Impedance Control via Generalized Output Regulation

로봇 팔이 당신과 악수를 하기 위해 손을 뻗는 모습을 상상해 보십시오. 만약 너무 딱딱하면 당신의 손가락을 으스러뜨릴 수 있고, 너무 느슨하면 젖은 국수 가닥을 잡는 듯한 느낌이 들 것입니다. "순응 제어(compliant control)"의 목표는 로봇이 딱 적당하게 느껴지도록 만드는 것입니다. 즉, 안전할 만큼 부드러우면서도, 임무를 수행할 수 있을 만큼 단단해야 합니다. 이는 공장에서 함께 일하거나, 손상된 사지의 재활을 돕거나, 심지어 울퉁불퉁한 지면을 걷는 로봇처럼 인간과 함께 작업하는 로봇들에게 매우 중요한 문제입니다. 이를 달기 위해 엔지니어들은 종종 "어드미턴스 제어(admittance control)"라는 전략을 사용합니다. 이것은 마치 똑똑한 번역기와 같습니다. 로봇은 당신이 자신을 얼마나 세게 미는지(힘)를 측정하고, 그 다음 자신이 원하는 "성격"(예: 스프링이나 댐퍼와 같은 특성)에 맞춰 얼마나 움직여야 할지(위치)를 결정합니다.

하지만 여기에는 함정이 있습니다. 이러한 번역기를 만드는 가장 일반적인 방법은 단순한 "PD 제어기(Proportional-Derivative, 비례-미분 제어기)"를 사용하는 것인데, 이는 기본적으로 오차를 바탕으로 위치를 조정하는 표준적인 레시피입니다. 이 방식은 괜찮긴 하지만, 마치 볼륨 조절 노브만 돌려서 라디오 주파수를 맞추려는 것과 같습니다. 근처까지는 갈 수 있겠지만, 결코 완벽한 신호를 잡을 수는 없습니다. 수학적 결과에 따르면, 이 단순한 레시피는 특정 조건에서 운이 아주 좋지 않는 한, 원하는 동작을 정확히 구현하는 것이 아니라 근사치만을 제공할 수 있습니다. 이는 로봇이 '생각하는' 동작과 '실제로 하고 있는' 동작 사이에 간극을 남기며, 이는 불안정한 상호작용이나 목표 달성 실패로 이어질 수 있습니다.

이 논문은 이 간극을 파고들어 완벽한 레시피를 찾고자 합니다. 저자인 헬리오 자시투 크루즈 네토(Hélio Jacinto Cruz Neto), 빅터 시메(Victor Shime), 티아고 보아벤투라(Thiago Boaventura)는 "일반화된 출력 조절(generalized output regulation)"이라는 복잡한 수학 이론을 사용하여 임피던스 문제를 해결합니다. 그들은 만약 표준적인 어드미턴스 설정을 고수한다면, 정확한 순응성을 달성할 수 있는 제어 법칙은 실제로 단 한 가지뿐임을 증명합니다. 알고 보니 흔히 쓰이는 PD 제어기에는 몇 가지 핵심적인 재료가 빠져 있었습니다. 저자들은 완벽함을 얻기 위해서는 힘과 가속도에 관련된 특정 항들을 반드시 추가해야 한다고 설명합니다. 그들은 단순히 추측한 것이 아니라, 엄밀한 수학을 통해 이것이 유일한 해법임을 증와했습니다. 그런 다음, 그들은 자신들이 만든 제어기를 "정확한 순응 제어기(Exact Compliant Controller, ECC)"라고 명명하고, 컴퓨터 시뮬레이션을 통해 이 새로운 제어기가 표준 PD 제어기보다 특히 마찰이나 노이즈가 있는 상황에서 훨씬 더 뛰어난 성능을 보인다는 것을 입증했습니다. 그들은 기존 방식이 목표를 놓치는 경우가 많은 반면, 새로운 방식은 까다로운 상황에서도 목표를 완벽하게 타격한다는 것을 발견했습니다. 다만, 이 시뮬레이션 결과를 확인하기 위해 실제 환경에서의 테스트가 다음 단계라는 점을 언급했습니다.

완벽한 로봇 악수의 이야기

당신이 로봇에게 파트너와 함께 춤추는 법을 가르치려 한다고 상상해 보십시오. 로봇은 파트너의 움직임을 느끼고, 그에 맞춰 적절한 양의 밀거나 당기는 반응을 보여야 합니다. 로봇 공학의 세계에서는 이를 **임피던스 제어(impedance control)**라고 부릅니다. 로봇은 특정 스프링이나 댐퍼처럼 행동하기를 원합니다. 즉, 당신이 밀면 일정량만큼 움직여야 하고, 당기면 그만큼 저항해야 합니다.

오랫동안 엔지니어들은 로봇에게 이 춤을 가르치기 위해 "표준적인" 방법을 사용해 왔습니다. 그들은 PD 제어기(비례-미분 제어기)를 사용했습니다. 이것은 운전자가 도로에서 얼마나 벗어났는지와 얼마나 빠르게 밀려나고 있는지만을 보고 운전하는 것과 같습니다. 운전자는 오차를 수정하기 위해 핸들을 꺾습니다. 이 방식은 제법 괜찮지만, 하나의 근사치일 뿐입니다. 이는 두꺼운 장갑을 끼고 활을 쏘며 과녁을 맞히려는 것과 같습니다. 근처까지는 갈 수 있겠지만, 매번 정확히 중심을 맞출 수는 없습니다. 이 논문은 이 표준적인 접근 방식에 근본적인 한계가 있다고 설명합니다. 즉, 아무리 노브(이득, gains)를 조절하더라도, 매우 특수하고 드문 상황이 아닌 한 로봇이 당신이 원하는 완벽한 스프링처럼 정확하게 행동하게 만들 수는 없다는 것입니다.

이 논문의 저자들은 다음과 같은 큰 질문을 던졌습니다. "로봇이 매번 완벽하게, 단 한 번의 실수 없이 과녁을 맞히게 할 방법이 있을까?"

이 질문에 답하기 위해, 그들은 **일반화된 출력 조절(Generalized Output Regulation)**이라는 강력한 수학적 도구를 사용했습니다. 만약 로봇의 목표가 화면 위에서 움직이는 타겟이라고 가정한다면, 이 이론은 타겟이 어떻게 움직이든 상관없이 로봇의 오차를 제로(0)로 유지하기 위해 어떤 입력이 필요한지 정확히 알려줍니다. 그들은 로봇을 "적절하게" 느끼게 만드는 문제가 수학적으로 이 "타겟 추적" 문제와 동일하다는 것을 깨달았습니다.

누락된 재료들

이 이론을 적용함으로써, 저자들은 놀라운 사실을 발견했습니다. 그들은 완벽한 동작을 달성할 수 있는 제어 법칙(로봇에게 내리는 특정 지침 세트)이 오직 하나뿐임을 증명했습니다.

표준 PD 제어기에는 두 가지 핵심 재료가 빠져 있습니다:

1. 힘 피드백(Force Feedback): 로봇은 현재 자신이 얼마나 세게 밀리거나 당겨지고 있는지 정확히 알아야 합니다.
2. 가속도 피드백(Acceleration Feedback): 로봇은 자신의 속도가 어떻게 변하고 있는지 알아야 합니다.

그들이 도출한 새로운 제어 법칙은 이 빠진 조각들을 추가합니다. 이것은 운전자가 단순히 도로 상황만 보는 것이 아니라, 바람의 흐름과 엔진의 진동까지 즉각적으로 느끼는 초정밀 센서를 갖추게 업그레이드하는 것과 같습니다. 수학적으로 볼 때, 이 추가적인 항들이 없다면 당신이 원하는 정확한 임피던스 동작을 구현하는 것은 불가능합니다. 이것은 단순히 기존 컨트롤러의 설정을 더 잘 "조정"하는 문제가 아닙니다. 기존 컨트롤러는 구조적으로 완벽한 작업을 수행할 능력이 없습니다.

시뮬레이션이 증명하는 결과

이 새로운 "정확한 순응 제어기(ECC)"가 실제로 작동하는지 확인하기 위해, 저자들은 컴퓨터 시뮬레이션을 실행했습니다. 그들은 두 가지 유형의 로봇을 테스트했습니다:

• 강성 관절(Stiff Joints): 모터와 팔이 단단하게 연결된 로봇 (마치 단단한 금속 막대와 같은 상태).
• 유연 관절(Soft Joints): 모터와 팔 사이에 스프링이나 댐퍼가 있는 로봇 (마치 고무줄과 같은 상태).

그들은 새로운 ECC를 기존의 표준 PD 제어기와 비교했습니다. 테스트는 두 가지 시나리오로 진행되었습니다:

1. 완벽한 세상: 노이즈도, 마찰도 없는, 모든 것이 수학대로 완벽하게 작동하는 환경.
2. 복잡한 세상: "스트라이벡 마찰(Stribeck friction, 물체가 움직이기 시작할 때 발생하는 까다로운 종류의 마찰)"과 힘 센서의 무작위 노이즈를 추가하여, 실제의 불완전한 환경을 시뮬레이션한 환경.

결과:
완벽한 세상에서 새로운 ECC 제어기는 결함이 없었습니다. 로봇이 '해야 했던' 동작과 '실제로 한' 동작 사이의 오차는 사실상 제로($10^{-7}$ 정도로 매우 미미함)였습니다. 반면 기존 PD 제어기는 실수를 범했습니다. 기존 제로 제어기가 제대로 작동했던 유일한 경우는 수학적으로 오차가 우연히 상쇄되는 특정 주파수에서였습니다.

복잡한 세상에서도 새로운 제어기는 훨씬 더 나은 성능을 보였습니다. 마찰과 노이즈로 인해 완벽함을 유지하기가 다소 어려워졌음에도 불구하고, ECC는 여전히 PD 제어기보다 훨씬 더 정확하고 견고했습니다. PD 제어기는 특히 환경이 딱딱하거나 로봇이 빠르게 움직일 때 크게 고전했습니다.

이것이 미래에 의미하는 바

이 논문은 만약 로봇이 세상과 완벽하게 상호작용하기를 원한다면, 단순히 오래된 단순한 PD 제어기에만 의존해서는 안 된다고 결론짓습니다. 힘과 가속도에 대한 추가적인 항들을 반드시 포함해야 합니다. 저자들은 이것이 단순히 "좋은 아이디어" 수준이 아니라, 정확한 순응성을 얻기 위해 필요한 유일한 해법임을 보여주었습니다.

또한, 그들은 이 방식이 (더 안전하기 때문에 점점 더 인기를 끌고 있는) "유연 관절" 로봇에도 적용 가능하다는 것을 보여주었습니다. 로봇의 목표 경로를 생성하는 영리한 트릭을 사용함으로써, 로봇의 부하에 대한 모든 세부 사항을 알지 못하더라도 동일한 완벽한 제어기를 사용할 수 있었습니다.

이 결과들은 현재 컴퓨터 시뮬레이션에 기반하고 있지만, 강력한 이론적 토대를 제공합니다. 저자들은 다음 단계로 실제 로봇에 이 제어기를 적용하여 실제 환경에서 어떻게 작동하는지 확인해야 한다고 제안합니다. 그때까지 이 논문은 우리에게 명확한 지도를 제공합니다. 만약 우리가 진정으로 인간과 유사한 상호작용을 하는 로봇을 원한다면, 근사치를 구하는 것을 멈추고 수학적으로 증명된 정확한 레시피를 사용해야 한다는 것입니다.