델: 기존 GP 를 직접적인 궤적 생성기로 사용하는 방식과 달리, GP 를 **작업 모델 (Task Model)**로 사용하여 MPC 의 목적 함수와 제약 조건에 불확실성을 명시적으로 포함시켰습니다.
3. 기반 최적화 (Gradient-based) 임피던스 제어: 샘플링 기반이 아닌, 제약 조건 (최대 접촉 힘, 접촉 안정성 등) 을 만족하는 임피던스 파라미터의 직접적인 최적화를 제안했습니다.
4. 실험적 검증: 인간 목표 추론, 접촉 안정성 확보, 작업 변동 방향의 임피던스 감소 등을 다양한 작업 (레일 조립, 연마, 이중 핀 - 홀 조립) 에서 10~20Hz 의 실시간 속도로 검증했습니다.

4. 실험 결과 (Results)

논문은 세 가지 주요 실험을 통해 프레임워크의 유효성을 입증했습니다.

• 접촉 불확실성 및 강성 테스트:
  • 약한 접촉: 제약 조건이 활성화되지 않아 자연스러운 상호작용.
  • 높은 분산 (접촉 위치 변동): 확률 제약 (Chance constraint) 이 적용되어 접촉 힘을 보수적으로 낮춤.
  • 높은 강성 (Stiff contact): '잘 감쇠된 접촉 제약'이 적용되어 감쇠를 증가시킴으로써 접촉 불안정성 (진동 및 이탈) 을 성공적으로 방지함. 기존 저임피던스 제어는 진동으로 접촉을 잃었으나 제안된 방법은 안정적으로 유지함.
• 레일 조립 (Rail Assembly):
  • 반복 가능한 작업 축 (레일 고정) 에는 높은 임피던스를, 변동이 있는 축 (스위치 위치) 에는 낮은 임피던스를 자동으로 적용하여 인간이 쉽게 위치를 보정할 수 있게 함.
• 연마 작업 (Polishing):
  • 주파수 영역扰动 제거: 고주파수 진동 (연마 진동) 을 억제하기 위해 운동 방향과 수직인 축의 임피던스를 증가시킴.
  • 인체공학적 비용: 인간이 멀리 있을 때 임피던스를 낮춰 인간 관절 토크를 줄임.
  • 결과: 고주파수 진동 (15Hz 이상) 이 크게 감소하면서도 인간이 로봇을 유도하는 저주파수 운동은 유지됨.
• 이중 핀 - 홀 조립 (Double Peg-in-Hole):
  • 인간이 두 가지 목표 중 하나를 선택할 수 있는 상황에서, GP 를 통해 인간의 목표 (Goal) 를 실시간으로 추론하고 로봇의 궤적과 힘 전략을 즉시 변경하여 성공적으로 작업을 수행함.

5. 의의 및 결론 (Significance & Conclusion)

이 연구는 **불확실성이 내재된 복잡한 물리적 인간 - 로봇 상호작용 (HRI)**을 해결하기 위한 강력한 프레임워크를 제공합니다.

• 실용성: 복잡한 환경 모델링이나 방대한 데이터 없이도 소수의 시연만으로 적응 가능한 작업을 가능하게 합니다.
• 안전성: 확률적 제약과 동적 안정성 제약을 통해 물리적 접촉 시의 안전을 보장합니다.
• 유연성: 인간의 의도, 환경 변화, 외부扰动 등 다양한 요소를 하나의 최적화 문제로 통합하여 처리합니다.

결론적으로, 이 프레임워크는 로봇이 인간과 함께 작업할 때 안전성 (Safety), 적응성 (Adaptability), **효율성 (Efficiency)**을 동시에 달성할 수 있는 새로운 기준을 제시하며, 제조업 및 서비스 로봇 분야의 협업 기술 발전에 중요한 기여를 할 것으로 기대됩니다.