기술 요약: 정확한 2차 도함수를 이용한 접촉 함축적 최적 제어 기반의 강건한 강체 조립

문제 정의

조립 동작의 효율적인 계획은 로보틱스 분야에서 여전히 중요한 과제로 남아 있습니다. 전통적인 방식들은 광범에한 물리 시뮬레이션을 필요로 하며 샘플 효율성이 낮은 미분 불가능한 강화 학습(RL) 및 샘플링 기반 방법론에 크게 의존합니다. 미분 기반 방법론이 다른 영역(예: 보행 제어)에서는 유망한 성과를 보여왔으나, 접촉이 풍부한(contact-rich) 시스템의 본질적인 비매끄러움(non-smoothness)으로 인해 조립 작업에서는 어려움을 겪고 있습니다.

핵심적인 난제는 접촉이 풍부한 동역학계가 일반적으로 비선형 상보성 문제(NCP) 또는 선형 상보성 문제(LCP)로 정식화된다는 점입니다. 이러한 문제의 해는 상태 및 제어 입력에 대해 미분 불가능합니다. 이는 미세한 변화만으로도 활성 접촉 세트(예: 접촉 지점이 면, 모서리, 꼭짓점 사이를 이동하거나 마찰 모드가 변경되는 현상)가 이산적으로 전환될 수 있기 있기 때문입니다. 이러한 비매끄러움은 빠른 수렴을 위해 정확한 도함수에 의존하는 효율적인 2차 최적화 방법론의 직접적인 적용을 방해합니다. 또한, 기존의 미분 가능한 물리 시뮬레이션들은 충돌 감지에서 발생하는 미분 불가능성을 간과하거나, 명목상 평가(nominal evaluation)와 일치하지 않는 근사치(유한 차분, 무작위 평활화 등)에 의존하여 최적화 수렴을 저해합니다.

본 논문은 정확한 2차 해석적 도함수를 제공할 수 있는 미분 가능한 물리 시뮬레이션을 활용하는, 샘플 효율적이고 강건한 최적 제어 접근법을 제안합니다. 이 방법론은 다음 세 가지 주요 구성 요소로 통합됩니다.

1. 매끄러운 미분 가능 충돌 감지

저자들은 성장 거리(growth distances, 부호 거리 함수의 변형)를 사용하여 충돌 감지를 선형 계획법(LP)으로 정식화합니다.

• 정식화: 다면체를 형태 안정적인 방식으로 스케일링하는 대신, 최적화 문제가 잘 스케일링되도록 모든 방향으로 균등한 스케일링을 적용합니다.
• 평활화(Smoothing): 비미분성을 처리하기 위해 **내점법(interior-point methods)**을 사용합니다. 장벽 매개변수 $\tau > 0$를 사용하여 LP의 KKT 시스템을 해결함으로써, 부호 거리 함수(SDF)의 매끄러운 근사치인 $\Phi_\tau(q)$를 얻습니다.
• 도함수: 내함수 정리(Implicit Function Theorem, IFT)를 사용하여 SDF 및 접촉 법선 벡터의 정확한 1차 및 2차 도함수를 유도합니다.
• 기울기 근사: LP의 원 프라임-듀얼 변수로부터 유도된 특정 접촉 법선 벡터 근사법을 제안합니다. 이는 정확한 기울기를 직접 사용할 때 요구되는 SDF의 3차 도함수를 피하기 위함입니다.
• 강건성: KKT 행렬의 조건이 나빠져 솔버가 수렴하지 못하는 경우를 처리하기 위해 휴리스틱 스케일링 전략을 도입하여, 신뢰할 수 있는 접촉 정보 생성을 보장합니다.

2. 미분 가능한 다중 접촉 물리

접촉 해소 문제는 모로(Moreau)의 타임 스텝핑 기법에 기반한 마찰 없는 접촉 동역학 정식화를 사용하여 접촉 LCP로 모델링됩니다.

• 평활화/완화: 상보성 조건은 Scholtes의 평활화($a \perp b$를 $ab = \sigma$로 대체) 또는 Scholtes의 완화($ab \leq \sigma$)를 사용하여 평활화됩니다. 이를 통해 비매끄러운 LCP를 매끄러운 등식 및 부등식 제약 조건 집합으로 변환합니다.
• 통합: 매끄러운 접촉 동역학은 최적 제어 문제(OCP)로 직접 전사됩니다. 솔버는 제어 입력과 시스템 동역학을 동시에 최적화합니다.
• 호모토피 절차(Homotopy Procedure): 경직된 접촉 동역학($\tau, \sigma \to 0$)을 해결하기 위해 호모토피 절차를 사용합니다. 최적화는 큰 평활화 매개변수(완화된 물리)에서 시작하여 순차적으로 이를 조여가며, 이전의 해를 사용하여 솔버를 웜 스타트(warm-start)합니다. 이를 통해 알고리즘은 사소한 초기 추측으로부터 원래의 미분 불가능한 정식화에 근접한 해로 수렴할 수 있습니다.

3. 강건한 다중 시나리오 최적 제어

모델과 실제 환경 간의 불일치에도 불구하고 실제 하드웨어에서 성공적인 실행을 보장하기 위해, 저자들은 다중 시나리오 기반 OCP를 정식화합니다.

• 임피던스 추적: 참조 궤적이 최적화되며, 이는 여러 개의 "순응형(compliant)" 궤적에 의해 Cartesian 임피던스 제어기를 통해 추적됩니다.
• 섭동(Perturbation): 각 시나리오는 참조 궤적에 대해 무작위 위치 오프셋을 가진 순응형 궤적에 해당합니다. 최적화기는 모든 시나리오에 대해 동시에 조립 작업을 성공적으로 완료할 수 있는 참조 궤적을 찾아야 합니다.
• 목적: 이 접근법은 계획된 동작이 모델에서 약간 벗어나더라도 작업이 실행 가능하도록 함으로써 실질적인 강건성을 최적화합니다.

주요 기여

1. 수정된 성장 거리 정식화: 잘 스케일링된 도함수를 보장하고 유클리드 거리에 가깝게 근사하며, 접촉 법선에 적합한 기울기 근사를 포함하는 LP 기반의 부호 거리 함수 정식화.
2. 효율적인 도함수 구현: 충돌 감지 및 접촉 해소의 정확한 1차 및 2차 도함수를 계산하기 위해 고성능 내점 솔버인 HPIPM과 선형 대수 라이브러리 BLASFEO를 사용하고, 이를 최적 제어 라이브러리인 CasADi와 인터페이스하여 구현.
3. 강건한 다중 시나리오 계획: 접촉 함축적 최적 제어와 다중 시나리오 강건성을 결합하여, 실제 로봇에서 Cartesian 임피던스 제어로 실행 가능한 동작을 보장하는 정식화.
4. 실증적 검증: 매우 정밀한 공차를 가진 peg-in-hole 작업에서 99% 이상의 높은 성공률을 달ian한 UR10e 로봇 기반의 실제 실험 및, 근사치(Gauss-Newton, L-BFGS) 대비 정확한 헤시안(Hessian)의 이점과 평활화 매개변수의 영향을 보여주는 시뮬레이션 결과.

결과

• 실제 성능: UR10e 로봇을 이용한 peg-in-hole 조립 실험에서 99% 이상의 성공률을 달성했습니다. 이 방법은 추가적인 튜닝 없이도 상당한 모델-실제 불일치를 성공적으로 처리했습니다.
• 계산 효율성: 제안된 SDF 구현은 도함수를 효율적으로 계산합니다. 명목상 평가 속도는 최신 GJK 알고리즘보다 약간 느릴 수 있으나, 정확한 2차 도함수를 계산할 수 있는 능력 덕분에 전체 최적화 과정의 샘플 효율성이 크게 향상되었습니다.
• 수렴성: 수치 결과에 따르면, 정확한 헤시안을 사용하는 것이 Gauss-Newton이나 L-BFGS와 같은 헤시안 근사법을 사용하는 것보다 수렴 속도를 유의미하게 개선함을 보여줍니다.
• 평활화의 영향: 연구는 평활화 매개변수와 성공률 사이의 트레이드오프를 조사하였으며, 호모토피 절차가 매끄럽고 풀기 쉬운 근사치와 실제 실행에 필요한 경직되고 정확한 접촉 동역학 사이의 간극을 효과적으로 메운다는 것을 입증했습니다.

의의

본 논문은 미분 기반 최적화와 복잡한 조립 작업 사이의 간극을 메운다고 주장합니다. 충돌 감지와 접촉 해소 모두에 대해 정확한 2차 도함수를 활용하는 프레임워크를 제공함으로써, 접촉이 풍합한 문제에 효율적인 뉴턴 기반 솔버를 사용할 수 있게 합니다. 이는 다음과 같은 결과를 가져옵니다:

• 향상된 샘플 효율성: 계획 단계에서 미분 불가능한 방법론에 비해 훨씬 적은 물리 시뮬레이션 단계가 필요합니다.
• 강건성: 다중 시나리오 정식화는 불확실성에 강한 궤적을 생성하여, 실제 하드웨어에서 직접 실행 가능하게 만듭니다.
• 범용성: 이 접근법은 형상이 볼록 다면체의 합집합으로 표현되는 모든 강체 조립 문제에 적용 가능합니다.

이 연구는 세심한 평활화와 정확한 도함수 계산을 통해, 최적 제어가 전통적으로 강화 학습이나 샘플링 기반 방법론의 영역이었던 도전적인 조립 문제를 효과적으로 해결할 수 있음을 보여줍니다.