로봇이 설거지를 하거나, 빨래를 접거나, 커피를 떨어뜨리지 않고 건네주는 법을 배우는 세상을 상상해 보십시오. 이를 위해 로봇은 자신의 손이 세상과 어떻게 접촉하는지를 이해해야 합니다. 이것이 바로 접촉의 보이지 않는 물리학을 밝혀내기 위해 전념하는 분야인 **로봇 접촉 모델링(robotics contact modeling)**의 영역입니다. 로봇이 움직임을 계획하기 위해서는 다음과 같은 질문에 답할 수 있어야 합니다: "내가 여기를 누르면, 컵이 미끄러질까, 넘어질까, 아니면 그대로 있을까?"

오랫동안 로봇은 계산 속도를 높이기 위해 영리한 기술을 사용해 왔습니다. 바로 로봇의 팔과 손가락이 마치 여러 개의 탱탱볼을 붙여놓은 듯한 **구체(spheres)**로 이루어져 있다고 가정하는 것입니다. 이렇게 하면 컴퓨터가 두 물체가 충돌하기 직전인지 확인하는 작업이 매우 쉬워집니다. 하지만 여기에는 함정이 있습니다. 이 "공 모양의 로봇"이 무언가에 닿을 때, 표준 컴퓨터 모델은 그 접촉을 마치 풍선을 찌르는 바늘처럼 하나의 작고 미세한 점으로 취급합니다. 하지만 현실 세계에서 우리가 책을 잡을 때, 손가락은 평평하게 펴지며 표면 전체를 감싸 안습니다. 이 평평하고 말랑말랑한 포옹은 기존의 단일 점 모델로는 설명할 수 없는 마찰력과 안정성을 만들어냅니다. 이 때문에 로봇은 물체를 놓치지 않기 위해 너무 세게 쥐어야 하거나, 넓은 접촉 면적에서 오는 미묘한 "움켜쥐는 힘"을 느끼지 못해 물체를 떨어뜨리곤 합니다.

이 논문은 이 문제를 해결하기 위한 새로운 방법인 **순응형 구체 격자 접촉(Compliant Sphere Lattice Contact, CSLC)**을 소개합니다. 저자들은 로봇의 피부를 딱딱하고 굴하지 않는 공들의 집합체로 보는 대신, 스프링으로 연결된 유연한 그물망으로 상상합니다. 로봇이 물체에 닿으면 이 그물망은 늘어나고 찌그러지며, 실제 피부가 변형되는 방식처럼 현실적이고 넓게 퍼진 "포옹"을 만들어냅니다. 연구진은 컴퓨터 시뮬레이션에서 이 아이디어를 테스트했으며, 이를 통해 로봇이 물체를 더 부드럽고 안정적으로 잡을 수 있고, 기존의 "바늘 접촉" 모델이 완전히 놓쳤던 회전 저항 능력을 회복할 수 있다는 것을 발견했습니다.

"바늘" 접촉의 문제점

이 새로운 방식이 왜 중요한지 이해하려면, 로봇이 평평한 책을 집으려고 하는 모습을 상상해 보십시오. 기존의 방식에서는 로봇의 손가락이 책에 닿는 지점이 단 하나의 점에 불과합니다. 만약 책이 아주 조금이라도 기울어지면, 그 단일 지점은 책을 다시 밀어낼 수 있는 지렛대 역할을 하지 못해 책은 미끄러지거나 손가락 안에서 회전해 버립니다. 이를 막기 위해 프로그래머들은 보통 마찰력이 충분히 강해져서 물체를 붙잡을 수 있도록 로봇에게 엄청난 힘으로 꽉 쥐라고 명령합니다. 이는 마치 젖은 비누를 손톱 하나로 집어서 잡으려는 것과 같습니다. 비누를 으깨지 않으려면 엄청나게 세게 눌러야만 합니다.

저자들은 이러한 "점 접촉" 접근 방식이 물리적으로 부정확하다고 주장합니다. 실제 손가락은 하나의 점으로 닿는 것이 아니라, 형태가 변하며 **접촉 패치(contact patch)**를 형성합니다. 이 패치는 압력을 분산시키고 일종의 회전 강성을 만들어내어, 움켜쥐는 동작이 뒤틀림에 저항할 수 있게 합니다. 기존 모델은 이러한 "면적"이 없었기 때문에 이를 포착할 수 없었습니다.

"스프링 그물" 솔루션

저자들은 CSLC를 제안하며, 로봇의 표면을 딱딱한 구체들의 집합이 아닌 **순응형 격자(compliant lattice)**로 변화시켰습니다. 로봇의 손가락이 단순히 딱딱한 공이 아니라, 많은 작은 공들이 스프링으로 연결된 트램펄린이라고 상상해 보십시오.

작동 원리는 다음과 같습니다:

1. 격자(The Lattice): 로봇의 표면은 많은 작은 구체들로 덮여 있습니다. 이 구체들은 그냥 떠 있는 것이 아니라, **앵커 스프링(anchor springs, 원래 위치로 당겨주는 역할)**과 **측면 스프링(lateral springs, 이웃한 구체들을 서로 연결하는 역할)**에 의해 서로 묶여 있습니다.
2. 변형(The Deformation): 로봇이 물체를 누르면 구체들은 단순히 멈추는 것이 아니라 서로를 밀어냅니다. 이때 측면 스프링이 이웃한 구체들을 잡아당기면서, 한 그룹의 구체들이 함께 변형됩니다.
3. 결과(The Result): 하나의 작은 접촉점이 생기는 대신, 분산된 접촉 패치가 생성됩니다. 힘이 영역 전체로 퍼지며, 마치 스트레스 볼을 누를 때처럼 힘이 분산됩니다.

이 구조를 통해 로봇은 **회전 강성(rotational stiffness)**을 계산할 수 있습니다. 물체를 비틀려고 하면, 한쪽의 스프링은 늘어나고 다른 쪽은 압축되면서 물체를 다시 안정적인 위치로 밀어내는 복원 토크를 생성합니다. 이는 바늘 위에 책을 세우는 것과 넓은 손바닥 위에 책을 올려두는 것의 차이와 같습니다.

시뮬레이션 결과

연구진은 이론을 구축하는 데 그치지 않고, 이 모델이 제대로 작동하는지 확인하기 위해 두 가지 서로 다른 컴퓨터 물리 엔진에서 테스트를 진행했습니다.

1. 하중 분산:
먼저, 스프링으로 연결된 평면 격자를 테스트했습니다. 격자의 중심에 단일 점을 눌렀을 때, 경직된 모델에서는 중심부만 움직였습니다. 그러나 CSLC 모델에서는 힘이 퍼져 나갔습니다. 중심 구체는 찌그러졌지만, 측면 스프링이 주변 구체들을 끌어당겼기 때문에 주변 구체들도 함께 움직였습니다. 변형은 중심에서 멀어질수록 예측 가능한 패턴을 따르며 부드럽게 사라졌습니다. 이는 "그물"이 힘을 단일 점에 집중시키는 대신 영역 전체에 성공적으로 분산시킨다는 것을 입증했습니다.

2. 부드러운 움켜쥐기:
다음으로, 로봇 그리퍼가 구체, 상자, 평평한 패드 등 다양한 물체를 집는 것을 시뮬레이션했습니다. 연구진은 새로운 CSLC 모델을 기존의 점 접촉 모델과 비교했습니다.

• 기존 방식: 물체가 미끄러지는 것을 막기 위해 로봇은 최소 필요 힘보다 훨씬 높은 힘으로 꽉 쥐어야 했습니다.
• CSLC 방식: 로봇은 미끄러지기 직전의 경계선 근처에서 아주 가벼운 터치만으로도 물체를 잡을 수 있었습니다. 접촉 패치가 더 넓고 안정적이었기 때문에, 로봇은 물체를 으깨지 않고도 유지할 수 있었습니다. 예를 들어, 상자를 들어 올릴 때 CSLC 그리퍼는 약 1.5 뉴턴(N)의 힘으로도 단단히 잡았지만, 기존 모델은 과하게 쥐지 않고서는 안정적인 파지력을 찾기 위해 애를 먹었습니다.

3. 회전 방지:
가장 극적인 테스트는 "회전 교란(rotational disturbance)"이었습니다. 로봇이 책을 잡고 있을 때, 시뮬레이션 상에서 누군가 책을 급격하게 비틀었습니다.

• 기존 방식: 경직된 점 접촉은 비틀림에 저항하지 못했습니다. 책은 6도 이상 기울어졌고, 로봇의 손가락 아래로 18mm를 미끄러져 내려가 결국 떨어지거나 미끄러졌습니다.
• CSLC 방식: 분산된 패치가 넓고 끈적한 손바닥처럼 작용했습니다. 이 패치는 비틀림에 맞서 싸우는 복원 토크를 생성했습니다. 책은 거의 기울어지지 않았으며(0.7도 미만), 전혀 미끄러지지 않았습니다. "스프링 그서"가 책을 고정해주었고, 이는 모델이 점 접촉이 놓치는 회전 안정성을 성공적으로 포착했음을 증명했습니다.

트레이드오프와 향후 단계

결과는 유망하지만, 저자들은 이 모델이 아직 모든 상황에 대한 만능 열쇠는 아니라는 점을 명시했습니다. 새 모델은 기존 모델보다 계산 비용이 더 많이 듭니다. 격자 내의 모든 스프링에 대해 매 단계마다 복잡한 평형 상태를 풀어야 하기 때문에, 단순 점 접촉보다 계산 시간이 약 3배 더 오래 걸립니다.

또한, 현재 모델은 스프링이 자리를 잡을 수 있을 만큼 로봇이 충분히 느리게 움직인다는 가정(준정적 상태, quasistatic) 하에 작동합니다. 만약 로봇이 벽에 빠른 속도로 충돌한다면, 현재 모델은 그 충격을 처리할 만큼 빠르게 반응하지 못할 수 있습니다. 저자들은 향후 연구를 통해 수학적 구조를 매끄럽게 다듬어 모델을 더 빠르게 만들고, 고속 충돌 상황도 처리할 수 있도록 할 수 있다고 제안했습니다.

이것이 중요한 이유

이 연구의 목표는 단순히 로봇을 더 강하게 만드는 것이 아니라, 더 정교하게(dexterous) 만드는 것입니다. 로봇에게 "점"이 아닌 "패치" 형태의 접촉을 느끼게 함으로써, CSLC는 로봇이 인간처럼 부드러운 손길로 깨지기 쉬운 물체를 다룰 수 있게 해줍니다. 이는 단순한 구체 기반 계획의 속도와 복잡한 메쉬 기반 모델의 물리적 정확성 사이의 간극을 메워줍니다. 저자들이 제안하듯, 이는 로봇이 움직임을 빠르게 계획할 뿐만 아니라, 설거지나 정밀한 도구 다루기와 같은 실제 작업에 필요한 미묘하고 안정적인 움켜쥐기를 실행할 수 있게 하는 중요한 단계입니다.