⚡ 전기공학

Reactive Online Motion Generation for Redundant Manipulators with Adaptive Manipulability Weighting

본 논문은 고정된 참조 궤적 없이도 로봇이 특이점을 회피하고 목표에 효율적으로 도달할 수 있도록, 적응형 가중치 방식과 참조 타원체를 통해 목표 달성과 조작성 향상 사이의 우선순위를 동적으로 조정하는 여유 자유도 매니퓰레이터를 위한 온라인 동작 생성 방법을 제안한다.

원저자: Ryuji Nakagawa, Ryosuke Tasaki

게시일 2026-10-28

📖 4 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Ryuji Nakagawa, Ryosuke Tasaki

원본 논문은 CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ✨ 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

인간의 팔처럼 많은 관절을 가진 로봇은 특정 지점에 손을 위치시키기 위해 수많은 다른 방식으로 움직일 수 있는 놀라운 유연성을 지니고 있습니다. 이러한 유연성은 양날의 검과 같습니다. 자유로움을 제공하는 동시에 숨겨진 위험을 만들어내기도 하는데, 특정 자세에서는 로봇이 뻣뻣해져서 모터에 무리를 주거나 제어력을 완전히 상실하여 특정 방향으로 움직이지 못하게 될 수 있기 때문입니다. 엔지니어들은 이러한 위태로운 위치를 '특이점(singularities)'이라고 부릅니다. 로봇이 원활하게 작동하도록 하려면, 로봇은 임무를 수행하면서도 이러한 막다른 골목을 끊임없이 피해야 합니다. 과제는 목적지에 빠르게 도달하는 것과, 로봇이 다음 상황에 대비해 민첩하고 준비된 자세를 유지하도록 하는 것 사이의 상충하는 두 가지 필요성을 조절하는 데 있습니다.

오랫동안 연구자들은 안전한 경로를 미리 계산하거나 모든 움직임을 동일하게 취급하는 고정된 규칙을 사용하여 이 문제를 해결하려 노력해 왔습니다. 그러나 이러한 방법들은 로봇의 시작 위치가 변하거나 환경이 예측 불가능할 때 어려움을 겪는 경우가 많았습니다. 아오야마 가쿠인 대학교의 나카가와 류지(Ryuji Nakagawa)와 타사키 료스케(Ryosuke Tasaki)의 새로운 연구는 다른 접근 방식을 제안합니다. 이들의 방법은 로봇이 정해진 지도를 따르는 대신, 현재 자신의 자세가 얼마나 '건강한지'에 따라 우선순위를 끊임없이 조정하며 실시간으로 스스로의 경로를 결정하게 합니다. 연구진은 로봇이 목표물을 향해 이동하는 동시에, 자신이 뻣뻣하고 어색한 자세로 빠져들고 있는지 확인하고, 만약 그렇다면 목표를 놓치지 않으면서도 부드럽게 그 자세에서 벗어나도록 유도하는 시스템을 개발했습니다.

이 새로운 시스템의 핵심은 공간과 거리에 대한 역동적인 사고방식입니다. 로봇의 시작점과 목표점을 잇는 직선으로부터 얼마나 멀리 이동할 수 있는지에 대한 '예산(budget)'이 주어졌다고 상상해 보십시오. 로봇이 편안하고 유연한 위치에 있다면, 이 예산을 아주 적게 사용하여 직접적인 경로에 가깝게 머뭅니다. 하지만 로봇이 뻣뻣한 구성으로 진입하고 있다고 감지하면, 시스템은 이 예산을 사용하여 로봇이 유연성을 회복하기 위해 더 넓고 곡선적인 우회 경로를 택할 수 있도록 허용합니다. 이 예산은 고정된 숫자가 아닙니다. 로봇이 움직임에 따라 줄어들며, 이는 로봇이 결국 우회를 위한 여유를 다 써버리게 하여 목표 도달에만 전적으로 집중하게 만듭니다.

이러한 결정을 내리기 위해 연구진은 유연성을 위한 나침반 역할을 하는 수학적 도구를 만들었습니다. 매 찰나의 순간마다 로봇은 어떤 방향이 자신을 가장 민첩하게 만들지를 계산합니다. 그런 다음 남은 '거리 예산'을 확인하고, 그 한계 내에서 이동할 수 있는 최적의 지점을 찾습니다. 이 지점은 수천 개의 옵션을 추측하거나 검색하여 선택하는 방식(이는 실시간 시스템에는 너무 느립니다)이 아닙니다. 대신, 로봇은 목표에 가까워질수록 줄어드는 기하학적 형상을 사용하여 즉각적으로 완벽한 지점을 계산합니다. 이를 통해 로봇은 자신의 상태 변화에 즉각적으로 반응하며, 유연성이 낮을 때는 유연성을, 높을 때는 속도를 우선시할 수 있습니다.

연구진은 컴퓨터 시뮬레이션을 통해 7관절 로봇 팔을 사용하여 이 아이디어를 광범위하게 테스트했습니다. 그들은 세 가지 서로 다른 시작 상황을 설정했습니다: 로봇이 편안한 자세에서 시작하는 경우, 매우 어색하고 뻣뻣한 자세에서 시작하는 경우, 그리고 그 중간 어디쯤에서 시작하는 경우입니다. 모든 경우에서 로봇은 목적지에 성공적으로 도달했습니다. 로봇이 뻣뻣한 위치에서 시작했을 때, 시스템은 즉시 더 길고 곡선적인 경로를 허용하여 목표로 향하기 전에 자세를 바로잡도록 했습니다. 로봇이 좋은 위치에서 시작했을 때는 불필요한 우회를 피하며 직선 경로에 가깝게 머물렀습니다. 이 시스템은 매번 새로운 시작점에 대해 다른 규칙을 적용할 필요 없이, 실시간으로 우선순위를 조정함으로써 로봇이 좋지 않은 위치에 갇히는 것을 피할 수 있음을 입증했습니다.

이것이 실제 세계에서도 작동함을 증명하기 위해, 연구팀은 로봇의 손에 액체가 담긴 유리잔을 부착하고 한 지점에서 다른 지점으로 옮기도록 했습니다. 이 과정에서 로봇은 움직이는 동안 유리잔을 완벽하게 수직으로 유지해야 했습니다. 한 테스트에서, 로봇은 직선으로 움직이면 뻣뻣해져서 유리잔을 떨어뜨릴 수도 있는 위치에서 시작했습니다. 새로운 시스템은 로봇이 유리잔을 똑바로 세운 상태를 유지하면서도 유연성을 유지하며 곡선 경로를 따라 이동하도록 성공적으로 안내했으며, 이 모든 과정은 초당 100회의 속도로 이루어졌습니다. 컴퓨터 계산은 매번 1밀리초 미만이 소요되었으며, 이는 이 방법이 실시간 제어에 충분히 빠르다는 것을 증명합니다.

이 연구는 로봇이 안전하고 효율적으로 움직이기 위해 미리 계획된 지도가 필요하지 않다는 것을 확인시켜 줍니다. 자신의 유연성을 끊임없이 평가하고 허용 가능한 우회 거리라는 줄어드는 예산을 사용함으로써, 로봇은 스스로 복잡한 상황을 헤쳐 나갈 수 있습니다. 연구진은 이 적응형 접근 방식이 고정된 규칙을 사용하는 기존 방식보다 특히 로봇이 어려운 위치에서 시작할 때 더 뛰어난 성능을 보였다는 것을 발견했습니다. 이 시스템이 모든 가능한 시나리오에서 완벽한 경로를 보장하는 것은 아니지만, 목표에 도달해야 하는 필요성과 민첩성을 유지해야 하는 필요성 사이의 균형을 잡는 강력한 능력을 보여주었습니다. 이 연구는 미래의 로봇이 단순히 목적지로 이동하는 것이 아니라, 자신의 물리적 한계를 인식하며 인간의 움직임과 같은 자연스러운 유동성을 가지고 세상을 항해할 수 있음을 시사합니다.

기술 요약: 적응형 조작성 가중치를 적용한 여유 자유도 매니퓰레이터의 반응형 온라인 동작 생성

문제 정의
여유 자유도 매니퓰레이터(Redundant manipulators)의 경우, 운동 방향이 제한되어 관절 속도가 급증할 수 있는 특이점(Singularity)을 피하기 위해 운동학적 능력(조작성, Manipulability)을 유지하는 것이 매우 중요하다. 기존 방법들은 조작성을 다루고 있으나 다음과 같은 한계가 있다: 오프라인 능력 맵(Offline capability maps)은 생성 비용이 많이 들며 현재의 역기구학 브랜치를 반영하지 못할 수 있고, 제어 레벨의 영공간 투영(Null-space projection)은 주 작업(Primary task)에 남은 여유 자유도 내에서만 조작성을 개선하며 말단 장치의 경로를 변경하지 못한다. 또한, 계획 레벨(Planning-level)의 방법들은 미리 정의된 궤적이나 복잡한 탐색 트리를 필요로 하는 경우가 많다. 더욱이, 고정된 가중치를 사용할 경우 목표 달성과 조작성 개선 사이의 우선순위를 조절하기 어려운데, 이는 조작성이 높을 때는 불필요한 우회 경로를 유발하고, 조작성이 낮을 때는 충분한 가이드를 제공하지 못할 수 있기 때문이다. 본 연구는 미리 정의된 중간 궤적 없이, 조작성 개선과 목표 도달 사이의 우선순위를 동적으로 조정하는 반응형 온라인 동작 생성 방법의 필요성을 다룬다.

방법론
제안된 방법은 현재 상태를 기반으로 실시간으로 기준 속도를 생성하며, 이를 관절 제약 조건을 준iod하는 속도 레벨의 이차 계획법(Quadratic Program, QP)에 통합한다. 핵심 구성 요소는 다음과 같다:

경로 길이 예산 및 참조 타원체:
시작점과 목표점 사이의 직선 거리( $L_{min}$ )와 허용 가능한 우회 비율( $r_{detour}$ )을 기반으로 경로 길이 예산( $L_{max}$ )을 정의한다. 말단 장치가 이동함에 따라 누적 경로 길이( $L(t)$ )가 $L_{max}$ 에서 차감되어 남은 예산( $B(t)$ )을 결정한다. 이 예산은 현재 위치와 목표점 사이에 위치한 3D 참조 타원체를 정의한다. 이 타원체는 전체 허용 경로 길이를 초과하지 않으면서 조작성 참조 위치를 선택할 수 있는 공간 영역을 나타낸다.
해석적 참조 위치 생성:
후보 점들을 탐색하는 대신, 본 방법은 참조 타원체 내에서 예측된 조작성을 최대화하는 조작성 참조 위치( $x_m$ )를 해석적으로 계산한다. 현재 구성으로부터 유도된 국부적 병진 조작성 기울기(Local translational manipulability gradient, $g(t)$ )를 사용하여, 참조 위치는 기울기 방향의 타원체 지지점(Support point)으로 식별된다. 이는 타원체의 형상 행렬(Shape matrix)을 포함하는 폐쇄형 해(Closed-form solution)를 통해 달성되며, 이산 탐색이나 반복 최적화의 필요성을 제거한다.
적응형 조작성 가중치:
적응형 가중치( $w_m$ )는 목표 도달 대비 조작성 개선의 우선순위를 결정하기 위해 계산된다. 이 가중치는 현재 조작성 및 참조 거리에 의해 정규화된, 참조 위치에서의 상대적 예측 개선량으로부터 도출된다.

현재 조작성이 낮고 상당한 개선이 예측될 때, 가중치는 증가하여 조작성 방향을 우선시한다.
조작성이 이미 높거나 기울기가 작을 때(국소 최댓값 근처), 가중치는 감소하여 목표 도달을 우선시한다.
이 메커니즘은 전역 최대 조작성 값을 필요로 하지 않으며, 참조 타원체의 임의적인 크기에 가중치가 과도하게 의존하는 것을 방지한다.

포텐셜 기반 참조 속도:
두 가지 작업 공간 참조 속도가 생성된다: 하나는 목표를 위한 속도( $v_g$ ), 다른 하나는 조작성 참조를 위한 속도( $v_m$ )이다. 두 속도 모두 각각의 목표에 접근함에 따라 감쇠하는, 인력 포텐셜(Attractive potential)과 유사한 거리 의존 법칙을 따른다. 조작성 속도는 목표에 접근할 때 과도한 편차를 방지하기 위해 추가적으로 감쇠된다.
속도 레벨 이차 계획법(Velocity-Level QP):
최종 관절 속도는 실제 관절 속도와 목표 속도, 조작성 속도, 그리고 영공간 자세 개선 항의 가중 합 사이의 오차를 최소화하는 볼록 QP를 풀어 계산된다. 적응형 가중치 $w_m$ 은 이 두 항 사이의 균형을 동적으로 조절한다. 관절 위치 및 속도 제한은 제약 조건으로 부과된다.

주요 기여
본 논문은 두 가지 주요 방법론적 기여를 식별한다:

해석적 참조 위치 생성: 후보 점 탐색 없이 경로 길이 증가를 고려하여 조작성 참조 위치를 생성하는 방법이다. 이는 갱신되는 참조 타원체와 국부적 조작성 기울기에 기반한다.
적응형 가중치 결정: 현재 값 대비 예측된 개선량을 바탕으로 상대적 평가를 통해 조작성 개선의 우선순위를 적응적으로 결정하는 방법이다. 이는 가중치 계산 시 전역 최대 조작성을 사용하는 것을 피하여, 시스템이 즉각적인 운동학적 상태에 따라 우선순위를 조정할 수 있게 한다.

결과
본 방법은 7자유도 KUKA LBR iiwa 7 R800 매니퓰레이터를 이용한 시뮬레이션과 실제 로봇 운송 실험을 통해 평가되었다.

시뮬레이션 (시나리오 분석):
- 우회 비율(Detour Ratio): 허용 가능한 우회 비율( $r_{detour}$ )을 높이면 더 큰 조작성 개선이 가능했으나, 비율이 2.5를 넘어서면 수익 체감(Diminishing returns)이 나타났다.
- 적응형 vs 고정 가중치: 초기 조작성이 낮은 시나리오에서 적응형 가중치는 조작성 개선을 성공적으로 우선시하여 조작성이 초기 수준 미만으로 떨어지는 것을 방지한 반면, 고정 가중치는 목표에 도달하지 못하거나 과도한 우회를 요구하는 경우가 많았다. 조작성이 높은 시나리오에서는 적응형 가중치가 불필요한 경로 수정을 제한하여, 높은 고정 가중치보다는 빠르게 목표에 도달하면서도 낮은 고정 가중치보다는 더 나은 조작성을 유지했다. 적응형 방법은 모든 시나리오에서 단일한 설계 파라미터 세트를 사용하였으며, 이는 시나리오별 튜닝에 대한 의존성을 줄여준다.
실제 로봇 실험 (고정 방향 운송):
- 본 방법은 액체가 담긴 유리잔을 운반하는 실험에서 고정된 말단 방향을 유지하며 100 Hz로 경로를 성공적으로 생성했다.
- 표준 시나리오에서, 본 방법은 경로 길이를 맞추도록 튜닝된 궤적 추종 방식(Jin 등) 및 편차 허용 방식(Dufour와 Suleiman)보다 높은 평균 및 최소 조작성을 달ach했다.
- 특이점 근접 시나리오에서, 본 방법은 직선 궤적이 통과했을 법한 특이 구성을 성공적으로 회피하면서, 초기 값 아래로 떨어지지 않고 조작성을 개선했다.
- 평균 계산 시간은 사이클당 0.5 ms 미만으로, 실시간 실행 가능성을 확인했다.

의의 및 주장
저자들은 이 반응형 온라인 동작 생성 방법이 미리 정의된 참조 궤적 없이도 조작성 개선과 목표 도달 사이의 균형을 효과적으로 맞춘다고 주장한다. 동적으로 업데이트되는 타원체 내에서 참조 위치를 해석적으로 생성하고, 국부 상태 예측에 기반한 적응형 가중치를 사용함으로써, 조작성 가중치에 대한 수동 튜닝의 필요성을 줄인다. 본 연구는 이 접근 방식이 다양한 초기 상태로부터 목표에 도달하고, 공통된 파라미터 세트를 사용하여 조작성 감소를 억제할 수 있음을 입증한다.

논문은 다음과 같은 한계점을 명시하고 있다: 본 방법은 전역 최적성(Global optimality), 임의의 초기 상태로부터의 목표 달성, 또는 국소 정체(Local stagnation) 회피를 보장하지 않는다. 경로 길이 예산은 선택을 위한 허용 영역을 정의하지만, 이산 시간 제어 및 추적 오차로 인해 실제 경로 길이가 예산을 초과하지 않는다는 것을 엄격히 보장하지는 않는다. 평가는 장애물이 없는 점 대 점(Point-to-point) 운동과 특정 초기 구성으로 제한되었다. 향-기반 계획(Global planning)과의 통합 및 더 넓은 초기 상태, 장애물 회피를 다루기 위한 후속 연구가 필요함을 밝히고 있다.

유사한 논문