Task-Space Singularity Avoidance for Control Affine Systems Using Control Barrier Functions

1. 문제 정의 (Problem Statement)

로봇 및 동적 시스템에서 특이점 (Singularity) 은 제어 입력을 작업 공간 (Task-space) 운동으로 매핑하는 행렬의 순위 (Rank) 가 떨어질 때 발생합니다.

• 주요 문제점:
  • 원하는 방향으로 힘과 토크를 생성하는 능력이 상실되거나 제한됩니다.
  • 정확한 궤적 추적이 불가능해집니다.
  • 특이점 근처에서 행렬 역행렬을 사용하는 기존 제어기는 수치적 조건이 나빠져 (ill-conditioned) 급격한 제어 입력 (spikes) 을 발생시킵니다. 이는 시스템 불안정성, 성능 저하, 안전 사고로 이어질 수 있습니다.
• 기존 방법의 한계: 하이브리드 스위칭 제어, 하드웨어 재설계, 리 괄호 (Lie-bracket) 운동 합성, 정규화 기반 최적화 등의 기존 접근법은 특정 상황에서만 유효하거나 공식적인 안전 보장이 부족하며 일반화가 어렵습니다.

2. 제안된 방법론 (Methodology)

이 논문은 제어 장벽 함수 (Control Barrier Functions, CBF) 프레임워크를 도입하여 제어 아핀 시스템에서 특이점 회피를 보장하는 새로운 방법을 제시합니다.

A. 시스템 모델링 및 특이점 식별

• 시스템: $\dot{x} = f(x) + g(x)u$, $z = \gamma(x)$ 형태의 제어 아핀 시스템을 가정합니다.
• 입력 - 출력 매핑 행렬: 리 미분 (Lie derivative) 을 통해 정의된 상태 의존적 행렬 $\phi(x) = J(x)g(x)$ 를 사용합니다. 여기서 $J(x)$ 는 자코비안입니다.
• 특이점 조건: $\phi(x)$ 가 랭크 결손 (rank-deficient) 을 일으킬 때, 즉 $\phi(x)\phi(x)^T$ (또는 $\phi(x)^T\phi(x)$) 의 고유값 중 0 에 수렴하는 값이 존재할 때 특이점이 발생한다고 정의합니다.

B. 제어 장벽 함수 (CBF) 구성

특이점 회피를 위해 각 고유값 $\lambda_i(x)$ 를 기반으로 안전 집합을 정의합니다.

• 안전 집합 (Safe Set): $C_i = \{x \mid \lambda_i(x) - \varepsilon \geq 0\}$ (여기서 $\varepsilon$ 은 특이점으로부터의 안전 마진).
• CBF 후보 함수: $h_i(x) = \lambda_i(x) - \varepsilon$.
• 이론적 보장: 시스템의 드리프트 항 $f(x)$ 와 입력 행렬 $g(x)$ 를 고려하여 $\dot{h}_i(x) \geq -\alpha(h_i(x))$ 조건을 만족하는 제어 입력 $u$ 가 존재함을 증명합니다. 이는 시스템이 특이점 영역으로 진입하지 못하도록 보장합니다.

C. 최적화 문제 (Quadratic Program, QP)

안전 제약 조건 하에서 원하는 제어 입력 (참조 궤적) 에서의 편차를 최소화하는 QP 를 풉니다.

• 목적 함수: $\min (u - v(x))^T Q(x) (u - v(x))$
  • $Q(x)$ 는 $\phi(x)$ 의 랭크를 유지하도록 설계된 양정치 행렬입니다. 과구동 (over-actuated) 시스템의 경우 정규화 항 $\Gamma$ 를 추가하여 볼록성을 보장합니다.
• 제약 조건: $L_f h(x) + L_g h(x) u \geq -\alpha(h(x))$
• 해결 방식:
  1. 분석적 접근 (Analytical): 고유값의 명시적 식을 유도하여 미분 가능한 CBF 를 구성 (예: 2 링크 매니퓰레이터).
  2. 수치적 접근 (Numerical): 복잡한 시스템의 경우 고유값 식의 대수적 도출이 어렵기 때문에, 특이값 분해 (SVD) 를 사용하여 특이점 영역을 3D 점 구름 (point cloud) 으로 식별하고, 이를 가상의 장애물로 모델링하여 CBF 를 구성합니다.

3. 주요 기여 (Key Contributions)

1. 일반화된 CBF 프레임워크: 과구동, 과소구동, 완전 구동 시스템 모두에 적용 가능한 특이점 식별 및 회피 이론을 정립했습니다.
2. 이론적 안전성 증명: 액추에이터 동역학 및 제어 제약 조건 하에서 특이점 회피에 대한 이론적 안전 보장을 제공했습니다.
3. 실용적 구현 전략: 복잡한 시스템에 대해 해석적 유도 대신 수치적 SVD 와 점 구름 기반 장애물 회피 기법을 도입하여 계산 효율성과 적용성을 높였습니다.
4. 실시간 제어 통합: CBF-QP 를 통해 참조 궤적에서의 편차를 최소화하면서 실시간으로 제어 입력을 조정하는 알고리즘을 제시했습니다.

4. 실험 결과 (Results)

두 가지 사례 연구를 통해 방법론의 유효성을 검증했습니다.

• 사례 1: 평면 2 링크 매니퓰레이터

  • 상황: 팔이 곧게 펴지는 (joint angle $q_2 \to 0$) 특이점 경로로 이동하는 시나리오.
  • 결과: CBF 를 적용하지 않은 경우, 자코비안의 조건이 나빠져 관절 속도에 큰 스파이크가 발생했습니다. 반면 CBF 를 적용한 경우, 관절 각도가 특이점에서 약간 벗어나도록 수정되어 궤적이 매끄럽게 유지되었고, 제어 입력 스파이크가 최대 100 배 (Joint 1: 70 배, Joint 2: 100 배) 감소했습니다.

• 사례 2: 자기 구동 바늘 (Magnetically Actuated Needle)

  • 상황: 4 개의 전자기석을 이용한 바늘의 봉합 (suturing) 작업.
  • 방법: 특이점 영역을 3D 점 구름으로 식별하고 가상의 장애물로 간주하여 CBF-QP 를 적용했습니다.
  • 결과: 바늘이 특이점 영역에 도달하기 직전 방향을 미세하게 조정하여 랭크 결손을 피하면서도 봉합 경로를 정확히 따랐습니다.
    • 위치 오차 (RMS): 0.99 mm
    • 방향 오차 (RMS): 0.65 rad
    • 최대 전류: 4 A
  • 의의: 유연한 조직에서의 봉합 작업 시 작은 방향 편차는 품질에 영향을 주지 않으면서 안전성을 확보했습니다.

5. 의의 및 결론 (Significance & Conclusion)

이 연구는 로봇 공학 및 제어 분야에서 특이점 회피라는 오랜 과제를 형식적 안전 보장 (Formal Safety Guarantee) 을 갖춘 CBF 프레임워크로 해결했습니다.

• 기존 방법들이 가진 안전성 보장 부재나 일반화 어려움을 극복했습니다.
• 해석적 및 수치적 접근법을 모두 제공하여 단순한 매니퓰레이터부터 복잡한 의료용 로봇 (자기 구동 바늘) 까지 다양한 시스템에 적용 가능합니다.
• 급격한 제어 입력을 억제하여 시스템의 안정성을 높이고, 에너지 효율성을 개선하며, 안전 사고를 예방하는 데 기여합니다.

결론적으로, 이 논문은 동적 시스템이 작업 공간에서 랭크 결손을 겪지 않도록 실시간으로 제어 입력을 최적화하는 강력한 도구를 제공하며, 특히 안전이 중요한 응용 분야 (의료 로봇, 자율 주행 등) 에 큰 가치를 지닙니다.