SoFFT: Spatial Fourier Transform for Modeling Continuum Soft Robots

기술 요약: SoFFT: 연속체 연성 로봇 모델링을 위한 공간 푸리에 변환

문제 제기
유연한 소재로 구성된 연속체 연성 로봇 (CSRs) 은 이론적으로 무한한 자유도 (DoFs) 를 가지며, 비구조화된 환경에서 높은 적응성을 제공합니다. 그러나 이러한 무한한 차원은 제어기 설계와 시뮬레이션을 복잡하게 만듭니다. 코시어 막대 이론 (CRT) 은 편미분 방정식 (PDEs) 을 통해 CSRs 를 시간 변화 곡선 (척추) 으로 모델링하는 효과적인 프레임워크를 제공하지만, 실제 구현은 자유도를 줄이기 위해 공간 이산화를 요구합니다. 구간별 일정 곡률 (PCC), 구간별 일정 변형률 (PCS), 기하학적 가변 변형률 (GVS) 과 같은 기존 방법들은 세그먼트 수나 함수 기반 (예: 다항식, 삼각함수) 의 선택에 관한 휴리스틱적 선택에 의존합니다. 이러한 접근 방식들은 정확성과 계산 효율성 사이의 균형을 맞추기 위해 최적의 기반을 선택하거나 필요한 최소 세그먼트 수를 결정하는 데 대한 통일된 이론적 근거가 부족한 경우가 많습니다. 또한, 고유 직교 분해 (POD) 와 같은 데이터 기반 축소 방법은 종종 모든 변형률 모드를 결합하여 모드별 역학을 흐리게 하거나 스케일링 문제를 야기할 수 있습니다.

방법론
저자들은 CSRs 의 척추를 공간 신호로 간주하고 변형을 분석하기 위해 푸리에 변환 (FT) 을 적용하는 "SoFFT"라는 프레임워크를 제안합니다. 핵심 방법론은 다음과 같습니다:

1. 공간 신호 공식화: 변형률 필드 $\xi(s, t)$는 공간 $s \in [0, L]$에 정의된 신호로 간주됩니다. 연속 공간 푸리에 변환 (SFT) 은 변형률 필드를 공간 주파수 영역 (파수 $k$) 으로 매핑하도록 정의됩니다.
2. 주파수 영역 분석: 이 논문은 공간 주파수 영역 내에서 CRT 정역학 및 동역학 방정식을 재해석합니다. 이를 통해 강성 행렬이 변형률 필드에 대한 컨볼루션 필터로 작용함을 밝힙니다. 저자들은 기존 이산화 기법 (예: PCS, 구간별 선형 변형률) 이 주파수 영역에서 특정 신호 재구성기 (예: 영차 홀드, 1 차 홀드) 로 수학적으로 해석될 수 있음을 증명합니다.
3. 데이터 기반 스펙트럼 추출: 물리적 매개변수에 대한 사전 지식 없이 실험 데이터로부터 최적 모델링 기반을 직접 추출하는 새로운 방법론이 제안됩니다. 이는 다음을 포함합니다:
   • 센서화: 로봇을 따라 변형률 샘플을 측정합니다.
   • 모터 바블링: 작업 공간을 탐색하기 위해 액추에이터에 단계, 치르프, 백색 소음과 같은 표준 여기 신호를 적용합니다.
   • 스펙트럼 분석: 지배적인 공간 고조파 ($k_{max}$) 와 동적 특성 (공명/반공명) 을 식별하기 위해 시공간 푸리에 변환 (STFT) 을 계산합니다.
   • 기반 선택: 사전 정의된 사전 (다항식, 삼각함수) 에서 변형률 필드를 최적으로 재구성하면서 자유도를 최소화하는 희소한 최적 기반 함수 집합을 선택하기 위해 기반 추적 탈노이즈 (BPD) 알고리즘을 사용합니다.
4. 절단 기준: 특정 정확도 임계값을 충족하는 유지 에너지를 보장하기 위해 필요한 최소 세그먼트 수 또는 기반 함수 수를 결정하는 에너지 기반 절단 지수가 정의됩니다.

주요 기여

• 통일된 프레임워크: 이 논문은 기존 CSR 모델링 전략 (PCC, PCS, GVS) 을 공간 신호 재구성 문제로 해석함으로써 단일 CRT 프레임워크 하에서 통합합니다.
• 이론적 정당성: 공간 신호에 적용된 나이퀴스트 - 섀넌 정리에 기반하여 주어진 로봇 길이와 변형률 프로파일에 대해 필요한 최소 세그먼트 수를 결정하는 것과 같은 휴리스틱 방법들에 대한 이론적 토대를 제공합니다.
• 모드별 분석: 모든 모드에 대한 결합된 기반을 도출하는 POD 와 달리, 제안된 FT 접근법은 굽힘, 비틀림, 전단, 신장 변형률 모드를 독립적으로 처리하여 스케일링 문제를 피하고 모드별 절단을 가능하게 합니다.
• 데이터 기반 모델링: 로봇의 물리적 매개변수와 무관하게 실험 데이터를 기반으로 최적 함수 기반을 식별하고 모델 차수를 축소하기 위해 STFT 와 BPD 를 사용하는 데이터 기반 워크플로우를 도입했습니다.
• 검증: 이 접근법은 수치 시뮬레이션 (SoRoSim 툴박스 사용) 과 모션 캡처 시스템이 장착된 H-지지대 프로토타입에 대한 실제 실험을 통해 검증되었습니다.

결과

• 수치적 검증: 원통형 및 원추형 H-지지대 로봇에 대한 시뮬레이션은 STFT 가 공명 및 반공명 피크를 효과적으로 포착함을 보여주었습니다. 분석 결과, 함수 기반의 선택이 공간 고조파에 따른 변형 에너지 분포에 상당한 영향을 미친다는 것이 밝혀졌습니다. 예를 들어, 다항식 기반은 에너지가 고조파 차수에 반비례하여 분포하는 반면, 푸리에 기반은 에너지를 특정 고조파에 집중시킵니다.
• 실험적 검증: 물리적 프로토타입에 대한 실험은 이 방법이 척추 형상을 높은 정확도로 재구성할 수 있음을 확인했습니다. 다항식 및 삼각함수 기반이 혼합된 사전과 BPD 를 사용하여, 모델은 자유도를 줄이면서도 (예: 1% 절단 임계값으로 30 개에서 24 개 DoF 로 축소) 전체 차수 모델과 비교 가능한 평균 제곱 오차 (MSE) 를 달성했습니다.
• 교란에 대한 강인성: 이 방법은 외부 충격력에 의해 유도된 새로운 공간 고조파 (6–8 $m^{-1}$ 범위) 를 성공적으로 식별하여 접촉 상호작용 및 비균일 변형을 모델링할 수 있는 능력을 입증했습니다.
• 오차 분석: 정방향 운동학의 오차 전파로 인해 로봇 길이를 따라 위치 및 방향 오차가 증가하는 것으로 발견되었으나, 허용 가능한 범위 내에 머물렀습니다 (예: 5% 절단 시 위치 오차가 로봇 길이의 5% 미만).

의의 및 주장
이 논문은 SoFFT 프레임워크가 변형률 필드의 스펙트럼 특성을 활용함으로써 CSR 변형의 컴팩트하고 효율적인 표현을 제공한다고 주장합니다. 이 접근법은 다음과 같은 점을 확신합니다:

• 공통된 수학적 언어 하에서 다양한 모델링 전략을 통합합니다.
• 휴리스틱 모델 선택에 대한 엄격하고 데이터 기반의 대안을 제공하여 정확성과 계산 효율성 사이의 균형을 맞춥니다.
• 액추에이터 동역학 및 외부 힘의 효과를 포함하여 로봇의 특정 동적 및 정적 거동을 포착하는 최적 기반 함수 식별을 용이하게 합니다.
• CRT PDE 를 대체하는 것이 아니라 GVS 프레임워크 내에서 기반을 최적화하기 위해 스펙트럼 정보를 활용합니다.

저자들은 현재 구현이 주로 오프라인이지만, 고속 푸리에 변환 (FFT) 의 계산 효율성이 모델 기반 또는 학습 기반 제어 및 변화하는 환경 조건에 대한 실시간 적응과 같은 미래의 실시간 응용 분야에 대한 잠재력을 시사한다고 결론지었습니다.