기술 요약: COSMIC – 로봇 시스템을 위한 구조, 재료 및 통합 제어의 동시 최적화

문제 제기

로봇 공학 분야는 자연 생물의 자율성을 모방하고 이를 초월하는 것을 목표로 하지만, 현재 로봇 시스템은 생물학적 대응물과 비교하여 종종 비최적의 성능과 제한된 다양성을 겪고 있습니다. 주요 한계는 구조, 재료, 제어가 별도로 또는 순차적으로 개발되는 관례적인 설계 패러다임에 있습니다. 자연계에서는 이러한 요소들이 공진화하여 전문화되고 적응적인 생물을 만들어냅니다. 반면, 인공 시스템에서 이러한 분리는 설계 공간을 제한하며, 물리적 역학과 제어 전략의 긴밀한 결합에서 비롯된 집단적 효과를 포착하지 못합니다.

최근 소프트 로봇 공학과 미분 가능한 시뮬레이션의 발전이 연속 시스템에 대한 공동 설계 (co-design) 를 가능하게 했지만, 이산적 로봇 시스템(트러스 격자 로봇, 보행 로봇, 텐세그리티 구조 등) 의 공동 설계는 여전히 도전적입니다. 이러한 시스템은 이산적 토폴로지와 재료 선택을 연속 제어 매개변수와 결합한 혼합 변수 설계 공간, 급격한 불연속성, 그리고 매우 비볼록한 최적화 지형을 제시합니다. 기존 경사 기반 방법은 이러한 이산 시스템에서 어려움을 겪으며, 토폴로지, 재료 분포, 제어 정책을 동시에 최적화하여 시스템 성능에 대한 개별적 및 집단적 기여를 규명할 수 있는 포괄적인 프레임워크가 부족합니다.

방법론

저자들은 이산적 트러스 격자 로봇을 위한 경사 기반 공동 설계 프레임워크인 COSMIC을 제안합니다. 이 프레임워크는 세 가지 서로 다른 엔티티의 최적화를 통합합니다:

1. 토폴로지: 트러스 네트워크의 연결성.
2. 재료 분포: 각 트러스 요소에 대한 재료 유형 (공공, 골격, 액추에이터) 의 할당.
3. 제어 정책: 시공간 신경망 제어기.

1. 통합 설계 표현

프레임워크는 로봇을 노드와 엣지의 그래프로 표현합니다. 이산적 선택에 대한 경사 기반 최적화를 가능하게 하기 위해 저자들은 연속 완화 (continuous relaxation) 전략을 사용합니다:

• 혼합 변수 완화: 각 엣지 $E_{ij}$는 공공, 골격, 또는 액추에이터 상태일 확률을 나타내는 연속적인 3 차원 벡터 $z_{ij} \in [0, 1]^3$와 연관됩니다.
• 소프트맥스 투영: 스케일된 소프트맥스 함수가 이러한 연속 벡터를 정규화된 재료 상태 벡터 $\tilde{z}_{ij}$로 투영하여 원-핫 인코딩을 근사합니다. 스케일링 인자 $\beta$는 이 투영의 날카로움을 조절합니다.
• 재료 특성: 라이브러리 행렬 $\Psi$가 재료 상태를 기계적 특성 (강성 $k$, 선형 밀도 $\rho$, 최대 액추에이션 변형률 $a_{max}$) 에 매핑합니다. 각 트러스의 유효 특성은 $\tilde{z}_{ij}$에 기반하여 보간됩니다.
• 제어 네트워크: 다층 퍼셉트론 (MLP) 이 제어 신호를 생성합니다. 입력에는 중앙 패턴 생성기 (CPG) 신호, 노드 위치 오프셋, 속도, 그리고 목표 벡터가 포함됩니다. 원시 MLP 출력은 재료 상태 벡터에 의해 변조되어, 액추에이터 상태에 있는 트러스만이 목표 변형률 명령을 받도록 합니다.

2. 미분 가능한 동적 시뮬레이션

프레임워크는 시스템 역학을 평가하기 위해 GPU 병렬 미분 가능 시뮬레이터(Taichi 로 구현됨) 를 활용합니다.

• 물리 모델: 트러스 힘은 일반화된 훅의 법칙에 의해 지배되며, 여기서 내부 힘은 현재 길이와 제어기에 의해 결정된 목표 길이 사이의 차이에 의존합니다.
• 접촉 처리: 지면 접촉을 처리하고 침투를 방지하며 경사 불연속성을 줄이기 위해 고충실도 충돌 시간 (Time of Impact, TOI) 방식이 사용됩니다. 이는 마찰 감쇠를 포함한 충돌 사건을 통한 역전파 (backpropagation) 를 가능하게 합니다.
• 미분 가능성: 전체 순방향 시뮬레이션 (적분, 접촉 해결, 제어 생성) 은 계산 그래프를 형성하여 구조 변수와 신경망 가중치에 대한 성능 목적 함수의 경사를 자동으로 계산할 수 있게 합니다.

3. 제약 최적화 전략

공동 설계 문제는 전진 이동 거리를 최대화하기 위한 제약 최적화로 공식화됩니다.

• 목적 함수: 페이로드 헤드 노드의 음의 변위를 최소화합니다.
• 제약 조건:
  • 부피 분율: 총 고체 부피와 액추에이터 부피에 대한 상한 및 하한.
  • 이진화: 연속 변수를 이산 상태 쪽으로 유도하기 위해, 프레임워크는 전역 이진화 페널티(L2 노름) 와 재료 상태 간의 중첩을 최소화하는 쌍별 직교 페널티를 사용합니다.
• 최적화 알고리즘:
  • 증강 라그랑주 (AL): 이진화 제약을 적응적으로 처리하기 위해 사용되며, 엄격한 제약을 부과하기 전에 설계 공간을 탐색하기 위해 일시적인 위반을 허용합니다.
  • 다단계 프로세스:
    1. 공동 설계 단계: MLP 가중치 (Adam 을 통해) 와 재료 설계 벡터 (이동 점근선 방법, MMA 를 통해) 의 교대 업데이트.
    2. 안정성 통과: 고도로 날카롭게 된 투영 ($\beta_{stab}$) 과 Straight-Through Estimator (STE) 를 사용한 보조 평가를 통해 emerging 이산 기하학의 구조적 무결성을 평가.
    3. 반복적 인력: 설계 벡트가 지배적인 이산 상태로 점진적으로 "밀려나는" 단계.
    4. 파인튜닝: 토폴로지와 재료 배치가 고정 (하드 이산화) 되고 제어기만 파인튜닝되는 최종 단계.

주요 결과

프레임워크는 6x6 노드 트러스 격자 로봇에 대한 광범위한 사례 연구를 통해 검증되었습니다.

1. 성능 vs. 베이스라인

• 공동 설계 vs. 순차적 설계: 고정된 휴리스틱 기반 구조 (사전 정의된 액추에이터 배치와 함께 3 다리 토폴로지) 를 가진 베이스라인 로봇은 1.14 m의 변위를 달성했습니다. 공동 설계된 로봇 (디자인 6b) 은 1.90 m를 달성하여 66% 개선을 보였습니다.
• 초기화 견고성: 이 프레임워크는 "무휴리스틱" 초기화 (균일 무작위 재료 비율) 에서도 실행 가능한 이동 전략을 성공적으로 발견하여 0.98 m를 달성했습니다. 이는 특정 초기 추정에 의존하지 않고 비볼록 설계 공간을 탐색할 수 있음을 보여주지만, 성능은 초기화에 민감했습니다.

2. 제거 실험 (개별 및 집단 기여도)

토폴로지, 재료, 또는 제어 최적화를 비활성화하는 조합적 제거 실험은 다음과 같은 결과를 밝혔습니다:

• 재료 배치: 고정된 배치에 비해 **781%**의 성능 향상을 가져와 가장 큰 개별적 영향을 미쳤습니다.
• 토폴로지: 단독으로 **116%**의 개선을 제공했지만, 재료 설계에 강력한 승수 역할을 했습니다.
• 제어: 하부 구조가 비최적일 경우 성능을 저하시킬 수도 있는 작은 개별 기여도를 보였습니다. 그러나 재료 및 토폴로지와 공진화될 경우, 제어 최적화 없이 비교하여 이동 거리가 87% 증가하는 데 기여했습니다.
• 시너지: 세 가지 엔티티의 결합 최적화는 개별적으로 최적화한 것의 합보다 훨씬 우수한 결과를 낳았습니다. 연구는 동일한 작업에 대해 최적화되었을 때 서로 다른 초기화가 유사한 구조적 모티프 (예: 특정 다리 분할) 로 수렴하는 "수렴 진화"를 관찰했습니다.

3. 일반화 능력

프레임워크는 다양한 작업과 환경에 적응했습니다:

• 경사진 지형: 로봇은 15 도 경사면을 오르기 위해 더 가늘고 낮은 무게 중심을 가지며 아치형 보행을 하는 구조로 진화했습니다.
• 축소된 설계 공간: 더 작은 5x5 그리드에서 프레임워크는 다리 분할 전략을 재발견하여 더 큰 설계와 비교 가능한 성능을 달성했습니다.
• 마찰 변화: 쿨롱 마찰 (낮은 마찰) 하에서 로봇은 페이로드를 지면에 고정하고 앞다리를 마찰 패드로 사용하는 전략을 채택했는데, 이는 무한 마찰 시나리오에서는 관찰되지 않은 행동이었습니다.

중요성과 주장

이 논문은 로봇 시스템의 자율적 공동 설계를 위한 계산적 기초를 제공한다고 주장합니다. 주요 중요성은 다음과 같습니다:

1. 통합 프레임워크: 미분 가능한 시뮬레이션과 연속 완화를 통해 이산적 로봇 시스템의 혼합 변수 특성을 처리함으로써, 이산 토폴로지 최적화와 연속 제어 학습 간의 간극을 성공적으로 연결합니다.
2. 성능 향상: 공동 설계가 순차적 설계 전략보다 일관되게 우월함을 보여주며, 분리된 설계 파이프라인에서는 접근할 수 없는 다양하고 고성능의 이동 전략 (점프, 쓸기, 점프 등) 을 발견합니다.
3. 설계 통찰: 구조, 재료, 제어가 어떻게 상호작용하는지에 대한 정량적 이해를 제공합니다. 연구는 재료 배치가 가장 중요한 개별 요소이지만, 모든 세 가지 엔티티의 시너지 결합이 최적 성능을 달성하는 데 필수적임을 강조합니다.
4. 유연성: 프레임워크는 다양한 기능 요구 사항, 물리적 환경, 설계 제약에 적응할 수 있음이 입증되어, 재구성 가능 및 바이오 하이브리드 로봇에서 복잡한 자율 행동을 설계할 수 있는 잠재력을 시사합니다.

저자들은 초기화에 대한 민감성 (하이브리드 전역 - 지역 검색 방법의 필요성 시사) 과 단순화된 물리 모델의 사용 등 한계를 인정하지만, 이 작업을 더 견고하고 자율적인 로봇 설계 도구로 나아가는 한 걸음으로 위치시킵니다.