기술 요약: 리 군에서의 경로 추적을 위한 벡터장 및 로봇 제어 적용

문제 정의

오mnidirectional 항공기, 수중 로봇, 매니퓰레이터 엔드 이펙터와 같은 많은 로봇 시스템은 위치와 방향 (포즈) 을 독립적으로 제어할 수 있습니다. 이러한 시스템은 유클리드 공간이 아닌 구성 다양체 $SE(3)$ 위에서 진동하는 강체로 작동합니다. 본 논문에서 다루는 핵심 문제는 **경로 추적 (path following)**입니다. 이는 사전에 할당된 시간 매개변수화 없이 시스템을 기하학적 곡선으로 유도하는 것입니다. 궤적 추종과 달리 경로 추적은 공간적 작업을 시간적 사양으로부터 분리하여, 외란에 대한 향상된 강인성, 더 매끄러운 수렴, 그리고 감소된 제어 노력과 같은 장점을 제공합니다.

유클리드 공간 ($\mathbb{R}^n$) 에서 경로 추적을 위해 유도 벡터장이 성공적으로 적용되어 왔으나, 이를 $SE(3)$과 같은 리 군으로 확장하는 것은 어려움을 수반합니다. 이전 접근법들은 종종 다양체를 고차원 유클리드 공간에 임베딩한 후 제어 입력을 다시 투영하여, 본질적인 3 차원 대신 9 차원과 같은 중복된 제어 차원을 초래했습니다 (예:$SO(3)$의 경우). 또한, 다양체 상의 기존 방법들은 종종 곡선의 암시적 레벨셋 정의에 의존하는데, 이는 복잡한 경로를 지정하는 데 불편할 수 있습니다. 본 논문은 최소의 중복되지 않는 제어 입력 (예: 바디 트위스트) 을 산출하고 매개변수 곡선 표현을 지원하며, 연결된 행렬 리 군 상의 경로 추적을 위한 일반적이고 고유한 (intrinsic) 벡터장 프레임워크의 필요성에 대응합니다.

방법론

이론적 프레임워크

저자들은 연결된 행렬 리 군 $G$에 대한 일반적인 벡터장 전략을 제안합니다. 시스템 동역학은 1 차 완전 구동 시스템으로 모델링됩니다:
$$\dot{H}(t) = S(\xi(t))H(t)$$
여기서 $H(t) \in G$는 상태, $\xi(t) \in \mathbb{R}^m$은 제어 입력 (일반화된 트위스트), $S$는 $\mathbb{R}^m$에서 리 대수 $\mathfrak{g}$로의 선형 사상입니다.

유도 벡터장 $\Psi(H)$는 두 구성 요소의 합으로 구성됩니다:
$$\Psi(H) = k_N(H)\xi_N(H) + k_T(H)\xi_T(H)$$

1. 수직 성분 ($\xi_N$): 곡선으로의 수렴을 담당합니다. 이는 거리 함수의 기울기에서 유도됩니다.
2. 접선 성분 ($\xi_T$): 곡선을 따라 이동하는 것을 담당합니다. 이는 곡선 상의 가장 가까운 점에서의 접선 벡터로 정의됩니다.

주요 수학적 혁신

유클리드 벡터장 접근법 (특히 [11] 에서) 을 리 군으로 확장하기 위해, 저자들은 특정 연산자와 거리 속성을 도입합니다:

• 연산자:
  • $\Xi$ 연산자: 그룹 상의 미분 가능한 경로에서 리 대수 속도 벡터를 추출하며, 시간 미분 $\frac{d}{dt}$와 유사합니다.
  • $\mathcal{L}$ 연산자: 리 군 상의 기울기 연산자 $\nabla$와 유사하며, 그룹 구조를 따른 방향 미분의 극한을 통해 정의됩니다.
• 거리 함수 요구사항: 이 프레임워크는 다음 세 가지 중요한 속성을 만족하는 요소 간 (EE-) 거리 함수 $\bar{D}$에 의존합니다:
  1. 좌불변성 (Left-Invariance): $\bar{D}(AV, AW) = \bar{D}(V, W)$. 이는 수직 성분과 접선 성분이 직교하도록 보장합니다.
  2. 연쇄성 (Chainability): 두 점 사이의 거리는 이를 연결하는 특정 경로를 따른 거리들의 합과 같습니다. 이 속성은 목표 곡선 외부에 국소 최소값이 없음을 보장합니다.
  3. 국소 선형성 (Local Linearity): 거리는 경로 근처에서 선형적으로 행동하여, 곡선 외부에서 기울기 (수직 성분) 가 결코 소멸하지 않도록 보장합니다.

$SE(3)$에 대한 특화

$SE(3)$의 특정 사례에 대해, 본 논문은 **특수 지수 리 군 (Special Exponential Lie Groups)**의 클래스를 정의합니다. 이러한 군들의 경우, 유효한 EE-거리는 행렬 로그의 푸비니우스 노름을 사용하여 구성됩니다:
$$\bar{D}(V, W) = \| \log(V^{-1}W) \|_F$$
이 공식화는 거리와 그 도함수를 계산하기 위한 명시적이고 효율적인 알고리즘을 가능하게 하여, 일반적인 측지선 계산의 계산 비용을 피합니다. 제어 입력 $\xi$는 로봇의 트위스트 (선형 및 각속도) 에 직접 대응하여, 입력 차원이 시스템의 자유도와 일치하도록 보장합니다.

주요 기여

1. 리 군으로의 일반화: 본 논문은 유클리드 공간에서 연결된 행렬 리 군으로 벡터장 전략을 확장하여, 구성 공간의 고유 기하학을 존중하는 중복되지 않는 제어 입력을 산출합니다.
2. 형식적 증명 및 거리 속성: 저자들은 수렴과 이동을 위한 형식적 증명을 제공하며, 벡터장의 안정성을 보장하기 위해 거리 함수가 만족해야 하는 특정 속성 (좌불변성, 연쇄성, 국소 선형성) 을 유도합니다.
3. **$SE(3)$을 위한 효율적 알고리즘:** 중복된 차원 없이 거리와 기울기를 계산하기 위해 특수 지수 속성을 활용하는$SE(3)$ 상 전략 구현을 위한 효율적인 알고리즘이 개발되었습니다.
4. 실제 세계 검증: 이 접근법은 복잡한 포즈 경로를 추적하는 Kinova Gen3 로봇 매니퓰레이터를 사용한 실험을 통해 검증되었습니다.

실험 결과

저자들은 7 자유도 Kinova Gen3 매니퓰레이터를 사용하여 실험을 수행했습니다. 엔드 이펙터는 자체 충돌과 관절 한계를 피하는 $SE(3)$ 내의 복잡하고 이산화된 곡선을 추적하도록 임무가 부여되었습니다.

• 성능: 시스템은 원하는 곡선으로 성공적으로 수렴하여 이를 따라 이동했습니다.
• 지표: 곡선까지의 유클리드 거리 (EC-거리) 는 시간이 지남에 따라 감소했으며, 시스템은 경로 상에 도달한 후 낮은 위치 및 방향 오차를 유지했습니다.
• 계산 효율성: 벡터장 계산은 표준 CPU 에서 반복당 평균 8.9ms 가 소요되었습니다. 저자들은 이 시간의 99.5% 가 곡선 상의 가장 가까운 점을 찾기 위한 최적화 문제를 푸는 데 소요되었다고 지적하며, 병렬화 (예: GPU) 를 통한 추가 속도 향상의 가능성을 언급했습니다.
• 관찰: 로봇이 특이 구성 근처에서 작동할 때 오차에 약간의 편차가 관찰되어 빈번한 방향 조정이 필요했으나, 시스템은 안정적으로 유지되었습니다.

중요성 및 주장

본 논문은 리 군에서 작동하는 로봇 시스템을 위한 경로 계획, 경로 추적, 제어를 통합하는 통일된 프레임워크를 제공한다고 주장합니다. 그 주요 중요성은 다음과 같습니다:

• 고유 제어: 고차원 공간에서 제어들을 투영하는 방법과 달리, 이 접근법은 최소이며 공학 시스템에 직접 적용 가능한 제어 입력 (트위스트) 을 생성합니다.
• 매개변수 유연성: 레벨셋 교차 대신 매개변수 곡선 표현을 채택함으로써, 이 프레임워크는 복잡한 곡선을 더 자연스럽게 수용하며, 이는 실제 로봇 작업에 중요합니다.
• 강인성: "거의 전역적" 수렴의 이론적 보장 (작은 섭동을 통해 문제 집합을 탈출할 수 있는 능력) 과 공간 및 시간 작업의 분리는 혼잡한 환경에서의 실제 세계 항법에 실질적인 이점을 제공합니다.

저자들은 현재 거리 척도가 특수 지수 리 군에 특화되어 있지만, 이 프레임워크가 시간 변화 곡선, 부분 구동 시스템, 그리고 더 일반적인 거리 함수에 대한 향후 연구의 길을 연다고 결론지었습니다. 추가 연구와 응용을 촉진하기 위해 오픈 소스 구현이 제공됩니다.