Sliding Sensors: Configurable Confidence in State Estimation for Continuum Robots

로봇이 단순히 딱딱한 금속 팔이 아니라, 좁은 공간을 꿈틀거리며 통과하고, 동굴을 탐사하거나, 심지어 인간의 몸속에서 정교한 수술을 도울 수 있는 유연한 뱀 같은 생명체인 세상을 상상해 보십시오. 이들은 "연속체 로봇(continuum robots)"이라고 불립니다. 까다로운 점은 로봇의 몸 전체가 어느 순간에 정확히 어디에 있는지 아는 것입니다. 만약 로봇이 자신의 코가 한 지점에 있다고 생각하지만 실제로는 다른 곳에 있다면, 건드려서는 안 될 무언가와 부딪힐 수 있습니다. 이를 해결하기 위해 엔지니어들은 보통 로봇에 센서를 붙여 눈 역할을 하게 함으로써 컴퓨터에 로봇의 위치를 알려줍니다. 하지만 여기에는 함정이 있습니다. 만약 로봇의 맨 끝부분에만 한 쌍의 눈(센서)이 있다면, 로봇은 자신의 코가 어디에 있는지는 매우 확신하겠지만, 나머지 몸 부분에 대해서는 완전히 추측할 뿐입니다. 이는 마치 머리 부분만 보고 길게 꿈틀거리는 벌레의 전체 모양을 추측하려는 것과 같습니다. 머리에서 멀어질수록 불확실성은 커집니다.

이 논문은 그 추측 게임에 대한 영리한 해결책을 다룹니다. 연구진은 센서를 고정된 장소에 두는 대신, 센서가 로봇의 몸을 따라 마치 줄에 꿰어진 구슬처럼 앞뒤로 움직일 수 있도록 설계했습니다. 센서를 움직임으로써, 로봇이 가장 필요로 하는 곳으로 "확신의 영역"을 옮길 수 있습니다. 연구팀은 이 아이디어를 실제 로봇과 컴퓨터 시뮬레이션을 통해 테스트했으며, 센서를 가만히 두었을 때보다 센서를 움직였을 때 로봇이 자신의 형태를 추측하는 능력이 약간 더 나아졌음을 발견했습니다.

슬라이딩 센서: 스스로를 "볼 수 있는" 로봇

유연한 로봇의 세계에서 자신의 형태를 아는 것은 끊임없는 도전 과제입니다. 이 로봇들은 불확실한 환경에서 구부러지고 뒤틀리도록 설계되었으므로, 안전을 유지하기 위해 자신이 정확히 어디에 있는지 알아야 합니다. 보통 엔지니어들은 로봇의 위치를 측정하기 위해 고정된 위치에 센서를 배치합니다. 그러나 이는 문제를 야기합니다. 로봇은 센서 근처의 부분에 대해서는 매우 확신하지만, 센서에서 멀어질수록 그 확신도는 떨어집니다. 이는 도로의 처음 몇 피트만 볼 수 있을 때 긴 굽이진 도로를 설명하려는 것과 같습니다. 당신은 도로가 보통 어떻게 생겼는지를 바탕으로 나머지를 추측해야 하며, 이는 항상 정확하지 않을 수 있습니다.

이 연구의 연구진은 간단한 질문을 던졌습니다. "만약 센서가 제자리에 머물러 있을 필요가 없다면 어떨까?" 그들은 센서가 창문의 슬라이더처럼 로봇의 몸 내부 트랙을 따라 앞뒤로 움직일 수 있도록 설치된 새로운 설계를 제안했습니다. 이는 센서를 특정 구역을 "확인"하기 위해 로봇의 다른 부분으로 이동할 수 있는 능동적인 도구로 변화시킵니다.

어떻게 테스트했는가

이 아이디어가 효과가 있는지 확인하기 위해, 팀은 개념 증명용 로봇을 제작했습니다. 그들은 특수 금속 튜브로 만들어진 70cm 길이의 텐던 구동(tendon-driven) 로봇을 사용했습니다. 로봇의 척추 내부에는 슬라이딩 메커니즘에 부착된 아주 작은 전자기 센서(쌀알 크기 정도인 직경 0.5mm, 길이 8mm)를 배치했습니다. 이 메커니즘은 센서를 60mm 길이의 트랙을 따라 앞뒤로 밀 수 있는 작은 모터에 의해 구동됩니다.

그들은 두 가지 방식으로 이 설정을 테스트했습니다. 첫째, 실제 로봇을 사용하여 실험실에서 로봇이 다양한 형태(직선, C자형, S자형)를 유지하는 동안 센서를 앞뒤로 움직였습니다. 그들은 로봇의 실제 위치를 추적하기 위해 고속 카메라를 사용하였으며, 이는 추정치가 얼마나 정확한지 확인하기 위한 "지면 진실(ground truth)" 역할을 했습니다. 둘째, 센서가 몸 전체 길이를 따라 슬라이딩할 수 있는 가상의 로봇을 이용해 시뮬레이션을 실행했습니다.

무엇을 발견했나

결과는 센서를 움직이는 것이 실제로 도움이 되었다는 것을 보여주었습니다. 센서가 로봇의 끝에 고정되어 있을 때, 로봇의 형태 추정치에는 일정 수준의 오차가 있었습니다. 하지만 센서를 앞뒤로 움직이게 하자 오차가 줄어들었습니다.

C자형 로봇을 사용한 실제 테스트에서, 센서를 슬라이딩하면 위치 오차가 6.1%(1.64cm에서 1.54cm로) 감소했습니다. S자형 로봇의 경우 개선 효과가 더 두드러졌는데, 위치 오차가 8.4%(1.78cm에서 1.63cm로) 감소했습니다. 방향 오차(로봇이 어느 방향을 향하고 있는지 아는 정도) 또한 형태에 따라 약 3%에서 4% 정도 개선되었습니다.

연구진은 이것이 로봇의 컴퓨터가 시간 경과에 따른 센서의 움직임을 사용하여 전체 몸의 더 나은 그림을 구성할 수 있기 때문이라고 설명합니다. 이는 마치 어두운 터널의 모양을 추측하기 위해 한쪽 끝에서 손전등을 비추는 것과 같습니다. 빛을 가만히 들고 있으면 작은 원 하나만 보이지만, 빛을 앞뒤로 움직이면 터널의 형태에 대한 훨씬 더 명확한 정신적 지도를 구축할 수 있습니다. 논문은 이 "모션 프라이어(motion prior, 움직임 사전 정보)"—즉, 센서가 움직이고 있다는 사실을 사용하는 것—가 로봇이 오래된 정보와 새로운 정보를 결합하여 더 똑똑한 추측을 하도록 돕는다고 제안합니다.

이것이 의미하는 바 (그리고 의미하지 않는 것)

이 논문은 이것이 로봇을 완벽하게 만드는 마법 같은 해결책은 아니라는 점을 주의 깊게 명시하고 있습니다. 개선 정도는 작았지만 측정 가능했으며, 테스트는 주로 로봇이 멈춰 있거나 매우 느리게 움직일 때 수행되었습니다. 저자들은 이 방식이 로봇이 빠르게 움직이거나 혼란스러운 실제 환경에서 어떻게 작동하는지에 대해서는 아직 테스트하지 않았음을 인정합니다. 또한 현재의 디자인은 다소 부피가 크며, 센서가 로봇의 핵심부에 들어가기 위해 매우 작아야 한다는 점도 지적합니다.

하지만 이 연구는 개념이 작동한다는 것을 성공적으로 입증했습니다. 즉, 센서를 기계적으로 재구성함으로써 로봇이 가장 자신 있게 느끼는 위치를 바꿀 수 있다는 것입니다. 이는 로봇이 단순히 데이터를 수동적으로 기다리는 것이 아니라, 가능한 최선의 정보를 얻기 위해 센서를 능동적으로 움직이는 새로운 종류의 "능동적 추정(active estimation)"의 문을 열어줍니다. 저자들은 미래의 로봇들이 움직임과 감지 전략을 함께 계획하여, 아무리 꿈틀거려도 자신이 정확히 어디에 있는지 항상 알 수 있게 되기를 희망합니다.