Model-based Optimal Control for Rigid-Soft Underactuated Systems

기술 요약: 강체-연성 저구동 시스템을 위한 모델 기반 최적 제어

문제 정의
연속체 소프트 로봇(Continuum Soft Robots, CSR)은 이론적으로 무한한 자유도(DoF)를 보유하여, 강체 로봇보다 우수한 데크스테리티와 적응성을 제공한다. 그러나 이들은 유한한 입력에 의해 구동되며, 단방향 및 분산된 작동 특성으로 인해 본질적인 박스 제약(box constraints)을 갖는 저구동(underactuated) 시스템이다. CSR에 대한 제어가 주로 준정적(quasi-static) 거동에 국한되어 왔으나, 불안정한 평형 상태로의 스윙업(swing-up) 기동과 같은 동적 작업에는 연속체 역학의 정확한 활용이 필수적이다. 기존의 모델 기반 최적 제어 방식은 몇 가지 중대한 장애물에 직면해 있다: 고충실도 모델은 계산 비용이 매우 높으며, 고차원 시스템에 대한 수치 미분은 부정확하거나 실행 불가능한 경우가 많다. 또한, 표준적인 명시적 적분 방식(explicit integration schemes)은 소프트 역학을 지배하는 강성 미분 방정식(stiff differential equations)을 처리하는 데 어려움을 겪으며, 단순화된 모델(예: 의사 강체 또는 저차 템플릿)은 동적 제어에 필요한 복잡한 변형을 포착하지 못한다.

본 연구는 코세라 로드 이론(Cosserat Rod Theory, CRT)에서 유도된 기하학적 가변 변형(Geometrically Variable Strain, GVS) 정식화를 활용하여 하이브리드 강체-연성 시스템을 모델링한다. GVS 접근 방식은 트렁케이티드 레장드르 다항식 전개(truncated Legendre polynomial expansions)를 사용하여 변형 장(strain field)을 매개변수화함으로써, 편미분 방정식(PDE)을 유한한 옥도 미분 방정식(ODE) 집합으로 축소하면서도 모든 변형 모드(굽힘, 비틀림, 신축, 전단)를 포착한다. 결정적으로, 최근의 발전을 통해 GVS 역학에 대한 **해석적 미분(analytical derivatives)**이 가능해졌으며, 이를 통해 효율적인 경사 기반 최적화를 수행할 수 있다.

본 논문은 준정적 가정을 배제하고 고차 자유도 연속체 모델에 대해 세 가지 모델 기반 최적 제어 전략을 평가한다:

1. 직접 콜로케이션(Direct Collocation, DC): 사다리꼴 콜로케이션을 사용하는 직접 전사(direct transcription) 방법으로, 대규모 비선형 계획법(NLP) 문제로서 최적 제어 문제(OCP)를 해결한다.
2. Box-Implicit Differential Dynamic Programming (Box-IDDP): CSR의 특정 과제를 해결하기 위해 개발된 새로운 알고리즘이다. 이는 다음을 결합한다:
   • 암시적 시간 적분(Implicit Time Integration): 지나치게 작은 타임 스텝을 요구하지 않고도 강성 역학에 대한 안정성을 보장한다.
   • 박스 제약(Box Constraints): 액추에이터 한계(입력 포화)를 강제한다.
   • DDP 프레임워크: 벨만(Bellman)의 최적성 원리를 활용하여 역방향 및 순방향 패스를 수행한다. 역방향 패스는 제약된 이차 계획법(quadratic programming)을 통해 국소 최적 정책을 계산하며, 순방향 패스는 암시적 적분을 사용하여 궤적을 전개(roll out)한다.
3. 비선형 모델 예측 제어(Nonlinear Model Predictive Control, NMPC): 재귀적 호라이즌(receding horizon) 상에서 상태 피드백과 외란을 처리하기 위해 Box-IDDP 솔버를 사용하여 온라인으로 구현된다.

계산 효율성과 수렴성을 높이기 위해, 저자들은 해상도 기반 웜 스타트(resolution-based warm-start) 전략을 도입한다. 이 방식은 GVS 모델의 계층적 구조를 활용한다: OCP를 먼저 단순화된 강체 등가 모델에서 해결한 후, 곡률이 일정한 소프트 모델로 점진적으로 전이하며, 마지막으로 증가하는 변형 모드(곡률, 그 다음 선형 변형)를 가진 고차 모델로 확장한다.

주요 기여

• 고차 제어를 위한 해석적 미분: GVS 모델의 해석적 미분이 고차원 연속체 역학의 최적화를 계산 가능한 수준으로 만든다는 것을 입증하였으며, 이를 통해 의사 강체 근사가 필요 없음을 보여주었다.
• Box-IDDP 알고리즘: 강성 및 제약이 있는 저구동 소프트 시스템에 특화된, 암시적 시간 적분과 박스 제약 입력을 통합한 Box-IDDP를 개발하였다.
• 웜 스타트 전략: 강체 모델에서 시작하여 변형 모드를 점진적으로 늘려가는 GVS 변형 매개변수화를 활용함으로써 솔버의 수렴 속도를 가속화하는 새로운 초기화 방법을 제시하였다.
• 포괄적인 벤치마킹: 세 가지 점진적으로 복잡해지는 벤치마크 시스템인 소프트 카트-폴(Soft Cart-Pole, 1D 평면), 소프트 펜듈봇(Soft Pendubot, 2-link 평면), **소프트 푸루타 펜듈럼(Soft Furuta Pendulum, 3D 하이브리드 및 면외 변형 포함)**에 대해 DC, Box-IDDP, NMPC를 검증하였다.

결과
두 번째 차수 레장드르 다항식 전개(높은 DoF 생성)를 적용한 세 가지 벤치마크 시스템에 대해 시뮬레이션 검증을 수행하였다.

• 소프트 카트-폴: 모든 제어기가 스윙업을 성공적으로 수행했다. 제어기들은 입력 포화로 인한 에너지를 축적하기 위해 목표와 반대 방향으로 움직이는 비최소 위상(non-minimum phase) 거동을 보였다. DC와 Box-IDDP는 중력에 의한 굽힘을 상쇄하기 위해 빠른 진동 입력을 활용한 반면, NMPC는 더 큰 카트 변위를 가지며 더 부드러운 수렴을 달로했다.
• 소프트 펜듈봇: 제어기들이 두 개의 소프트 링크 간의 결합을 관리했다. 시스템이 직립 평형 상태에 접근함에 따라, 최적 정책은 두 번째 링크의 하중으로 인해 첫 번째 링크에 발생하는 중력 유발 굽힘을 상쇄하기 위해 음의 토크를 가했다.
• 소프트 푸루타 펜듈럼: 이 3D 시스템은 복잡한 상호작용을 보여주었다. Box-IDDP와 NMPC 솔루션은 링크를 헬리코이드(helicoidal) 형태로 감아 탄성 에너지를 저장한 뒤 이를 방출하여 스윙업을 유도하는 강력한 면외 굽힘 및 비틀림 전략을 발견했다. 반면, DC는 평면 내 굽힘에 더 많이 의존했다.
• 성능 비교:
  • 수렴성: 웜 스타트 전략은 의사 무작위 초기화(pseudo-random initialization)에 비해 Box-IDDP의 비용 수렴 속도를 크게 향상시켰다.
  • 효율성: Box-IDDP는 DC보다 반복당 계산 시간이 빨랐다(테스트 설정에서 반복당 약 2.9배 적은 계산 시간 소요). 그러나 DC는 최종 비용(cost) 측면에서 더 낮은 값을 달성했는데(Box-IDDP에 비해 차선책), 이는 DC가 NLP 지형을 더 전역적으로 탐색할 수 있는 능력 덕분이며, Box-IDDP는 좋은 초기 추측 없이는 지역 최적점(local minima)에 빠지기 쉽기 때문이다.
  • 적합성: Box-IDDP는 속도 덕분에 NMPC와 같은 실시간 애플리케이션에 더 적합한 것으로 확인되었으며, DC는 복잡한 제약 처리가 필요한 오프라인 계획에 여전히 선호된다.

의의 및 주장
본 논문은 저구동 강체-연성 로봇의 동적 제어를 위한 체계적인 프레임워크를 제공하며, 준정적 및 저차 근사의 한계를 극복한다. GVS 모델링 프레임워크를 해석적 미분 및 제안된 Box-IDDP 알고리즘과 결래함으로써, 고충실도 연속체 역학을 효율적으로 최적화할 수 있음을 입증하였다. 본 연구는 동적 작업을 위해 연속체 역학의 정확한 활용이 필수적임을 강조하며, 제안된 웜 스타트 전략이 이러한 고차원 최적화를 가능하게 하는 핵심 요소임을 밝힌다. 저자들은 이 접근 방식이 기존 방법으로는 다루기 어려웠던 비최소 위상 역학 및 면외 변형을 포함한 복잡한 거동의 제어를 가능하게 한다고 결론지었다. 향후 연구 과제로 실험적 검증 및 모델 불확실성에 대한 강건성 평가를 언급하였다.