Part 2. 로봇 수학 기초 (Mathematical Foundations for Robotics)

로봇공학은 물리적 세계에서 작동하는 기계 시스템을 설계, 해석, 제어하는 공학 분야이다. 이러한 시스템의 운동과 상호작용을 정밀하게 기술하고 예측하기 위해서는 엄밀한 수학적 기반이 필수적이다. Part 2에서는 로봇공학 전반에 걸쳐 반복적으로 활용되는 핵심 수학 이론을 체계적으로 다루며, 각 수학적 도구가 로봇 시스템의 어떤 문제와 직접적으로 연결되는지를 명확히 제시한다.

1. 수학적 기초의 필요성과 범위

로봇은 3차원 공간에서 다수의 관절과 링크로 구성된 다자유도 기계 시스템이다. 이 시스템의 위치, 속도, 힘을 기술하려면 벡터와 행렬을 근간으로 하는 선형대수학이 요구된다. 로봇의 운동을 시간에 따라 해석하고 최적의 궤적을 생성하려면 미적분학과 최적화 이론이 필요하다. 센서로부터 획득한 불완전한 데이터를 바탕으로 로봇의 상태를 추정하려면 확률론과 통계학이 요구된다. 3차원 공간에서 로봇의 자세와 위치를 표현하고 변환하려면 좌표 변환 이론과 회전 표현법이 필수적이다. 이러한 수학적 도구들은 개별적으로 존재하는 것이 아니라, 로봇공학이라는 하나의 체계 안에서 유기적으로 결합되어 작동한다.

2. 선형대수학의 역할

선형대수학은 로봇공학에서 가장 빈번하게 사용되는 수학 분야이다. 로봇의 관절 공간과 작업 공간 간의 관계는 자코비안 행렬로 기술되며, 이를 통해 미분 기구학, 역기구학, 특이점 분석, 힘-토크 매핑 등의 핵심 문제를 해결한다. 동차 변환 행렬은 로봇의 각 링크 좌표계 간의 공간적 관계를 표현하는 기본 도구이며, 데나빗-하텐버그(DH) 규약에 의해 체계적으로 구성된다. 고유값 분해, 특이값 분해(SVD), QR 분해 등의 행렬 분해 기법은 로봇 제어기 설계, 센서 데이터 처리, 수치 최적화의 핵심 연산을 제공한다. 영 공간(null space) 이론은 여유 자유도를 가진 로봇에서 부차 목표를 달성하기 위한 수학적 틀을 제공하며, 행렬의 조건수와 수치적 안정성 분석은 실시간 로봇 제어의 신뢰성을 보장하는 데 필수적이다.

3. 미적분학과 최적화의 역할

미적분학은 로봇의 운동을 연속적으로 해석하는 데 핵심적인 역할을 수행한다. 단변수 및 다변수 미분은 로봇 궤적의 속도, 가속도, 저크(jerk)를 기술하며, 그래디언트와 헤시안 행렬은 다차원 최적화 문제의 기초를 형성한다. 적분은 에너지 소비량 산출, 관성 모멘트 계산, 누적 오차 분석 등에 활용된다. 상미분 방정식은 로봇 동역학 모델의 수학적 표현이며, 수치 적분법은 시뮬레이션과 실시간 제어에서 이 방정식을 풀기 위한 실용적 도구이다.

최적화 이론은 로봇공학의 거의 모든 하위 분야에 걸쳐 적용된다. 경사 하강법과 뉴턴 방법은 비선형 최적화의 기본 알고리즘이며, 이차 계획법(QP)은 로봇 모션 제어에서 관절 한계와 장애물 회피 제약을 만족하는 최적 해를 구하는 데 광범위하게 사용된다. 변분법과 오일러-라그랑주 방정식은 로봇 동역학 모델링과 궤적 최적화의 이론적 기반을 제공하며, 폰트랴긴의 최대 원리와 벨만의 동적 계획법은 최적 제어 문제를 정식화하고 해결하는 체계를 구성한다. 볼록 최적화, 비선형 최적화, 비선형 최소 제곱법 등의 고급 기법은 SLAM 백엔드 최적화, 로봇 캘리브레이션, 모델 예측 제어(MPC) 등 실제 로봇 시스템의 복잡한 문제에 직접 적용된다.

4. 확률론과 통계학의 역할

실제 로봇 시스템은 센서 잡음, 모델 불확실성, 환경의 동적 변화 등 다양한 불확실성 요소에 노출된다. 확률론과 통계학은 이러한 불확실성을 정량적으로 모델링하고 처리하기 위한 수학적 틀을 제공한다. 베이즈 정리는 센서 관측을 통해 로봇의 상태에 대한 믿음(belief)을 갱신하는 기본 원리이며, 베이즈 필터는 이를 시간 축으로 확장한 순차적 상태 추정의 일반 프레임워크이다.

가우시안 분포와 공분산 행렬은 로봇 상태 추정에서 불확실성을 표현하는 표준 도구이며, 칼만 필터와 그 변형은 이를 기반으로 한 대표적 추정 알고리즘이다. 최대 우도 추정(MLE)과 최대 사후 확률 추정(MAP)은 로봇 파라미터 추정과 센서 캘리브레이션의 이론적 기초를 제공한다. 마르코프 체인, 은닉 마르코프 모델(HMM), 가우시안 과정(GP) 등의 확률 모델은 로봇의 시간적 상태 천이와 환경 모델링에 활용된다. 몬테카를로 방법과 입자 필터는 비가우시안 분포를 다루는 비모수적 추정 기법으로서, 복잡한 확률 분포하에서의 로봇 위치 추정에 필수적이다. 정보 이론의 엔트로피, KL 발산, 상호 정보량 등의 개념은 센서 배치 최적화와 능동 탐색 전략에 활용된다.

5. 좌표 변환과 회전 표현의 역할

로봇공학에서 좌표 변환은 가장 기본적이면서도 중요한 연산이다. 로봇 시스템은 월드 좌표계, 로봇 본체 좌표계, 각 관절 좌표계, 센서 좌표계 등 다수의 좌표계를 동시에 관리해야 하며, 이들 간의 정확한 변환은 모든 후속 연산의 전제 조건이다. 동차 변환 행렬과 특수 유클리드군 SE(3)는 3차원 공간에서 회전과 병진을 결합한 강체 변환을 표현하는 수학적 구조를 제공한다.

3차원 회전의 표현은 로봇공학에서 특별한 주의를 요하는 문제이다. 오일러 각은 직관적이지만 짐벌 락(gimbal lock)이라는 특이점 문제를 내포하고, 회전 행렬은 9개의 매개변수에 6개의 구속 조건을 가지므로 매개변수 효율성이 낮다. 이에 대한 대안으로 쿼터니언, 축-각도 표현, 로드리게스 매개변수, 수정 로드리게스 매개변수(MRP) 등 다양한 표현법이 존재하며, 각각 고유한 장단점을 가진다.

쿼터니언은 4개의 매개변수로 특이점 없이 3차원 회전을 표현할 수 있으며, 회전의 합성이 쿼터니언 곱으로 효율적으로 수행된다. 구면 선형 보간(SLERP)은 등각속도 보간을 보장하여 로봇 말단 장치의 자세 경로 생성에 널리 사용된다. 이중 쿼터니언은 회전과 병진을 단일 대수 구조로 통합하여 강체 변환의 효율적 표현을 가능하게 한다.

6. 리 군과 리 대수의 역할

리 군(Lie group)과 리 대수(Lie algebra)는 로봇공학에서 사용되는 회전과 강체 변환의 수학적 구조를 통합적으로 다루는 현대적 프레임워크이다. 특수 직교군 SO(3)와 특수 유클리드군 SE(3)는 각각 회전과 강체 변환을 나타내는 리 군이며, 이들에 대응하는 리 대수 so(3)와 se(3)는 접선 공간에서의 미소 운동을 기술한다.

지수 사상(exponential map)은 리 대수의 원소를 리 군의 원소로 변환하며, 로그 사상(logarithmic map)은 그 역변환을 수행한다. 이러한 사상은 회전과 강체 변환의 미분, 보간, 최적화를 수학적으로 일관된 방식으로 처리하는 데 핵심적이다. 수반 표현(adjoint representation)은 좌표계 간의 속도 변환과 힘 변환을 통합적으로 기술하며, 베이커-캠벨-하우스도르프(BCH) 공식은 리 대수에서의 연산을 리 군으로 정확히 전달하는 수학적 도구이다. 리 군 이론은 그래프 기반 SLAM, 시각적 관성 항법(VIO), 궤적 최적화 등 현대 로봇공학의 최전선 알고리즘에서 수학적 엄밀성과 수치적 일관성을 보장하는 기반으로 활용되고 있다.

7. 그래프 이론의 역할

그래프 이론은 로봇의 환경 표현, 경로 계획, 상태 추정, 임무 계획 등 다양한 문제를 이산적 구조로 모델링하는 수학적 도구이다. 다익스트라(Dijkstra) 알고리즘과 A* 알고리즘은 가중 그래프에서의 최단 경로 탐색을 통해 로봇의 전역 경로 계획을 수행하며, 확률적 로드맵(PRM)과 급속 탐색 무작위 트리(RRT)는 고차원 형상 공간에서의 경로 계획을 그래프 탐색 문제로 변환한다.

포즈 그래프(pose graph)는 SLAM 문제에서 로봇의 위치와 관측 간의 관계를 그래프 구조로 표현하며, 인수 그래프(factor graph)는 이를 확률론적으로 일반화하여 대규모 최적화 문제의 희소 구조를 활용하는 틀을 제공한다. 그래프 이론은 다중 로봇 시스템에서의 통신 토폴로지, 작업 할당, 합의 알고리즘의 기초가 되며, 최근에는 그래프 신경망(GNN)이 로봇의 환경 인식과 관계 추론에 적용되고 있다.

8. Part 2의 구성

Part 2는 총 7개의 Chapter로 구성되어 있으며, 각 Chapter는 해당 수학 분야의 기본 정의로부터 출발하여 이론적 전개를 거친 후 로봇공학에서의 구체적 응용으로 귀결되는 구조를 따른다.

Chapter 6은 선형대수학을 다루며, 벡터 공간, 행렬 연산, 행렬 분해, 선형 변환, 동차 좌표계, 자코비안 행렬, 최소 제곱법, 수치 선형대수학에 이르는 포괄적 내용을 포함한다. Chapter 7은 미적분학과 최적화를 다루며, 단변수 및 다변수 미적분, 상미분 방정식, 변분법, 최적 제어, 경사 기반 최적화, 제약 최적화, 궤적 최적화에 이르는 체계적 내용을 다룬다. Chapter 8은 확률론과 통계학을 다루며, 확률 분포, 추정 이론, 확률 과정, 몬테카를로 방법, 정보 이론, 확률론적 로봇 상태 추정까지를 포괄한다. Chapter 9는 좌표 변환과 회전 행렬을 다루며, 좌표계 정의, 회전 행렬, 오일러 각, 동차 변환, DH 규약, 스크류 이론, 회전 보간, 센서 캘리브레이션의 내용을 포함한다. Chapter 10은 쿼터니언과 자세 표현을 전문적으로 다루며, 쿼터니언 대수, 회전과의 관계, 보간, 이중 쿼터니언, 자세 오차, 자세 필터 등을 상세히 기술한다. Chapter 11은 리 군과 리 대수를 다루며, SO(3)와 SE(3)의 군 구조, 지수 사상과 로그 사상, 리 군 기반 최적화와 상태 추정을 다룬다. Chapter 12는 그래프 이론의 로봇 응용을 다루며, 그래프 탐색, 경로 계획, SLAM, 인수 그래프, 다중 로봇 시스템에서의 활용을 다룬다.

이 Part에서 다루는 수학적 내용은 이후 Volume에서 전개되는 센서 공학, 상태 추정, 로봇 제어, 경로 계획, 자율 주행, 자율 비행 등 모든 로봇공학 세부 분야의 이론적 기반이 된다. 따라서 각 Chapter의 내용을 충분히 이해하고 숙달하는 것이 후속 학습의 전제 조건이다.