A Human-Inspired Thumb-Index Robotic Hand with Strain Gauges Embedded in Soft Joints

기술 요약: 연성 관절에 스트레인 게이지를 내장한 인간 모사 엄지-검지 로봇 핸드

문제 정의
순응형(compliant) 로봇 핸드를 모니터링하고 제어하는 것은 여전히 중요한 과제이다. 언더액추에이티드(underactuated) 및 소프트 로봇은 자연스러운 순응성, 안전성, 그리고 불규와한 기하학적 형상에 수동적으로 적응하는 능력을 제공하지만, 정확한 고유 수용 감각(proprioception)이 부족한 경우가 많다. 저가형 소프트 핸드는 종종 간접적인 지표(예: 모터 전류)나 외부 시스템(예: 비전, 손가락 끝 촉각 센서)에 의존하여 손가락 위치와 파지 상태를 추정한다. 액상 단계의 엘라스토머 채널이나 고유연성 스트레인 센서와 같은 기존의 센싱 솔루션은 신호 노이즈, 제한된 수명, 약한 재료 결합 및 복잡한 제조 공정 등의 문제를 겪는 경우가 많다. 반면, 전통적인 금속 박막 스트레인 게이지는 선형적인 거동을 보이지만, 일반적으로 소프트 관절의 본질적인 큰 변형을 견디지 못한다. STIR 핸드는 외부 비전이나 거대한 손가락 끝 촉각 어레이에 의존하지 않고도, 정밀하고 저렴하며 견고한 내부 고유 수용 감각을 결합하는 시스템의 필요성을 해결한다.

방법론
저자들은 비대칭 엄지-검지 구성을 특징으로 하는 최소형, 경량 2지 프로토타입인 ST-IR 핸드를 개발하였다.

• 하드웨어 설계: 이 핸드는 언더액추에이티드 방식의 텐던 구동(tendon-driven) 기계 구조를 활용한다. 강성 세그먼트(PLA/PLA-CF)는 기하학적 안정성을 제공하며, 소프트 관절(실리콘, 나일론, TPU)은 적응형 파지를 가능하게 한다. 혁신적인 "리딩 파트(Leading Part)"가 소프트 관절에 통합되어 순수 굽힘 상황을 강제하며, 회전 중심 근처에 명확한 붕괴 구역(collapse zone)을 형성한다.
• 센서 통합: 핵심 혁신은 실리콘으로 캡슐화된 소프트 관절 내부에 금속 박막 스트레인 게이지(BF350-3AA)를 매립한 것이다. 결정적으로, 이 게이지들은 굽힘 관절의 중립축 근처에 배치되었다. 이러한 전략적 배치는 소프트 관절의 전체적인 큰 변형에도 불구하고 센서가 경험하는 변형률이 선형 한계(2% 미만) 내에 머물도록 보장한다. 센서는 유연한 나일론 메쉬 기판에 접착되어 있다.
• 제어 및 전자 장치: 시스템은 디커플링된 하드웨어 아키텍처를 채택한다. 두 개의 Dynamixel MX-28 서보 모터가 나일론 텐던을 통해 손가락을 구동한다. 센싱 및 구동 파이프라인은 500Hz로 동기화되어 실행된다. 스트레인 게이지 신호는 커스텀 하프 브리지 프런트엔드 PCB와 National Instruments USB-6003 데이터 수집 보드를 통해 처리된다. 모터 전류는 INA240 증폭기를 사용하여 모니터링된다.
• 고유 수용 감각 전략: 시스템은 임베디드 관절 변형 데이터와 모터 전류 피드백을 결다면한다. 준정적(quasi-static) 파지 시, 손가락이 물체에 막혀 힘이 계속 증가하는 경우 모터 전류를 사용하여 스트레인 게이지 판독값을 보정함으로써, 추정된 각도가 실제 구조적 변형만을 반영하도록 한다.
• 실험 설정: 저자들은 STIR 핸드가 20가지 서로 다른 물체(크기, 모양, 재료 경도 다양)를 파지하는 과정에서 4,486개의 기록을 포함하는 데이터셋을 수집하였다. 실험은 세 가지 하중 기준값(45, 120, 150) 하에서 수행되었으며, "과도기적(transient, 불안정한)" 및 "안정적" 파지 동작을 모두 포함하였다.
• 분석: 5개의 관절 센서와 2개의 모터 채널에서 얻은 시계열 데이터를 105차원 특징 임베딩으로 처리하였다. 비지도 분석(PCA)을 사용하여 데이터 클러스터를 시각화한 후, k-NN, SVM, XGBoost 및 다층 퍼셉트론(MLP) 모델을 사용하여 물체 분류를 수행하였다. 또한 관절 센서와 모터 피드백의 기여도를 격리하기 위해 절제 연구(ablation study)를 수행하였다.

주요 기여

1. 하드웨어 혁신: 견고한 기계적 결합과 박막 스트레인 게이지가 소프트 관절에 직접 매립된 저가형 언더액추에이티드 플랫폼의 설계 및 엔지니어링. 혁신의 핵심은 이 게이지들을 중립 굽힘 축 근처에 구현하여, 고유연성 구조 내에서 정밀한 측정을 수행하면서도 센서의 변형 제한을 준수할 수 있게 한 점에 있다.
2. 경험적 데이터셋 구축: 물체의 크기, 기하학적 형상 및 재료 경도에 따른 다양한 물리적 상호작용을 평가하는 포괄적인 데이터 수집 프레임워크를 확립하였으며, 여기에는 파지 동작(과도기적 vs 안정적)과 하중 파라미터의 체계적인 변화가 포함된다.

결과

• 비지도 분석: 주성분 분석(PCA) 결과, 데이터 클러스터는 주로 "하중(load)" 파라미터와 파지 동작(과도기적 vs 안정적)을 기준으로 나뉘었다. 분석 결과, 굽힘 센서가 물체의 크기와 재료 경도의 변화를 정확하게 포착함을 입증하였다. 특히, 입력 데이터에서 관절 센서를 제거했을 때 시스템이 서로 다른 경도의 물체를 구별하는 능력을 상실하였는데, 이는 모터 피드백만으로는 재료 식별이 불충분함을 확인시켜 준다.
• 물체 분류: 분류 모델은 물체의 크기, 모양 및 재료 경도를 높은 정확도로 구분하였다. XGBoost와 MLP 모델이 가장 우수한 성능을 보였으며, 전체 데이터셋에 대해 최대 99.8%(SVM) 및 99.0%(XGBoost)의 정확도에 도달하였다.
• 절제 연구: 본 연구는 새로운 관절 센서의 기여도를 정량화하였다. 모든 센서 입력을 사용했을 때와 비교하여 모터 피드백만 사용했을 때 분류 정확도가 크게 떨어졌다. 예를 들어, k-NN 모델의 경우 모든 피드백을 사용했을 때 87.8%였던 정확도가 모터 피드백만 사용했을 때는 66.0%로 감소하였다.
• 비교 성능: 9개의 물체에 대한 하위 집합에 대해 다른 순응형 및 강성 그리퍼(qb SoftHand, Robotiq 2F-85, OnRobot RG6, Barrett Hand 포함)와 비교했을 때, STIR 핸드는 테스트된 모든 모델(k-NN, SVM, LSTM)에서 qb SoftHand(관절 고유 수용 감각이 없는 모델)보다 우수한 성능을 보였다.

의의 및 주장
본 논문은 센서화된 순응형 관절이 전반적인 민감도를 크게 향착시키고 안전한 파지를 보장한다는 것을 입증한다고 주장한다. 소프트 관절 구조에 고유 수용 감각을 직접 통합함으로써, 시스템은 추가적인 손가락 끝 촉각 요소나 외부 비전 시스템 없이도 고해상도 상호작용 프로파일을 달성한다. 저자들은 이 접근 방식이 전통적인 스트레인 게이지의 한계를 극례하기 위해 소프트 관절의 중립축 근처에 스트레인 게이지를 배치하는 것의 효용성을 검증한다고 단언한다. 본 연구는 복잡한 외부 인지 대신 내재적 기계적 특성과 내부 센싱에 의존하는 저비용, 안전 및 적응형 로봇 파지의 토대를 제공한다.