Quasi-Static Control of Discrete Cosserat Rod

부드러운 로봇을 관절과 기어로 구성된 경직된 기계가 아니라, 살아 움직이는 유연한 면이나 스파게티 한 가닥으로 상상해 보세요. 이 "면"을 제어하는 것은 까다롭습니다. 무한한 방식으로 구부리고, 비틀고, 늘리고, 전단할 수 있기 때문입니다. 이 논문은 Srishti Siddharth 가 작성했으며, 시행착오를 통해 학습할 필요 없이 원하는 위치로 정확히 이동하거나 특정 형태를 유지할 수 있도록 이 "면"에 "뇌"를 부여하는 기발한 방법을 제안합니다.

다음은 간단한 비유를 사용한 그들의 접근 방식에 대한 요약입니다:

1. 문제: 무한한 면

전통적인 로봇은 팔꿈치와 어깨가 있는 인간의 팔처럼 경직된 블록의 사슬과 같습니다. 모든 관절의 각도를 알면 손이 정확히 어디에 있는지 알 수 있습니다.

반면, 부드러운 로봇은 정원 호스와 같습니다. 끝을 밀면 호스 전체가 꿈틀거립니다. 이를 제어하려면 수학적 지도가 필요합니다. 저자들은 로봇을 늘리고 비틀 수 있는 연속선으로 취급하는 코시라트 로드 (Cosserat Rod) 이론을 사용합니다. 그러나 연속적이고 꿈틀거리는 선에 대한 수학을 푸는 것은 매우 복잡합니다 (흐르는 강물의 모든 물 분자의 경로를 예측하려는 시도와 같습니다).

2. 해결책: "구슬" 방식 (PCS)

수학을 관리 가능하게 만들기 위해 저자들은 구간별 일정 변형 (Piecewise Constant Strain, PCS) 이라는 방법을 사용합니다.

• 비유: 길고 유연한 면을 몇 개의 뚜렷한 경직된 세그먼트로 쪼개어, 구슬 줄이나 연결된 블록으로 만든 장난감 뱀처럼 만든다고 상상해 보세요.
• 작동 원리: 로봇을 하나의 연속된 꿈틀거리는 선으로 취급하는 대신, $N$ 개의 짧은 섹션으로 이루어진 것처럼 가정합니다. 각 섹션 내부에서는 굽힘과 비틀림이 일정합니다 (섹션의 한 끝에서 다른 끝까지 변하지 않습니다).
• 결과: 이는 초복잡한 연속적인 문제를 경직된 관절을 가진 전통적인 로봇과 정확히 같은 시스템으로 변환합니다. 갑자기 수학이 훨씬 쉬워져서 표준 산업용 로봇 팔에 사용되는 수학과 비슷해집니다.

3. 뇌: 명령을 내리는 두 가지 방법

이 논문은 이 구슬 로봇에게 무엇을 해야 할지 알려주는 두 가지 다른 "제어 법칙"(알고리즘) 을 설계합니다. 이를 운전자에게 방향을 알려주는 두 가지 다른 방법으로 생각할 수 있습니다.

방법 A: "자세" 제어기 (변형 공간)

• 목표: 로봇이 특정 형태 (예: "C"자나 나선) 를 유지하도록 하는 것입니다.
• 비유: 조각가가 된다고 상상해 보세요. 점토에게 방 안에서 어디로 가라고 말하는 것이 아니라, 점토에게 어떻게 구부러지라고 말하는 것입니다.
• 작동 원리: 제어기는 원하는 형태를 달성하기 위해 각 "구슬"이 얼마나 구부러지거나 비틀려야 하는지 정확히 계산합니다. 피드백 루프를 사용합니다. "여기는 너무 많이 구부러졌으니, 저기는 덜 구부려."라고 말합니다. 중력이 로봇을 아래로 당기려 하더라도 로봇이 완벽한 형태에 정착하여 그곳에 머무르도록 보장합니다.

방법 B: "목표" 제어기 (작업 공간)

• 목표: 로봇의 끝 (엔드 이펙터) 이 공중에 원을 그리는 것과 같이 특정 경로를 따르도록 하는 것입니다.
• 비유: 차를 운전한다고 상상해 보세요. 매 초마다 스티어링 휠의 특정 각도가 아니라 목적지 (GPS 핀) 만 신경 쓴다고 가정해 봅시다.
• 작동 원리: 제어기는 잠시 내부 굽힘을 무시하고 끝부분에 집중합니다. 끝을 목표 쪽으로 밀어내기 위해 필요한 힘을 계산합니다. 끝이 왼쪽으로 벗어나면 오른쪽으로 힘을 가합니다. 이는 로봇의 손이 움직이는 목표를 따라가도록 할 때 매우 유용합니다.

4. "역매핑" (역운동학)

로봇이 움직이기 전에 컴퓨터는 알아야 합니다. "끝을 X 지점에 두려면 각 구슬이 얼마나 구부러져야 하는가?"

• 비유: 이는 특정 오리가미 crane 을 만들기 위해 종이를 어떻게 접어야 하는지 알아내는 것과 같습니다. 접는 방법이 여러 가지일 수 있지만, 컴퓨터는 최소한의 에너지 (가장 쉬운 접기) 를 사용하는 방법을 찾아야 합니다.
• 논문의 주장: 저자들은 뉴턴 - 라프슨 (Newton-Raphson) 이라는 방법을 사용하여 이 "접기" 퍼즐을 해결하는 알고리즘을 개발했습니다. 로봇이 중복성을 가지기 때문에 (필요 이상으로 더 많은 "관절"을 가지고 있기 때문에) 종종 같은 지점에 도달하는 여러 가지 방법이 있으며, 그들의 수학은 가장 좋은 방법을 찾을 수 있음을 보여주었습니다.

5. 결과: 시뮬레이션

저자들은 이 논문을 위해 물리적인 로봇을 만들지 않았습니다. 대신 광범위한 컴퓨터 시뮬레이션 (수치 실험) 을 수행했습니다.

• 실험 1 (형태): 로봇에게 특정 형태로 말아지도록 요청했습니다. 로봇은 완벽하게 수행하여 약 2.5 초 만에 형태에 정착했습니다.
• 실험 2 (원): 로봇의 끝이 원을 그리도록 요청했습니다. 두 가지 제어 방법 모두 작동했지만, "목표" 제어기 (방법 B) 는 끝이 원 위에 있도록 필요한 곳에만 힘을 가하는 매우 직접적인 방식이었습니다.
• 주의점: 논문은 로봇을 움직이기 위해 필요한 "힘"이 수백 뉴턴으로 상당히 클 수 있다고 지적합니다. 이는 재료가 부드러우더라도 단단한 재료를 움직이는 물리적 현실입니다.

요약

간단히 말해, 이 논문은 매우 복잡하고 꿈틀거리는 부드러운 로봇을 경직된 블록의 사슬로 단순화합니다. 그런 다음 두 가지 지시 사항을 작성합니다. 하나는 로봇에게 "이렇게 구부려서 형태를 유지하라"고 말하고, 다른 하나는 "손을 이 지점으로 움직여라"고 말합니다. 컴퓨터 시뮬레이션은 이러한 지시 사항이 작동함을 입증하여, 부드러운 로봇이 정확하게 움직이고 형태를 유지할 수 있게 하며, 부드러운 재료의 messy 한 세계와 경직된 로봇 제어의 정밀한 세계 사이의 간극을 메웁니다.