사족보행 로봇 전신 이동조작 제어, 모델 기반 제어와 강화학습을 결합한 안전 설계

핵심 메시지

• 사람이 로봇 팔을 잡아끄는 힘을 힘·토크 센서로 읽어 팔과 로봇 본체가 함께 속도로 응답한다.
• 팔은 관성이 작고 반응이 빠른 근거리 보정, 다리 달린 본체는 관성이 크고 느리지만 작업 범위를 넓히는 역할로 나눠 맡는다.
• 팔 제어는 물리 모델 기반 어드미턴스 제어로, 보행은 강화학습으로 처리해 안전 보장과 복잡한 동역학 학습을 함께 얻는다.
• 레퍼런스 거버너가 목표값을 실시간으로 수정해 위치·속도·기구학 제약을 벗어나지 않도록 만든다.
• 모션 캡처 정답 데이터로 학습한 신경 칼만 필터가 상태를 추정하고, 그 추정 오차 분포를 학습 시 잡음 모델로 되먹인다.

쉽게 이해하기

미쓰비시전기 연구소가 국제 로봇 학회 발표 영상에서 다리와 팔을 동시에 쓰는 로봇의 안전한 전신 이동조작 방식을 소개했다. 상정한 상황은 사람이 로봇 팔을 손으로 잡는 경우다. 팔에 달린 힘·토크 센서가 이 접촉을 감지하면 팔이 그 힘에 맞춰 속도를 내고, 사족보행으로 움직이는 본체도 자기 속도를 함께 만들어낸다.

이런 힘 중심 접근이 필요한 이유는 분명하다. 사람과 로봇이 같은 공간에서 일하려면 외부에서 가해지는 힘에 반응할 수 있어야 하고, 사람이 직접 로봇을 움직여 동작을 가르치는 방식이나 자신과 주변을 다치게 하지 않는 동작에도 같은 능력이 필요하다. 발표자는 임피던스 제어로 넘어짐에서 복귀하거나 다리를 조작기처럼 써서 공을 다루는 등 이 분야에 이미 다양한 연구가 있었지만, 안전을 보장하는 문제와 외력을 명시적으로 추종하는 문제, 상태 추정 문제는 여전히 분명하지 않다고 지적한다.

제안된 구성은 물리 모델과 학습을 역할별로 나눠 쓴다. 팔은 모델 기반 어드미턴스 제어기가 맡아 외력을 속도로 바꾸고, 다리의 보행은 강화학습 정책이 맡는다. 안전 보장이 필요한 쪽은 모델 기반으로 다루고, 정확히 모델링하기 어려운 복잡한 동역학은 학습으로 감당한다는 분담이다.

역할 분담은 사람이 짐을 나르는 장면에 비유된다. 짐은 이동 가능한 본체에 붙은 로봇 팔이 든다. 팔은 관성이 작고 반응이 빠른 근거리 센서처럼 작동해 미세한 보정을 빠르게 내고, 본체는 관성이 크고 느리지만 도달 범위를 크게 넓혀준다. 두 층이 함께 상호작용에 따른 속도를 만들어내는 셈이다.

안전은 레퍼런스 거버너로 확보한다. 제약을 만족하도록 목표값 자체를 수정하는 방식이다. 상태 추정에는 모션 캡처 시스템의 정답 데이터로 학습한 신경 칼만 필터를 쓰고, 보행 정책은 전체 시스템 동역학과 속도 추종을 포함해 학습하되 칼만 필터의 상태 공분산에서 뽑은 현실적인 잡음을 함께 넣어 훈련한다. 물리 기반 설계와 학습 기반 요소를 한 틀에 묶은 구조다.

실제 하드웨어 검증 결과도 함께 제시됐다. 명령된 속도와 추정된 속도 사이의 평균 제곱 오차가 낮아 상호작용에 따른 속도 추종이 잘 이뤄졌고, 위치와 속도, 기구학 제약을 모두 지키는 것도 확인됐다. 마지막으로 신경 칼만 필터의 추정값이 모션 캡처 정답값과 오차가 작다는 점을 보여 상태 추정의 신뢰도를 뒷받침했다.

주요 인사이트

• 안전이 걸린 부분과 모델링이 어려운 부분을 갈라 각각 다른 도구를 쓴 점이 이 연구의 뼈대다. 팔의 상호작용은 보장을 만들 수 있는 모델 기반 제어로, 다리의 보행은 학습으로 처리해 두 방식의 약점을 서로 메운다.
• 제약을 지키는 방법으로 제어기를 뜯어고치는 대신 목표값을 수정하는 레퍼런스 거버너를 택한 것도 실용적이다. 기존 제어 구조를 유지한 채 위치·속도·기구학 한계를 벗어나지 않게 만들 수 있다.
• 빠르고 가벼운 팔과 느리고 무거운 이동 본체를 시간 척도가 다른 두 층으로 본 관점은, 고정형 로봇 팔이 넘지 못하던 작업 반경 제약을 푸는 자연스러운 방식이다.
• 상태 추정기를 학습으로 만든 뒤 그 추정 오차를 다시 보행 정책 학습의 잡음 모델로 넣은 것은, 실제 배치에서 마주칠 불확실성을 학습 단계에 미리 반영한 설계다.
• 검증이 시뮬레이션에 머물지 않고 실제 하드웨어에서 속도 추종·제약 준수·추정 정확도 세 축으로 이뤄졌다는 점이 결과의 설득력을 높인다.

자주 묻는 질문

관련 AI 소식