Towards Dynamic Model Identification and Gravity Compensation for the dVRK-Si Patient Side Manipulator

이 논문은 da Vinci Si 환자 측 조작기 (PSM) 에 대한 최초의 완전한 운동학 및 동역학 모델링 프레임워크를 제시하고, 동적 매개변수 식별을 통해 중력 보상 및 계산 토크 전향제어 구현을 통해 제어 정확도를 획기적으로 향상시켰습니다.

핵심

이 논문은 '다빈치 수술 로봇 (dVRK) 의 최신 버전 (Si 모델)'을 더 정교하고 정확하게 움직이게 만드는 새로운 방법을 소개합니다.

비유하자면, 이 연구는 **"무거운 장갑을 낀 로봇 팔이 중력에 의해 자연스럽게 아래로 처지는 것을 방지하고, 의사가 원하는 대로 부드럽게 움직이도록 돕는 '스마트한 보조 장치'를 개발한 것"**입니다.

핵심 내용을 일상적인 언어와 비유로 설명해 드릴게요.

---

1. 왜 이 연구가 필요했을까요? (문제 상황)

과거에 연구용으로 쓰였던 다빈치 로봇 (Classic 모델) 은 상대적으로 가볍고 단순했습니다. 하지만 최신 버전인 다빈치 Si 모델은 구조가 바뀌어 팔의 무게 중심이 달라졌습니다.

• 비유: 과거에는 가벼운 플라스틱 장난감을 움직였는데, 최신 버전은 무거운 쇠로 만든 공구를 들고 있는 것과 같습니다.
• 문제: 로봇이 공중에 멈춰 있을 때, 이 무거운 팔의 무게 (중력) 를 고려하지 않으면 로봇이 저절로 아래로 처지거나 (떨어지거나), 의사가 움직이려 할 때 힘이 더 많이 들어갑니다. 마치 무거운 가방을 들고 있을 때, 가방의 무게를 고려하지 않고 팔만 움직이려 하면 어깨가 아프고 몸이 흔들리는 것과 같습니다.

2. 연구팀은 무엇을 했나요? (해결책)

연구팀은 이 로봇 팔의 정확한 무게와 움직임 법칙을 수학적으로 재발견했습니다.

1. 정밀한 지도 그리기 (모델링): 로봇 팔의 관절이 어떻게 연결되어 있는지, 무게가 어디에 분포되어 있는지 정밀하게 계산했습니다. 특히 로봇 팔이 '평행사변형' 모양으로 연결된 복잡한 구조를 고려하여, 마치 퍼즐을 맞추듯 정확한 수학적 모델을 만들었습니다.
2. 스스로 학습하기 (동적 파라미터 식별): 로봇을 특정 패턴으로 움직이게 하여 (예: 흔들기, 정지하기), 실제 로봇이 어떻게 반응하는지 데이터를 모았습니다. 그리고 이 데이터를 바탕으로 로봇의 '무게', '마찰', '스프링 효과' 같은 숨겨진 숫자들을 찾아냈습니다.
   • 비유: 마치 로봇이 "내 팔이 얼마나 무겁고, 관절이 얼마나 뻣뻣한지" 스스로 알려주는 데이터를 수집하고, 이를 분석하여 로봇의 개인 맞춤 프로필을 만든 것입니다.

3. 어떻게 적용했나요? (두 가지 전략)

찾아낸 정보를 바탕으로 로봇 제어 시스템에 두 가지 기능을 추가했습니다.

• 전략 A: 중력 보상 (Gravity Compensation)
  • 비유: 로봇이 공중에 멈춰 있을 때, 무게를 들어주는 '보조 팔'이 자동으로 작동하는 것입니다.
  • 효과: 로봇이 한 곳에 멈춰 있을 때, 중력에 의해 아래로 처지는 현상 (드리프트) 이 4.2mm 에서 0.7mm 로 크게 줄었습니다. 마치 무거운 물건을 들고 있을 때, 누군가 그 무게를 대신 들어주어 손이 떨리지 않게 하는 것과 같습니다.
• 전략 B: 계산된 토크 피드포워드 (Computed-Torque Feedforward)
  • 비유: 로봇이 빠르게 움직일 때, 앞으로 어디로 갈지 미리 예측해서 힘을 미리 주는 것입니다.
  • 효과: 로봇이 사인파 (물결) 모양의 궤적을 따라 움직일 때, 기존 방법보다 정확도가 35~40% 향상되었습니다. 마치 운전할 때, 코너를 돌기 전에 미리 핸들을 꺾고 속도를 조절하는 숙련된 운전자의 방식과 같습니다.

4. 결과는 어땠나요?

실험 결과, 이 새로운 방법을 적용한 로봇은 다음과 같은 변화를 보였습니다.

• 고정 상태: 로봇이 한곳에 멈춰 있을 때, 의사가 놓아도 로봇이 떨어지지 않고 단단히 제자리를 지켰습니다. (오류 68~84% 감소)
• 움직임 상태: 로봇이 움직일 때, 의사의 의도대로 더 부드럽고 정확하게 따라다녔습니다.
• 실용성: 이 기술은 로봇이 실시간으로 (초당 1000 회 이상) 계산할 수 있을 정도로 빠르고 가볍게 구현되었습니다.

5. 결론: 왜 중요한가요?

이 연구는 단순히 로봇을 잘 움직이게 하는 것을 넘어, 수술 로봇이 더 안전하고 정밀해지도록 하는 기초를 닦은 것입니다.

• 의사에게: 로봇이 더 가볍고 반응이 좋아져서 수술이 더 수월해집니다.
• 연구자에게: 로봇의 움직임을 정확하게 시뮬레이션할 수 있게 되어, 인공지능이 수술을 배우거나 자동화하는 연구를 더 잘 할 수 있게 됩니다.

한 줄 요약:

"무거워진 최신 수술 로봇의 '무게'와 '관성'을 정밀하게 계산해, 로봇이 스스로 그 무게를 지탱하고 의사의 손길에 더 정확하게 반응하도록 만든 스마트한 제어 기술입니다."

기술 요약

이 논문은 **da Vinci 연구 키트 (dVRK) 의 최신 버전인 dVRK-Si 의 환자 측 조작기 (PSM, Patient Side Manipulator)**에 대한 동적 모델링, 파라미터 식별, 그리고 이를 활용한 중력 보상 및 제어 성능 향상에 관한 연구입니다. 기존 dVRK Classic 과 달리 dVRK-Si 는 구조적 변경으로 인해 중력 부하가 크게 증가하여, 이를 모델링하지 않을 경우 제어 정밀도가 저하되는 문제가 발생했습니다.

다음은 논문의 주요 내용을 기술적으로 요약한 것입니다.

1. 문제 제기 (Problem Statement)

• 배경: dVRK Classic 은 로봇 보조 수술 연구에 널리 사용되어 왔으나, 새로운 하드웨어인 da Vinci Si 를 기반으로 한 dVRK-Si가 도입되었습니다.
• 문제점: dVRK-Si 의 PSM 은 재설계된 구조로 인해 질량 분포와 중력 부하가 기존 모델과 크게 다릅니다. 기존 dVRK Classic 의 동적 파라미터를 그대로 적용할 수 없으며, 중력 효과를 무시할 경우 정적 유지 시 **정상 상태 오차 (steady-state errors)**와 **팁 드리프트 (tip drift)**가 발생하여 수술 정밀도와 응답성을 저하시킵니다.
• 목표: dVRK-Si PSM 에 맞는 완전한 운동학 및 동역학 모델을 구축하고, 이를 기반으로 실시간 중력 보상 및 계산 토크 (computed-torque) 피드포워드를 구현하여 제어 성능을 극대화하는 것입니다.

2. 방법론 (Methodology)

가. 운동학 및 동역학 모델링

• 운동학 모델: 폐쇄형 사다리꼴 메커니즘 (parallelogram mechanism) 과 원격 운동 중심 (RCM) 을 고려한 수정된 데나비트 - 하텐베르크 (Modified DH) 모델을 구축했습니다.
• 동역학 모델: 오일러 - 라그랑주 (Euler-Lagrange) 방법을 사용하여 동역학을 유도하고, 이를 파라미터 선형형 (linear-in-parameters) 형태로 표현하여 역동역학 식을 도출했습니다.
• 모델 구성: 링크의 질량, 관성, 질량 중심, 마찰 (점성, 쿨롱, 편향), 모터 관성, 비틀림 스프링 강성 등을 포함하는 동적 파라미터 벡터를 정의했습니다.

나. 동적 파라미터 식별 (Dynamic Parameter Identification)

• 자극 궤적 설계: 파라미터 식별의 수치적 조건을 최적화하기 위해 푸리에 급수를 기반으로 한 **주기적 자극 궤적 (periodic excitation trajectory)**을 설계했습니다. 이 과정에서 조건수 (condition number) 를 최소화하도록 비선형 최적화를 수행했습니다.
• 데이터 수집 및 전처리: 물리적 dVRK-Si 로봇에서 생성된 자극 궤적을 실행하여 관절 위치, 속도, 토크 데이터를 수집하고, 저역 통과 필터를 적용하여 노이즈를 제거했습니다.
• 물리적 일관성 제약 (Physical Consistency Constraints): 과적합을 방지하고 물리적으로 타당한 해를 구하기 위해 **볼록 최적화 (Convex Optimization)**를 사용했습니다. 제약 조건으로는 링크 질량의 양수성, 질량 중심의 볼록 껍질 내 위치, 마찰 계수와 스프링 강성의 양수성, 그리고 관성 행렬의 양정치성 (positive definiteness) 등이 포함되었습니다.

다. 제어 구현 (Control Implementation)

식별된 모델을 바탕으로 두 가지 제어 전략을 구현했습니다.

1. 실시간 중력 보상 (Gravity Compensation): 정적 상태 (속도/가속도 = 0) 를 가정하고 중력 항 $G(q)$만 계산하여 토크 명령에 추가합니다.
2. 계산 토크 피드포워드 (Computed-Torque Feedforward): 관성 ($M$), 코리올리/원심력 ($C$), 중력 ($G$) 항을 모두 포함하는 완전한 역동역학을 실시간으로 계산하여 PID 제어기의 피드포워드 항으로 추가합니다.
3. 간소화된 모델 (Simplified Variant): dVRK 소프트웨어 스택 (1-2 kHz) 에 효율적으로 통합하기 위해 마찰과 스프링 효과를 무시하고 처음 3 개의 관절만 고려한 간소화된 정적 중력 보상 모델을 개발하여 오픈소스화했습니다.

3. 주요 기여 (Key Contributions)

1. dVRK-Si PSM 전용 모델링: dVRK-Si 의 폐쇄형 사다리꼴 메커니즘을 포함한 최초의 완전한 운동학 및 동역학 모델링 프레임워크 제시.
2. 물리적 일관성 기반 식별 파이프라인: 최적화된 자극 궤적과 볼록 최적화를 활용한 물리적으로 타당한 동적 파라미터 식별 프로세스 개발.
3. 다중 구현 전략: 계산 집약적인 전체 동역학 모델 (피드포워드용) 과 경량화된 간소화 모델 (실시간 중력 보상용) 을 모두 제공.
4. 오픈소스 공개: 식별된 모델과 제어 코드를 GitHub 를 통해 공개하여 커뮤니티 활용성 증대.

4. 실험 결과 (Results)

가. 모델 정확도

• 식별된 모델은 주요 하중 지지 관절 (1~3 번) 에서 측정된 토크와 매우 높은 일치도를 보였습니다 (NRMSE: 7.43% ~ 21.91%).
• 나머지 관절은 토크 크기가 작고 마찰/전동계 비선형성의 영향으로 오차가 컸으나, 전체적인 동역학 지배적 특성은 잘 포착했습니다.

나. 정적 성능 (중력 보상)

• 정상 상태 오차 감소: 중력 보상을 적용한 결과, 정적 유지 시 관절 오차가 68~84% 감소했습니다.
• 드리프트 개선: 정적 유지 중 엔드 이펙터 팁의 드리프트가 4.2 mm 에서 0.7 mm 로 크게 감소하여 로봇이 원하는 자세를 안정적으로 유지함을 입증했습니다.

다. 동적 성능 (궤적 추적)

• 사인파 궤적 추적: PID 제어만 사용하는 경우와 비교했을 때, 계산 토크 피드포워드를 적용하면 위치 추적 오차가 약 40% 감소했습니다.
• 중력 보상 대비 향상: 중력 보상만 적용한 경우보다 계산 토크 피드포워드를 추가했을 때 오차가 약 35% 추가 감소하여, 중력 외의 관성 및 코리올리 힘에 대한 보상이 추적 정밀도 향상에 필수적임을 보였습니다.

라. 계산 효율성

• 역동역학 평가는 AMD Ryzen 9 5950X CPU 에서 평균 0.273 ms 소요되어, 실시간 제어 루프 (100 Hz 이상) 내 실행에 충분한 속도를 가짐을 확인했습니다.

5. 의의 및 결론 (Significance & Conclusion)

이 연구는 dVRK-Si 플랫폼의 제어 성능을 획기적으로 개선하는 기반을 마련했습니다.

• 정밀도 향상: 모델 기반 중력 보상을 통해 수술 중 로봇 팁의 드리프트를 제거하고 정밀도를 높였습니다.
• 자율성 기반 마련: 정확한 동역학 모델은 고충실도 시뮬레이션, 힘 제어, 그리고 향후 학습 기반 자율 수술 시스템 개발에 필수적인 요소입니다.
• 실용성: 복잡한 전체 모델을 사용하는 경우와 경량화된 모델을 사용하는 경우를 구분하여, 실시간 제어 요구사항에 맞춰 유연하게 적용할 수 있는 체계를 제시했습니다.

결론적으로, 이 논문은 dVRK-Si 에 대한 체계적인 모델링과 식별을 통해 로봇 보조 수술의 신뢰성과 정밀도를 높이는 중요한 이정표가 되었습니다.