Robot Teams Sharing a Load: Compositional Decay Certificates

로봇 그룹이 무거운 물체를 운반하기 위해 함께 협력할 때, 그들은 단순히 독립적인 기계들의 집합체로 행동하지 않습니다. 대신, 그들은 하나의 긴밀하게 연결된 기계 시스템을 형성합니다. 그들이 들고 있는 물체가 그들을 연결하며, 그들이 서 있는 지면은 그들이 움직일 수 있는 방식을 제한합니다. 만약 한 로봇이 다른 로봇들이나 물리 법칙에 어긋나는 방식으로 움직이려 한다면, 팀 전체가 저항하게 됩니다. 이는 안전과 임무의 안정성이 모든 개별 부품이 조화롭게 작동하는 데 달려 있는 복잡한 힘의 망을 생성합니다. 엔지니어들은 시스템이 안정적임을 증명할 수 있다면, 로봇들이 궤도를 유지하도록 하는 제어기를 설계할 수 있다는 것을 오래전부터 알고 있었습니다. 그러나 이 안정성을 증명하는 것은 대개 전체 그룹을 하나의 거대하고 나눌 수 없는 기계로 취급하는 대규모의 중앙 집중식 계산을 필요로 했습니다. 이러한 접근 방식은 계산량이 매우 많으며, 로봇을 추가하거나 제거하기 어렵게 만들고, 팀의 어떤 부분이 시스템을 안정적으로 유지하는 데 책임을 지고 있는지 정확히 파악하는 것을 어렵게 만듭니다.

핀란드, 한국, 미국의 연구진은 전체 시스템을 한꺼번에 해결할 필요 없이 이러한 로봇 팀의 안정성을 검증하는 새로운 방법을 개발했습니다. 학술지 Automatica에 제출된 이들의 연구(프리프린트)는 각 로봇이 국소적인 정보만을 사용하여 팀의 안정성에 대한 자신의 기여를 증명할 수 있는 방법을 소개합니다. 연구진은 로봇들이 특정 트리 구조(tree-like structure)로 배치되어 있다면, 각 로봇이 스스로 간단한 조건을 확인할 수 있으며, 모든 로봇이 이를 통과하면 전체 팀은 중앙 집중식 한계보다 엄격히 낮은 감쇠율에 대해서도 안정성이 보장된다는 것을 발견했습니다. 이는 전체 조인트와 바퀴의 동작을 동시에 계산하기 위해 중앙 컴퓨터가 필요했던 기존의 사고방식에서 중대한 전환입니다. 연구팀은 이 국소적 접근 방식이 많은 일반적인 팀 형태에 적용 가능함을 입증했으며, 이를 통해 이전보다 훨씬 적은 에너지와 댐핑(damping)을 사용하는 제어기를 설계할 수 있었습니다. 그러나 그들은 중앙 집중식 비율을 정확히 달성하려면 특정 조건이 필요하다고 언급했습니다: 즉, 조립체가 인접한 셀들 사이에 공유되는 결합 속도를 모두 실현할 수 있어야 합니다. 그렇지 않으면 국소적 확인이 최대 비율에 도달하지 못할 수 있습니다.

이 발견의 핵심은 연구진이 안정성 문제를 어떻게 분해했느냐에 있습니다. 그들은 팀을 모듈의 집합체로 다루었는데, 여기서 각 로봇은 자신만의 에너지 저장량과 마찰 및 모터 제어를 통해 에너지를 소산(dissipate)할 수 있는 능력을 가진 하나의 모듈입니다. 연구진은 만약 로봇이 특정 부하의 일부를 담당하면서 안정적임을 증명할 수 있고, 팀의 구조가 이러한 국소적 증명들이 틈 없이 서로 맞물릴 수 있도록 허용한다면, 전체 조립체 또한 안정적이라는 것을 보여주었습니다. 그들은 이러한 "구성적(compositional)" 접근 방식이 연결 관계가 폐쇄 루프를 형성하지 않는 구조인 조인 트리(join tree)를 형성하는 모든 팀 아키텍처에 대해 작동함을 증명했습니다. 이러한 경우, 국소적 확인은 최대치 미만의 비율에 대해 글로벌 확인만큼 강력하며, 조립체가 공유 모듈의 모든 결합 속도를 실현할 때 최대 비율에 도달합니다. 그러나 그들은 또한 팀의 구조에 로봇의 고리(ring)와 같은 루프가 포함되어 있다면, 국소적 확인은 통과하지만 실제 글로벌 시스템은 불안정할 수 있는 시나리오를 구성할 수 있음을 보여주었습니다. 이 발견은 국소적 확인이 항상 글로벌 확인을 대체할 수 있다는 생각을 부정합니다. 즉, 팀의 형태가 중요한 것입니다.

이 아이디어들을 테스트하기 위해, 연구진은 팔과 바퀴가 달린 모바일 매니퓰레이터 등 실제 로봇 모델을 포함한 시뮬레이션 환경을 구축했습니다. 그들은 두 대 또는 세 대의 로봇 팀이 선반에서 긴 빔을 들어 올려, 문을 통과하여 경사로를 오르고, 지지대에 내려놓아야 하는 미션을 만들었습니다. 로봇들은 좁은 공간을 통과해야 했으며, 물체를 떨어뜨리거나 관절에 무리를 주지 않으면서 빔의 무게 변화를 처리해야 했습니다. 이 시뮬레이션에서 연구진은 새로운 국소적 설계 방식을 전통적인 중앙 집중식 방식과 비교했습니다. 그들은 국소적 방식이 글로벌 방식과 동일한 수준의 안정성을 인증할 수 있으면서도, 댐핑 게인(damping gain)을 40에서 44퍼센트 적게 사용하는 제어기를 설계할 수 있게 해준다는 것을 발견했습니다. 댐핑은 진동을 방지하기 위해 움직임에 저항하는 힘입니다. 이를 적게 사용한다는 것은 로봇이 안정성을 유지하면서도 더 자유롭고 효율적으로 움직일 수 있음을 의미합니다. 시뮬레이션 결과, 로봇들은 높은 정밀도로 전체 미션을 완수할 수 있었으며, 최선의 경우 페이로드 위치 오차를 0.25밀리미터 미만으로 유지했습니다.

연구진은 또한 로봇이 예상치 못한 사건, 예를 들어 하중을 놓거나 갑자기 다시 잡는 상황을 마주했을 때 어떤 일이 발생하는지 탐구했습니다. 그들은 연결 상태가 변하는 순간 제어기의 기대치를 조정하는 수학적 규칙, 즉 리셋 법칙(reset law)을 개발했습니다. 이 규칙은 연결이 변경되는 즉시 시스템에 저장된 에너지가 위험하게 급증하지 않도록 보장합니다. 테스트 결과, 이 규칙은 완벽하게 작동하여 로봇이 서로 다른 운영 모드 사이를 전환할 때도 시스템을 안정적으로 유지했습니다. 또한 그들은 바퀴를 굴리기보다는 미끄러지듯 회전하는 탱크와 같은 스키드 스티어(skid-steered) 베이스를 가진 로봇들도 살펴보았습니다. 이러한 로봇들의 경우, 모터만으로는 안정성을 보장할 데 충분한 댐핑을 제공할 수 없습니다. 연구진은 바퀴와 지면 사이의 마찰이 자연적인 댐퍼 역할을 한다는 것을 발견했습니다. 그들은 계산 과정에서 이 마찰을 고려함으로써, 마찰이 충분히 강하다는 전제하에 이러한 제어하기 까다로운 로봇들도 안정적으로 유지될 수 있음을 인증할 수 있었습니다.

연구는 시뮬레이션에 머물지 않았습니다. 연구진은 실제 하드웨어에서 발견되는 미세한 불완전함과 지연을 포함한 더 현실적인 조건에서 어떻게 작동하는지 확인하기 위해 두 가지 유형의 물리 엔진에서 컨트롤러를 실행했습니다. 한 엔진은 제약 조건을 완벽한 것으로 취급했고, 다른 엔진은 실제 세계에서 볼 수 있는 접촉 역학 및 컴플라이언스(compliance)를 허용했습니다. 더 현실적인 환경에서도 컨트롤러는 여전히 잘 작동했지만, 불완전함으로 인해 시스템에 저장된 에너지는 약간 더 높았습니다. 연구진은 물리적으로 가능한 범위에 맞춰 로봇의 요청을 조정하는 '피티드-레퍼런스(fitted-reference)' 컨트롤러가 전통적인 방식보다 성능이 우수하다는 것을 관찰했습니다. 이 방식은 표준 방식에 비해 페이로드 위치의 피크 오차를 최대 52퍼센트까지 줄였습니다. 이러한 개선은 다양한 로봇 구성과 미션 프로필 전반에서 일관되게 나타났습니다.

이 연구의 가장 놀라운 측점 중 하나는 노력의 분배를 어떻게 다루느냐에 있습니다. 로봇 팀에서 하중은 항상 균등하게 분배되지 않습니다. 어떤 로봇은 물체의 중심에 더 가까울 수 있고, 어떤 로봇은 끝부분에 있을 수 있습니다. 연구진은 그들의 방식이 로봇들 사이에 제어 노력을 분배하는 최적의 방법을 자동으로 찾아낼 수 있음을 보여주었습니다. 그들은 각 로봇을 독립적으로 설계하는 전통적인 방식이 종종 어떤 로봇은 과도하게 일하고 어떤 로봇은 활용되지 못하는 상황을 초전한다는 것을 발견했습니다. 그들은 구성적 접근 방식을 사용하여, 모든 로봇이 필요한 만큼 정확히 기여하도록 설계함으로써 더 균형 잡히고 효율적인 시스템을 만들 수 있었습니다. 이러한 균형은 중앙 컴퓨터가 팀 전체의 상태를 지속적으로 재계산하지 않고도 달성되었으며, 이는 시스템을 더 견고하고 확장 가능하게 만듭니다.

연구진은 또한 그들의 방법론의 한계를 조사했습니다. 만약 로봇들이 링(ring)과 같이 트리 구조를 형성하지 않는 방식으로 배치된다면, 국소적 확인만으로는 안정성을 보장하기에 부족하다는 것을 보여주었습니다. 이러한 경우, 각 개별 로봇의 관점에서는 안정적으로 보일 수 있지만, 로봇들 사이의 상호작용이 불안정성을 초래할 수 있습니다. 이는 엔지니어가 언제 더 단순한 국소적 방법을 사용할 수 있고, 언제 더 복잡한 글로벌 계산에 의존해야 하는지를 정확히 알려주는 중요한 차이점입니다. 논문은 어떤 팀 아키텍처가 이 새로운 방법을 사용하기에 안전한지에 대한 명확한 규칙을 제공합니다.

최종적으로, 이 연구는 복잡한 로봇 팀이 구성 요소 간의 연결이 특정 패턴을 따른다면, 그 구성 요소들로 분해하여 이해하고 제어할 수 있다는 것을 입증합니다. 연구진은 이전보다 적은 에너지와 계산 능력을 사용하면서도 효율적이고 안정적인 제어기를 설계할 수 있음을 보여주었습니다. 그들의 연구 결과는 변화하는 조건에 적응하고 효율적으로 작동하는 능력이 필수적인 실제 환경에 로봇 팀을 배치하기 위한 실질적인 경로를 제시합니다. 이 연구는 팀의 국소적 상호작용과 전체적인 구조를 이해함으로써, 엔지니어가 어려운 과업을 수행할 수 있을 뿐만 아니라 본질적으로 안정적이고 안전한 시스템을 구축할 수 있음을 확인시켜 줍니다. 광범위한 시뮬레이션과 다양한 플랫폼에서의 테스트를 통해 검증된 이 결과는 차세대 협동 로봇 공학을 위한 견고한 토대를 제공합니다.