⚡ electrical engineering

Integrated Identification of Collaborative Robots for Robot Assisted 3D Printing Processes

이 논문은 협동 로봇 기반 3D 프린팅 공정의 정밀도와 제어 성능을 향상시키기 위해 로봇, 구동기, 제어기를 통합적으로 식별하여 물리적으로 일관된 동역학 모델을 구축하는 5 단계 방법론을 제안하고 실험을 통해 검증했습니다.

원저자: Alessandro Dimauro, Davide Tebaldi, Fabio Pini, Luigi Biagiotti, Francesco Leali

게시일 2026-04-03

📖 4 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Alessandro Dimauro, Davide Tebaldi, Fabio Pini, Luigi Biagiotti, Francesco Leali

원본 논문은 CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ✨ 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

이 논문은 **"협동 로봇 (Collaborative Robot) 이 3D 프린팅을 할 때, 어떻게 하면 더 정밀하고 똑똑하게 움직일 수 있을까?"**에 대한 해답을 제시합니다.

일반적인 3D 프린터는 직선으로만 움직이는 '카트'처럼 생겼지만, 이 연구에서는 사람의 팔처럼 여러 관절로 되어 있는 로봇 팔을 3D 프린터로 사용합니다. 이렇게 하면 구불구불한 모양이나 복잡한 곡선도 쉽게 만들 수 있지만, 로봇 팔은 무겁고 관절이 많아서 움직일 때 흔들림이나 오차가 생기기 쉽습니다.

이 논문은 그 오차를 줄이기 위해 로봇의 '뇌'와 '근육'을 정확히 이해하는 방법을 개발했습니다. 마치 의사가 환자를 진단하듯, 로봇의 상태를 정확히 파악하여 더 정교하게 조종하는 기술입니다.

이 내용을 일상적인 비유로 설명해 드리겠습니다.

1. 문제 상황: "무거운 로봇 팔의 고난"

상상해 보세요. 한 손에 무거운 물감을 든 사람이 캔버스에 그림을 그리려 합니다.

기존 방식 (카트식 3D 프린터): 사람이 아니라 기계가 직선으로만 움직이므로 그림이 정확합니다. 하지만 구불구불한 산이나 복잡한 곡선은 그릴 수 없습니다.
새로운 방식 (로봇 팔 3D 프린터): 사람이 팔을 휘두르며 그림을 그립니다. 자유도는 높지만, 팔이 무거우면 흔들리고, 관절이 비틀어지며, 그림자가 (오차가) 생깁니다. 특히 팔을 빠르게 움직일 때나 무거운 물건을 들고 있을 때 더 심해집니다.

이 연구는 **"로봇 팔이 왜 흔들리는지, 그 흔들림을 어떻게 계산해서 고칠지"**를 찾아낸 것입니다.

2. 해결책: "5 단계 로봇 진단 프로그램"

저자들은 로봇을 한 번에 다 고치려 하지 않고, 5 단계에 걸쳐 하나씩 진단하는 독특한 방법을 썼습니다. 마치 자동차 정비사가 차를 고칠 때 엔진, 타이어, 브레이크를 따로따로 점검하는 것과 같습니다.

1 단계: 설계도 (CAD) 로 시작하기
- 로봇을 만들기 전에 컴퓨터에 그린 설계도 (CAD) 를 봅니다. "이 부품은 무게가 얼마고, 중심은 어디에 있지?"라고 미리 계산합니다.
- 비유: 요리하기 전에 레시피와 재료의 무게를 미리 계산해 두는 것과 같습니다.
2 단계: 정지 상태에서의 무게 재기
- 로봇이 가만히 서 있을 때, 특정 자세로 멈추게 하고 얼마나 힘이 들어가는지 측정합니다. 설계도상의 무게와 실제 무게가 다를 수 있으니, 이걸로 수정합니다.
- 비유: 요리를 할 때 "이 재료가 레시피대로 100g 이나, 실제로는 105g 이네?"라고 저울로 다시 확인하고 양을 조절하는 것입니다.
3 단계: 마찰력 찾기 (미끄러짐 감지)
- 로봇이 천천히 앞뒤로 움직일 때, 관절이 서로 부딪히며 생기는 '마찰력'을 측정합니다. 로봇이 움직일 때 생기는 '끼이이이' 소리와 같은 저항을 수치화합니다.
- 비유: 자전거 페달을 밟을 때 체인이 얼마나 거친지, 바퀴가 얼마나 잘 미끄러지는지 느껴보는 것입니다.
4 단계: 로봇의 '반응 속도' 파악하기
- 협동 로봇은 사람과 함께 일하므로 너무 급하게 움직이면 안 됩니다. 그래서 로봇의 제어기 (뇌) 가 명령을 얼마나 빠르게 받아들이고 반응하는지, 아주 작은 힘으로 테스트합니다.
- 비유: 운전자가 핸들을 돌렸을 때 차가 얼마나 빨리 반응하는지, 브레이크를 밟았을 때 멈추는 시간이 얼마나 걸리는지 확인하는 것입니다.
5 단계: 나머지 숨은 변수 채우기
- 위 단계에서 못 찾은 전기 모터의 특성이나 기어의 강도 같은 값들은, 비슷한 로봇들의 데이터를 참고하여 채워 넣습니다.
- 비유: 레시피에 없는 '간'을 요리사의 경험 (유사한 데이터) 을 바탕으로 적당히 더하는 것입니다.

3. 결과: "완벽한 조화"

이렇게 5 단계를 거쳐 로봇의 모든 수치를 정확히 파악하자, 컴퓨터 시뮬레이션 (가상 로봇) 과 실제 로봇의 움직임이 거의 똑같아졌습니다.

실험 결과: 로봇이 3D 프린팅을 할 때, 실제 로봇이 그린 모양과 컴퓨터가 예측한 모양의 오차가 매우 작았습니다.
의미: 이제 로봇은 "아, 내가 지금 이 자세로 움직이면 이렇게 흔들리겠구나"라고 미리 알고, 그 흔들림을 보정하여 더 정밀하게 물건을 만들 수 있게 되었습니다.

4. 왜 중요한가요?

이 기술은 자동차 부품이나 복잡한 예술 작품처럼 정밀도가 중요한 물건을 3D 프린팅할 때 매우 유용합니다.

정밀도 향상: 로봇이 흔들리지 않고 정확한 위치에 물질을 쌓아 올립니다.
예측 가능성: "이 속도로 가면 오차가 생길 거야"라고 미리 알려주어 실패를 줄여줍니다.
협동 로봇의 가능성: 사람과 함께 일하는 로봇 (협동 로봇) 도 이제 정밀한 제조 공정에 쓸 수 있게 되었습니다.

요약

이 논문은 **"로봇 팔이 3D 프린팅을 할 때 생기는 흔들림을, 설계도부터 실제 마찰력, 뇌의 반응 속도까지 5 단계로 꼼꼼히 분석하여 로봇의 '몸과 마음'을 정확히 이해하게 만든 방법"**을 소개합니다. 그 결과, 로봇이 훨씬 더 똑똑하고 정교하게 일할 수 있게 되었습니다.

1. 연구 배경 및 문제 정의 (Problem)

배경: 적층 제조 (AM, 3D 프린팅) 와 산업용 로봇의 통합은 자동차 부품 등 복잡한 형상의 대량 생산에 새로운 가능성을 열었습니다. 특히 협동 로봇 (Cobots) 을 사용하면 기존 3 축 직교 좌표계 시스템의 작업 공간 및 운동학적 한계를 극복하고, 비평면 (non-planar) 적층이 가능해집니다.
문제점:
- 협동 로봇은 직교 좌표계 시스템에 비해 강성이 낮고 관절 간 동역학 결합 (coupled dynamics) 이 강해 고속 궤적에서 위치 정밀도가 저하됩니다.
- 기존 로봇 기반 3D 프린팅은 센서 및 프로그래밍의 제한 (안전성으로 인한 급격한 운동 불가 등) 으로 인해 정밀한 동역학 모델링과 오차 예측이 어렵습니다.
- 기존의 파라미터 식별 방법 (회귀 분석 등) 은 물리적 일관성 (질량, 관성 모멘트 등의 물리 법칙 준수) 을 보장하지 못하거나, 모든 파라미터를 한 번에 식별하려다 수렴 문제를 겪는 경우가 많습니다.

2. 제안된 방법론 (Methodology)

저자들은 로봇, 구동기 (Actuators), 제어기 (Controllers) 를 포함한 시스템의 동역학 모델을 구축하고, 이를 위한 5 단계 통합 파라미터 식별 절차를 제안했습니다.

1 단계: CAD 파일 기반 기하학적 및 관성 파라미터 초기 추정
- 로봇 부품의 3D CAD 모델을 활용하여 부피와 질량을 계산하고, 평균 밀도를 적용하여 각 링크의 초기 질량 및 관성 텐서를 추정합니다.
- 링크 간 거리 벡터, 회전 축 단위 벡터 등 기하학적 파라미터를 추출합니다.
2 단계: 정적 측정 및 엔드 이펙터 측정을 통한 관성 파라미터 정교화
- 전략적으로 선정된 정적 자세에서 토크를 측정하여 CAD 에서 추정된 질량 및 관성 모멘트의 보정 계수 ( $\lambda_k$ ) 를 계산합니다.
- 반복적인 절차 없이 명시적 공식을 사용하여 파라미터를 업데이트하며, 정적 마찰의 영향을 최소화하기 위해 작은 진동을 활용합니다.
3 단계: 저속 측정을 통한 마찰 파라미터 식별
- 힘/토크 센서 없이, 대칭적인 주기 궤적 (양방향 일정 속도 구간) 을 활용합니다.
- 관성, 코리올리/원심력, 중력 항이 상쇄되는 원리를 이용하여 마찰 토크 ( $\tau_f$ ) 만을 분리해내고, Stribeck + 점성 마찰 모델을 식별합니다.
4 단계: 외부 교란이 있는 정적 측정을 통한 제어기 파라미터 식별
- 협동 로봇의 안전 제한으로 인해 급격한 운동이 불가능하므로, 정적 상태에서 외부 토크 교란을 인가하여 제어기 (PI 제어기) 의 이득 ( $K_p$ ) 및 제로 ( $T_z$ ) 파라미터를 식별합니다.
- MATLAB System Identification Toolbox 를 활용한 반복적 탐색 과정을 사용합니다.
5 단계: 잔여 파라미터 식별
- 감속비, 모터 상수, 전기적 시정수, 감쇠 계수 등 직접 측정이 어려운 파라미터는 문헌의 전형적인 값 (Typical values) 을 기반으로 추정하여 모델의 완전성을 확보합니다.

3. 주요 기여 (Key Contributions)

통합 식별 절차: 로봇 동역학뿐만 아니라 구동기 (전동기) 와 제어기의 동역학을 통합적으로 모델링하고 식별하는 체계적인 5 단계 프로세스를 제시했습니다.
물리적 일관성 보장: CAD 데이터와 정적 측정을 결합하여 식별된 파라미터가 물리적으로 타당하도록 보장하며, 복잡한 제약 조건을 부과하지 않고도 일관성을 유지합니다.
협동 로봇의 한계 극복: 센서 및 안전 제한이 있는 협동 로봇 환경에서도 정밀한 동역학 모델을 구축할 수 있는 방법을 제시했습니다.
실증적 검증: 실제 3D 프린팅 공정 (열가소성 수지 압출) 에 적용된 6 자유도 (6-DoF) 협동 로봇 (ABB GoFa CRB15000) 을 대상으로 실험을 수행하여 모델의 유효성을 입증했습니다.

4. 실험 결과 (Results)

실험 설정: ABB GoFa CRB15000 로봇을 사용하여 다양한 속도 ( $v_{slow}, v_{fast}$ ), 가속도 ( $a$ ), 그리고 로봇 베이스와의 거리 ( $d$ ) 조건에서 19 가지 실험 포인트 (Design of Experiments) 를 수행했습니다.
모델 정확도:
- 식별된 모델의 시뮬레이션 결과와 실제 로봇의 실험 데이터 간에 매우 높은 일치도를 보였습니다 (RMSE 및 MAE 지표 확인).
- 특히 관절 궤적 (Joint space trajectories) 에서 모델과 실험 데이터가 강하게 일치함을 확인했습니다.
인자 영향 분석:
- 이동 속도 ( $v_{slow}$ ): 인쇄 품질 (오차) 에 가장 큰 영향을 미치는 요인이며, 속도가 증가할수록 오차가 크게 증가했습니다.
- 거리 ( $d$ ): 로봇 팔이 확장된 상태 (Extended configuration) 에서 오차가 증가하는 경향을 보였습니다.
- 가속도 및 고속 이동: 오차에 미치는 영향은 상대적으로 작거나 통계적으로 유의미하지 않았습니다.
3D 프린팅 품질: 인쇄된 큐브의 치수 오차 분석 결과, 식별된 모델을 기반으로 한 제어가 인쇄 정밀도 향상에 기여할 수 있음을 보여주었습니다.

5. 의의 및 결론 (Significance)

정밀도 및 제어 향상: 제안된 통합 식별 방법은 협동 로봇의 동역학적 특성을 정밀하게 파악하여, 로봇 지원 3D 프린팅 공정의 정밀도, 제어 성능, 그리고 오차 예측 능력을 크게 향상시킬 수 있음을 입증했습니다.
디지털 트윈 기반: 구축된 신뢰할 수 있는 동역학 모델은 향후 디지털 트윈 (Digital Twin) 기술의 핵심 기반이 되어, 실시간 오차 보상 및 공정 최적화에 활용될 수 있습니다.
확장성: 이 방법론은 다양한 협동 로봇 및 복잡한 제조 공정에 적용 가능하여, 산업용 로봇의 성능 한계를 극복하는 데 중요한 기여를 할 것으로 기대됩니다.

결론적으로, 이 연구는 센서 및 제어 제약이 있는 협동 로봇 환경에서도 물리적으로 일관된 정밀 동역학 모델을 구축할 수 있는 체계적인 방법론을 제시하고, 이를 실제 3D 프린팅 공정을 통해 성공적으로 검증했다는 점에서 의의가 큽니다.