Bi-Level Optimization for Contact and Motion Planning in Rope-Assisted Legged Robots

로프 보조 보행 로봇의 접촉 및 운동 계획에 관한 이차원 최적화" 논문의 상세 기술 요약입니다.

1. 문제 정의

본 논문은 로프를 사용하여 수직 또는 가파른 표면을 오르는 보행 로봇의 이동 계획 과제를 다룹니다. 로프는 그간 접근 불가능했던 지역으로의 접근을 가능하게 하지만, 다음과 같은 이유로 계획 및 제어에 상당한 복잡성을 도입합니다:

• 미구동성 (Underactuation): 로프 장력은 단방향 (로프는 당길 수 있지만 밀 수는 없음) 이며, 중력은 측면 운동을 제한합니다.
• 혼합 정수성 (Mixed-Integer Nature): 이 문제는 이산적인 접촉 위치(착지할 곳) 를 동시에 선택하고 연속적인 제어 입력(로프 장력, 다리 힘, 점프 타이밍) 을 최적화해야 합니다.
• 환경 제약: 로봇은 물리적 하드웨어 한계 (구동 범위, 마찰 원뿔) 를 준수하면서 복잡한 불규칙 지형 (예: 오버행, 균열, 장애물이 있는 암벽) 을 항해해야 합니다.

기존 방법들은 접촉 암시적 완화 (계산량이 많음) 에 의존하거나 명시적 매개변수화 (접후 후보에 따라 지수적 복잡도) 를 사용합니다. 본 논문은 계산 효율성과 동적 실현 가능성 사이의 균형을 맞추는 로프 보조 점프 로봇을 위한 구체적인 해결책을 제안합니다.

2. 방법론

저자들은 이산적 의사결정 (접촉 스케줄링) 을 연속 궤적 최적화에서 분리하는 이차원 최적화 프레임워크를 제안합니다.

A. 로봇 플랫폼 (ALPINE)

본 프레임워크는 다음과 같은 새로운 플랫폼인 ALPINE 로봇에서 검증되었습니다:

• 두 개의 로프: 고정 앵커에 부착되며, 호이스트 모터에 의해 독립적으로 감기거나 풀립니다.
• 프리즘형 다리: 로봇을 벽에서 밀어내어 점프를 시작합니다.
• 착지 다리: 운동 에너지를 소산하기 위한 수동 비틀림 스프링이 장착되어 있습니다.
• 후방 프로펠러: 비행 중 로프 평면에 수직인 방향의 추적 오차를 보정합니다.
• 모델: 계획 시 로프가 팽팽하게 유지되고 질량이 질량 중심 (CoM) 에 집중된다고 가정하는 축소 차수 3-자유도 (3-DOF) 모델을 사용하며, 일반화 좌표 ($\psi, l_1, l_2$) 를 통해 홀로노믹 제약을 제거합니다.

B. 비용 지도 생성

지형 비용 지도는 패치 선택을 안내하기 위해 높이 지도 (포인트 클라우드) 에서 생성됩니다:

• 필터: 경사 (1 차 미분), 거칠기 (2 차 미분), 깊이 (앵커 수직선 내부 깊은 지역을 패널티 부과).
• 패치 분할: 환경은 이산적인 패치로 나뉩니다. 각 패치는 필터들의 선형 조합에 기반한 품질 점수를 가집니다.

C. 이차원 최적화 체계

핵심 알고리즘은 외부 루프와 내부 루프로 구성됩니다:

1. 외부 루프: 접촉 스케줄링 (교차 엔트로피 방법 - CEM)

• 목표: 점프 횟수($n$) 와 착지 패치의 시퀀스 ($\pi$) 를 결정합니다.
• 접근법: 이산 정수 변수를 처리하기 위해 기울기 없는 블랙박스 교차 엔트로피 방법을 사용합니다.
• 과정:
  • 범주형 확률 분포에서 후보 솔루션 (점프 횟수 및 패치 ID) 을 샘플링합니다.
  • 비용 함수 $F(D)$를 기반으로 후보를 평가합니다.
  • "엘리트"(최고 성능) 샘플에 기반하여 확률 분포를 업데이트하여 최적 시퀀스로 수렴합니다.
• 비용 함수: 선택된 패치의 평균 지형 비용과 내부 루프의 결과 (에너지 소비 + 수렴 패널티) 를 결합합니다.

2. 내부 루프: 궤적 최적화 (비선형 계획법)

• 목표: 동적으로 실현 가능한 점프 궤적을 계산하고 선택된 패치 내의 정확한 착지 좌표를 최적화합니다.
• 접근법: 비선형 계획법 (NLP) 으로 전사된 **비선형 최적 제어 문제 (OCP)**로 공식화됩니다.
• 변수:
  • 상태: 일반화 좌표 ($\psi, l_1, l_2$) 와 그 속도.
  • 제어: 로프 힘 ($f_{rl}, f_{rr}$) 과 다리 임펄스 ($f_{leg}$).
  • 의사결정 변수: 점프 지속 시간 ($t_f$) 과 패치 내 착지 위치.
• 제약 조건:
  • 동역학: 축소 차수 로봇 동역학.
  • 충돌: 로봇이 벽 메쉬와 교차하지 않도록 보장 (부호付き 거리 함수 사용).
  • 구동: 단방향 로프 힘, 다리 추력 한계, 마찰 원뿔 제약.
  • 착지: 선택된 패치 내에서 착지하도록 강제하고 지형 메쉬와 일치시킵니다.
• 목적 함수: 로프 힘의 평활화, 호이스트 작업 (에너지), 착지점의 지형 비용을 최소화합니다.

3. 주요 기여

1. 이차원 프레임워크: 이산적 접촉 계획에는 CEM 을, 연속 운동 계획에는 기울기 기반 NLP 를 결합한 새로운 아키텍처로, 특히 미구동 로프 보조 시스템에 맞게 설계되었습니다.
2. 동시 최적화: 사전에 접촉을 고정하는 대신, 패치 내 착지 위치와 점프 궤적을 동시에 최적화할 수 있는 능력.
3. 지형 인식: 로봇을 장애물을 피하면서 안전하고 평탄한 착지 구역으로 안내하기 위해 형태학적 비용 지도 (경사, 거칠기, 깊이) 를 통합.
4. ALPINE 검증: 현실적인 동역학과 제약 조건을 갖춘 복잡한 미구동 로봇 플랫폼에서의 성공적인 시연.

4. 실험 결과

본 프레임워크는 MPC 컨트롤러와 함께 Gazebo 에서 ALPINE 로봇을 사용하여 세 가지 시뮬레이션 시나리오에서 테스트되었습니다:

• 사용 사례 1 (구형 장애물): 로봇은 큰 구형 장애물을 우회해야 했습니다. 계획기는 단일 점프가 불가능하다고 판단하고 장애물을 우회하기 위한 다중 점프 시퀀스(3 회 점프) 를 생성했으며, 4 회 CEM 반복 후 수렴했습니다.
• 사용 사례 2 (다중 돌출부 지형): 로봇은 복잡한 장애물이 있는 하향 경로를 항해했습니다. 중력이 운동을 돕지만, 장애물 패턴은 최소 3 회 점프를 요구했습니다. 전체 시퀀스 지속 시간은 9.45 초였습니다.
• 사용 사례 3 (MPC 가 있는 암벽): 질감이 있는 암벽에서의 고정밀 시뮬레이션입니다. 계획기는 여러 점프가 필요한 20m 궤적을 생성했습니다. 시스템은 추적 오차를 보정하기 위해 각 착지 후 재최적화(실제 착지 상태를 새로운 초기 조건으로 사용) 를 수행했습니다. MPC 컨트롤러는 프로펠러와 로프 구동을 통해 외부 교란을 거부하며 최적화된 궤적을 성공적으로 추적했습니다.

성능:

• CEM 솔버는 모든 클래스에 대한 최소 확률이라는 정규화 메커니즘을 통해 국소 최소값을 피하면서 탐색 공간을 효과적으로 탐색했습니다.
• CEM 외부 루프의 병렬화는 실행 시간을 크게 단축했습니다.
• 시스템은 에너지 소비와 제약 조건 충족 사이의 트레이드오프 (예: 제한된 로프 구동을 수용하기 위해 더 긴 점프 지속 시간 사용) 를 성공적으로 처리했습니다.

5. 의의 및 향후 작업

• 의의: 본 연구는 로프 보조 로봇을 위한 이산적 접촉 계획과 연속 운동 제어 간의 간극을 해소합니다. 접촉 선택을 동적 실현 가능성에 기반한 확률적 탐색 문제로 취급함으로써 복잡한 미구동 등반 작업을 자율적으로 해결할 수 있음을 보여줍니다.
• 한계: 현재 모델은 장애물 내 케이블 침투나 다리 구동기의 공압 가스 공급 고갈을 고려하지 않습니다.
• 향후 작업: 저자들은 케이블 - 장애물 상호작용 모델을 포함하고, 에너지 자원 고갈을 위한 적합도 항을 추가하며, 물리적 하드웨어에서 프레임워크를 검증할 계획입니다.

결론적으로, 본 논문은 지능적으로 로프 보조와 동적 점프 능력을 결합하여 보행 로봇이 도전적인 수직 지형을 자율적으로 항해할 수 있게 하는 견고하고 계산 효율적인 계획 파이프라인을 제시합니다.