Before the Tipping Point: Force-Guided Active Perception for Shape-Agnostic Estimation of 3D Centers of Mass

로봇은 우리 세상 속을 움직이는 능력이 점점 더 향상되고 있지만, 여전히 근본적인 질문에 어려움을 겪곤 합니다. 바로 '이 물체는 얼마나 무거운가, 그리고 그 무게는 정확히 어디에 집중되어 있는가?'라는 질문입니다. 로봇 공학의 세계에서 이 무게 분포는 질량 중심(center of mass)이라고 불립니다. 이 지점을 아는 것은 기계가 물체를 안전하게 움켜쥐거나, 물체를 넘어뜨리지 않고 밀거나, 힘이 가해졌을 때 물체가 어떻게 행동할지 예측하는 데 필수적입니다. 인간은 물체를 들어 올리거나 살짝 건드려 봄으로써 이러한 특성을 직관적으로 감지할 수 있지만, 로봇은 일반적으로 기존의 디지털 모델이 있거나 물체를 들어 올려 계산할 수 있어야 합니다. 이는 아직 형태가 파악되지 않았거나, 잡을 수 없거나, 혹은 부서지기 쉬운 미지의 불규칙한 물체를 다룰 때 큰 장애물이 됩니다. 로봇이 무게가 어디에 있는지 판단하지 못하면, 물체를 떨어뜨리거나, 손상시키거나, 위험한 방식으로 넘어뜨릴 위험이 있습니다.

이를 해결하기 위해 우스터 폴리테크닉 대학교(Worcester Polytechnic Institute)의 연구진은 로봇이 물체를 들어 올리지 않고도 물체의 숨겨진 물리적 특성을 "느낄" 수 있는 새로운 방법을 개발했습니다. 로봇은 물체를 잡으려고 시도하는 대신, 정교하게 제어된 부드러an 밀기(push)를 수행합니다. 로봇은 물체가 어떻게 기울어지기 시작하는지 관찰하고 물체를 움직이는 데 필요한 정확한 힘을 측정함으로써, 물체의 전체 질량과 무게 중심의 높이를 추론할 수 있습니다. 이 과정은 기계가 단 한 번의 안전한 상호작용을 통해 물체의 안정성과 물리적 본질을 이해할 수 있게 해주며, 구조화되지 않은 환경에서 훨씬 더 다양한 품목을 조작할 수 있는 길을 열어줍니다.

이 작업의 핵심은 힘 유도 능동 인지(force-guided active perception)라고 불리는 방법입니다. 로os의 손목에 민감한 센서가 장착된 로봇 팔이 탁자 위에 놓인 상자를 밀고 있다고 상상해 보십시오. 로봇은 단순히 상자를 확 미는 것이 아닙니다. 로봇은 물체가 기울어지기 시작할 때까지 천천히 의도적인 동작을 수행한 다음 즉시 뒤로 물러납니다. 이 사이클은 준정적(quasistatic) 방식으로 반복되는데, 이는 물체의 관성이 측정에 방해가 되지 않도록 매우 느리게 움직임을 수행함을 의미합니다. 로봇이 물체를 밀면서, 로봇은 물체의 각도와 가하고 있는 힘을 기록합니다. 연구진은 로봇이 얼마나 세게 미는지와 물체가 얼마나 기울어지는지 사이의 관계를 분석함으로써, 물체의 질량과 수직 방향의 무게 중심을 수학적으로 역설계할 수 있다는 것을 발견했습니다.

이 접근 방식의 결정적인 혁신은 '임계 미만(sub-critical)' 전도(tipping)라는 개념입니다. 이러한 특성을 측정하려는 기존의 많은 시도에서는 연구자들이 물체가 완전히 넘어질 때까지 밀어서, 물체가 무너지는 바로 그 순간을 이용해 데이터를 계산했습니다. 하지만 이는 위험합니다. 일단 물체가 쓰러지기 시작하면 멈추기에 너무 늦을 수 있으며, 물체가 손상되거나 주변 환경이 흐트러질 수 있습니다. 새로운 방법은 로봇이 '돌이킬 수 없는 지점'에 도달하기 직전에 멈춥니다. 로봇은 물체가 안정성의 가장자리에 아슬아슬하게 걸쳐질 때까지 밀었다가 다시 물러나서 물체를 똑바로 세워 둡니다. 로봇은 물체가 쓰러짐에 가까워질수록 특정 각도에서 물체를 유지하는 데 필요한 힘이 어떻게 변하는지를 관찰함으로써, 실제 전도 지점이 어디였을지를 정확히 예측할 수 있습니다. 이러한 안전 마진 덕분에 시스템은 파괴적인 낙하를 일으키지 않고도 필요한 정보를 수집할 수 있습니다.

연구팀은 표준 직사각형 상자, 하트 모양 프리즘, 휴대용 손전등, 컴퓨터 모니터를 포함한 다양한 물체를 대상으로 이 기술을 테스트했습니다. 이 품목들은 모양, 무게, 그리고 질량 분포가 크게 달랐습니다. 예를 들어, 손전등은 곡선형 바닥을 가지고 있어 흔들리기 쉬웠고, 모니터는 무겁고 상단이 무거웠습니다. 성공적인 모든 실험에서 로봇은 특정 높이에서 수평으로 밀기를 수행했고, 힘과 각도 데이터를 기록한 후 컴퓨터 알고리즘을 사용하여 데이터를 물리 모델에 맞추었습니다. 결과는 매우 정확했습니다. 다양한 물체에 걸쳐 로봇은 질량과 무게 중심의 높이를 5% 미만의 상대 오차로 추정했습니다. 어떤 경우에는 무게 중심 높이에 대한 오차가 0.2%에 불만큼 낮았습니다.

가장 중요한 발견 중 하나는 로봇이 손가락과 물체 사이의 마찰력을 어떻게 처리했는가 하는 점이었습니다. 로봇이 물체를 밀 때 마찰은 움직임에 저항합니다. 로봇이 뒤로 당길 때 마찰은 반대 방향으로 작용합니다. 이는 밀기와 당기기 단계 사이의 힘 측정값에 미세한 차이를 만드는데, 이를 히스테리시스(hysteresis) 현상이라고 합니다. 연구진은 밀기와 후퇴하는 두 단계의 데이터를 결합함으로써 이러한 마찰 오차를 서로 상쇄할 수 있다는 것을 발견했습니다. 이를 통해 시스템은 표면이나 물체의 재료에 대한 정확한 마찰 계수를 미리 알 필요 없이 깨끗하고 신뢰할 수 있는 물체의 특성 추정치를 생성할 수 있었습니다.

이 연구는 또한 안전과 정확성 사이의 섬세한 균형을 강조했습니다. 연구진은 로봇이 물체를 넘어뜨리기 전에 얼마나 가까이 다가갈지를 결정하는 '안전 마진'을 도입했습니다. 만약 로봇이 전도 지점에서 너무 멀리서 일찍 멈춘다면, 정확한 예측을 위한 충분한 데이터를 수집하지 못합니다. 반대로 너무 가까이 가면 물체가 넘어질 위험이 있습니다. 실험 결과, 매우 보수적인 안전 마진은 물체를 안전하게 유지했지만, 특히 무게 중심의 높이에 대한 추정 정확도를 떨어뜨리는 경우가 있었습니다. 반대로 한계점에 더 가깝게 밀면 정확도는 높아지지만 위험도 증가했습니다. 연구팀은 적절한 안전 마진이 최선의 절충안을 제공하여, 로봇이 물체를 탁자 위에 단단히 고정시킨 상태에서 정밀한 계산을 할 수 있을 만큼 충분한 정보를 학습할 수 있게 한다는 것을 찾아냈습니다.

하지만 이 방법에는 한계도 있었습니다. 연구진은 손전등과 같이 곡선형 바닥을 가진 물체가 독특한 과제를 제시한다는 점에 주목했습니다. 물체가 기울어짐에 따라 물체와 탁자 사이의 접촉점이 변하기 때문에, 고정된 회전 중심을 가정하는 단순한 모델이 무너졌습니다. 이런 경우 물체는 예측 불가능한 방식으로 흔들리거나 미끄러져 로봇이 정확한 매개변수를 결정하기 어렵게 만듭니다. 이는 이 방법이 평평하거나 각진 바닥을 가진 많은 강체(rigid objects)에는 견고하지만, 둥근 바닥을 가진 품목에는 추가적인 조정이 필요할 수 있음을 시사합니다.

이 작업의 함의는 단순히 무게를 측정하는 것을 넘어섭니다. 로봇이 잡지 않는 상호작용을 통해 미지의 물체의 물리적 특성을 이해할 수 있게 함으로써, 이 기술은 현실 세계에서의 더욱 다재다능하고 안전한 조작을 위한 길을 열어줍니다. 로봇은 무거운 상자를 밀어 이동하기에 충분히 안정적인지 확인할 수도 있고, 섬세한 꽃병을 집어 들기 전에 균형을 이해하기 위해 살짝 건드려 볼 수도 있습니다. 사전 지식이나 물체를 들어 올릴 필요 없이 질량과 안정성을 추론하는 능력은 로봇을 인간 세상의 예측 불가능한 자연에 더 잘 적응하게 만드는 중요한 진전입니다. 연구진은 적절한 힘 센싱, 시각적 추적, 그리고 세심한 제어가 결합된다면, 기계가 부드럽고 통제된 밀기만으로도 물체의 숨겨진 물리학을 배울 수 있다는 것을 입증했습니다.