6.30 로봇 역기구학에서의 연립 방정식 응용

1. 역기구학의 위치와 본질

역기구학(inverse kinematics, IK)은 매니퓰레이터의 말단 장치가 주어진 자세를 가지도록 하는 관절 변수의 값을 결정하는 문제이다. 순기구학(forward kinematics)이 관절 변수로부터 말단 자세를 명시적이고 유일하게 계산하는 반면, 역기구학은 일반적으로 비선형 방정식의 풀이를 요구하며 해의 존재성, 유일성, 다중성에 관한 풍부한 구조를 가진다. 본 절에서는 역기구학을 연립 방정식의 관점에서 분석하고, 선형대수학적 풀이 방법과 그 한계, 그리고 표준적인 응용 사례를 다룬다.

2. 역기구학의 수학적 형식화

n자유도 매니퓰레이터의 순기구학은 다음의 함수로 표현된다.

\mathbf{x} = \mathbf{f}(\mathbf{q})

여기서 \mathbf{q} \in \mathbb{R}^n은 관절 변수, \mathbf{x} \in \mathbb{R}^m은 작업 공간 좌표(예: 위치 3차원 + 자세 3차원 = 6차원)이다. \mathbf{f}는 회전 행렬, 삼각 함수, 다항식의 합성으로 이루어진 비선형 함수이다.

역기구학 문제는 주어진 목표 자세 \mathbf{x}_d에 대해 다음을 만족하는 \mathbf{q}를 찾는 것이다.

\mathbf{f}(\mathbf{q}) = \mathbf{x}_d

이는 m개의 비선형 방정식과 n개의 미지수로 이루어진 연립 비선형 방정식 시스템이다.

3. 역기구학의 해의 가능성

역기구학 문제는 다음의 다양한 양상을 가진다.

3.1 해의 존재성

목표 자세 \mathbf{x}_d가 매니퓰레이터의 작업 공간(reachable workspace) 내에 있어야 한다. 작업 공간 밖의 목표에 대해서는 해가 존재하지 않는다. 작업 공간의 형태는 매니퓰레이터의 링크 길이, 관절 한계, 기구학적 구조에 의해 결정되며, 일반적으로 복잡한 형상을 가진다.

3.2 해의 다중성

작업 공간 내에서도 동일한 목표 자세에 대해 여러 개의 관절 형상이 존재할 수 있다. 예를 들어 평면 2링크 매니퓰레이터는 일반적으로 “팔꿈치 위(elbow up)“와 “팔꿈치 아래(elbow down)“의 두 해를 가진다. 6자유도 인간형 팔(예: PUMA 560 또는 그 변형)은 일반적으로 8개의 해를 가질 수 있다.

3.3 여유 자유도

n > m인 경우, 즉 관절 자유도가 작업 공간 자유도보다 큰 경우(여유 자유도 로봇), 일반적으로 무한히 많은 해 (해 공간이 양의 차원을 가짐)가 존재한다. 이 자유도는 부차 목표 (예: 장애물 회피, 관절 한계 회피, 가조작성 최대화)를 위해 활용된다.

3.4 특이점

특이 형상에서는 자코비안의 랭크가 부족하며, 해의 존재성과 유일성이 모두 영향을 받는다. 특이점 근방에서는 작업 공간의 작은 변화가 관절 변수의 큰 변화를 요구하거나, 특정 방향의 운동이 불가능해진다.

4. 해석적 역기구학

4.1 닫힌 형식 해

특정 기구학적 구조를 가진 매니퓰레이터에 대해서는 역기구학을 해석적으로 풀어 닫힌 형식의 해를 얻을 수 있다. 가장 잘 알려진 결과는 Pieper의 정리이다.

정리 6.30.1 (Pieper). 6자유도 매니퓰레이터 중 마지막 세 관절축이 한 점에서 만나는 구조 (구형 손목, spherical wrist)는 역기구학을 해석적으로 풀 수 있다.

이 구조에서는 위치 결정과 자세 결정을 분리할 수 있어, 처음 세 관절로 손목 중심의 위치를 결정하고, 마지막 세 관절로 자세를 결정한다. 각 부분 문제는 닫힌 형식의 삼각 방정식으로 환원되어 명시적으로 풀린다.

4.2 평면 2링크 매니퓰레이터의 예

평면 2링크의 순기구학은 다음과 같다.

\begin{aligned} x &= l_1 \cos\theta_1 + l_2 \cos(\theta_1 + \theta_2) \\ y &= l_1 \sin\theta_1 + l_2 \sin(\theta_1 + \theta_2) \end{aligned}

이를 역으로 풀이하면:

\cos\theta_2 = \frac{x^2 + y^2 - l_1^2 - l_2^2}{2 l_1 l_2}

\sin\theta_2 = \pm \sqrt{1 - \cos^2 \theta_2}

\theta_2 = \text{atan2}(\sin\theta_2, \cos\theta_2)

부호 선택이 두 가지 해 (“팔꿈치 위“와 “팔꿈치 아래”)를 만들어 낸다. \theta_1은 다음과 같이 결정된다.

\theta_1 = \text{atan2}(y, x) - \text{atan2}(l_2 \sin\theta_2, l_1 + l_2 \cos\theta_2)

이 해석적 해는 비선형 방정식의 직접 풀이로 얻어지며, 빠르고 정확하지만 매니퓰레이터의 특정 구조에 의존한다.

수치적 역기구학

해석적 풀이가 불가능한 일반적인 매니퓰레이터에 대해서는 수치적 반복 방법이 사용된다. 이러한 방법은 모두 비선형 방정식 \mathbf{f}(\mathbf{q}) = \mathbf{x}_d를 선형화하여 매 반복에서 선형 시스템을 푸는 방식으로 동작한다.

뉴턴-랩슨 방법

목표와의 오차를 \mathbf{e}(\mathbf{q}) = \mathbf{x}_d - \mathbf{f}(\mathbf{q})로 정의하고, 자코비안 J(\mathbf{q}) = \partial \mathbf{f} / \partial \mathbf{q}를 사용하여 다음의 반복을 수행한다.

\mathbf{q}_{k+1} = \mathbf{q}_k + J(\mathbf{q}_k)^{-1} \mathbf{e}(\mathbf{q}_k)

이 반복은 정방 자코비안 (n = m, 풀랭크)에서만 직접 적용 가능하다. 수렴 시 이차 수렴(quadratic convergence)을 보이지만, 특이점 근방에서는 발산할 수 있다.

4.3 자코비안 의사 역행렬 방법

여유 자유도 로봇 또는 일반적인 차원의 매니퓰레이터에 대해서는 자코비안의 무어-펜로즈 의사 역행렬 J^+가 사용된다.

\mathbf{q}_{k+1} = \mathbf{q}_k + J(\mathbf{q}_k)^+ \mathbf{e}(\mathbf{q}_k)

이 방법은 J가 직사각이거나 부족 랭크이더라도 적용 가능하며, 다음의 의미를 가진다.

• n > m (여유 자유도): 모든 해 중 노름이 최소인 갱신을 선택한다.
• n < m (부족 결정 작업): 잔차의 노름을 최소화하는 갱신을 선택한다.

댐핑 최소 제곱법

특이점 근방에서 자코비안이 거의 부족 랭크인 경우, 의사 역행렬은 매우 큰 갱신을 만들어 낼 수 있다. 이를 방지하기 위한 방법이 댐핑 최소 제곱법(damped least squares)이다.

\Delta \mathbf{q} = J^\top (J J^\top + \lambda^2 I)^{-1} \mathbf{e}

여기서 \lambda는 댐핑 파라미터이다. 댐핑은 특이점 근방에서 갱신의 크기를 제한하여 알고리즘의 안정성을 보장하지만, 정확도와 수렴 속도 사이의 절충을 도입한다.

4.4 자코비안 전치 방법

계산량이 매우 제한된 환경에서는 자코비안의 역행렬이나 의사 역행렬 대신 전치를 사용할 수 있다.

\Delta \mathbf{q} = \alpha J^\top \mathbf{e}

여기서 \alpha는 적절히 선택된 작은 상수이다. 이 방법은 가장 단순하지만 수렴이 느리고 부정확하다. 이론적 정당화는 그래디언트 강하법으로부터 유도된다.

매 반복에서의 선형 시스템

수치적 역기구학의 핵심은 매 반복에서 다음의 선형 시스템을 푸는 것이다.

J(\mathbf{q}_k) \Delta \mathbf{q} = \mathbf{e}_k

이 시스템은 다음과 같은 다양한 양상을 가진다.

각 경우에 대해 적절한 선형대수학적 도구가 적용되며, 이로부터 비선형 역기구학의 반복적 풀이가 구성된다.

5. 자코비안의 구성

수치적 역기구학에서 자코비안의 정확하고 효율적인 계산이 핵심이다. 두 가지 주요 형식이 사용된다.

5.1 기하학적 자코비안

기하학적 자코비안은 관절 속도와 작업 공간 속도(선속도와 각속도)의 관계로부터 직접 유도된다.

\begin{bmatrix} \mathbf{v} \\ \boldsymbol{\omega} \end{bmatrix} = J_g(\mathbf{q}) \dot{\mathbf{q}}

각 열은 해당 관절이 단위 속도로 운동할 때 말단 장치에 발생하는 선속도와 각속도이며, 회전 관절과 병진 관절에 따라 명시적 공식이 존재한다.

해석적 자코비안

해석적 자코비안은 작업 공간 표현(예: 위치 3차원 + 오일러 각 3차원)에 대한 시간 미분으로 정의된다.

\dot{\mathbf{x}} = J_a(\mathbf{q}) \dot{\mathbf{q}}

기하학적 자코비안과 해석적 자코비안은 자세 표현의 변환 행렬을 통해 서로 관련된다.

6. 역기구학의 수치적 어려움

6.1 초기값 의존성

뉴턴-랩슨 방법과 그 변형은 적절한 초기 추측에 의존한다. 잘못된 초기값은 다음의 문제를 야기할 수 있다.

• 발산
• 원하지 않는 해(예: 다른 분기의 해)로의 수렴
• 특이점에 빠짐

이를 완화하기 위해 이전 반복의 해를 다음 반복의 초기값으로 사용하는 것이 표준 절차이다.

6.2 자코비안의 조건수

자코비안의 조건수가 큰 경우 (특이점에 가까운 경우), 수치적 풀이가 매우 민감해지고 큰 오차가 발생한다. 가조작성 지표 w(\mathbf{q}) = \sqrt{\det(JJ^\top)}가 특이점에 대한 거리를 측정하는 데 사용된다.

6.3 제약 조건

실제 매니퓰레이터는 관절 한계, 자가 충돌, 환경 충돌 등의 제약 조건을 가진다. 이러한 제약을 만족하면서 역기구학을 풀이하는 것은 단순한 선형 시스템 풀이보다 훨씬 복잡한 제약 최적화 문제이다.

7. 최적화 기반 역기구학

복잡한 제약과 부차 목표를 통합하기 위해 역기구학을 최적화 문제로 정식화할 수 있다.

\min_{\mathbf{q}} \frac{1}{2} \|\mathbf{f}(\mathbf{q}) - \mathbf{x}_d\|^2 + \lambda \cdot g(\mathbf{q})

여기서 g(\mathbf{q})는 부차 목표 (예: 관절 한계로부터의 거리, 가조작성 최대화 등)이며, \lambda는 가중치이다. 이 문제는 순차적 이차 계획법(SQP) 등의 비선형 최적화 알고리즘으로 풀이되며, 매 반복에서 선형 또는 이차 부분 문제가 등장한다.

로봇공학에서의 표준 응용

산업용 매니퓰레이터의 경로 추종

산업용 매니퓰레이터의 경로 추종(path following)에서는 작업 공간 경로의 각 점에 대해 역기구학을 풀어 관절 궤적을 생성한다. 일반적으로 이전 점의 해를 다음 점의 초기값으로 사용하여 연속적인 관절 궤적을 얻는다.

인간형 로봇의 균형 제어

인간형 로봇에서는 발의 위치, 무게 중심, 손의 위치 등 여러 작업 변수를 동시에 만족하는 관절 형상을 결정해야 한다. 이는 다중 우선 순위 역기구학(prioritized inverse kinematics) 또는 통합 최적화로 정식화된다.

수술 로봇의 RCM 제약

복강경 수술 로봇은 환자의 절개 부위가 고정된 점(원격 운동 중심, remote center of motion)을 통과해야 한다는 제약을 가진다. 이 제약은 추가적인 선형 또는 비선형 등호 제약으로 표현되어 역기구학 문제에 통합된다.

모바일 매니퓰레이터

모바일 매니퓰레이터(이동 베이스 + 매니퓰레이터)의 역기구학은 이동 베이스의 자유도와 매니퓰레이터 자유도를 결합한 큰 역기구학 문제이다. 여유 자유도가 매우 크므로 부차 목표 (예: 베이스의 안정성, 에너지 효율)를 포함한 최적화 형식으로 풀이된다.

시각 서보의 영상 자코비안

시각 서보(visual servoing)에서는 영상 평면 좌표를 작업 공간 좌표로 사용하며, 영상 자코비안을 통해 관절 갱신을 결정한다. 이는 본질적으로 영상 공간에서의 역기구학 문제이다.

케이블 구동 로봇

케이블 구동 로봇은 케이블 길이를 관절 변수로 가지는 특수한 매니퓰레이터이며, 케이블 장력의 양수 조건이 추가 제약으로 등장한다. 역기구학은 일반 매니퓰레이터의 그것보다 더 복잡한 제약 시스템을 푸는 것과 동치이다.

참고문헌

• Spong, M. W., Hutchinson, S., & Vidyasagar, M. (2020). Robot Modeling and Control (2nd ed.). Wiley.
• Siciliano, B., Sciavicco, L., Villani, L., & Oriolo, G. (2009). Robotics: Modelling, Planning and Control. Springer.
• Craig, J. J. (2018). Introduction to Robotics: Mechanics and Control (4th ed.). Pearson.
• Buss, S. R. (2004). Introduction to Inverse Kinematics with Jacobian Transpose, Pseudoinverse and Damped Least Squares Methods. Technical Report, University of California, San Diego.

Version: 1.0