6.70 연쇄 변환과 다관절 로봇의 기구학적 모델링

1. 도입

다관절 로봇의 기구학적 구조는 한 끝에서 다른 끝까지 일련의 강체 링크가 관절로 연결된 사슬의 형태를 가진다. 이러한 사슬의 끝에 위치한 말단 효과기의 자세를 베이스 좌표계에 대해 표현하는 것이 정기구학의 핵심 과제이며, 이는 인접 좌표계 사이의 동차 변환을 차례로 합성하는 연쇄 변환(chain transformation)의 형태로 자연스럽게 기술된다. 이 절에서는 연쇄 변환의 수학적 구조, 다관절 사슬의 좌표계 부착, 정기구학 사상의 형식화, 사슬 변환의 미분을 통한 자코비안 도출, 직렬 사슬과 분기 사슬의 차이, 그리고 다관절 로봇의 기구학적 모델링에서 연쇄 변환이 가지는 의의를 다룬다.

2. 다관절 사슬의 구조

$n$ 개의 관절을 가진 직렬 매니퓰레이터는 베이스 링크 $L_0$ 로부터 시작하여 링크 $L_1, L_2, \ldots, L_n$ 이 차례로 연결된 구조를 가진다. 각 인접 링크 쌍은 회전 관절(revolute joint) 또는 직동 관절(prismatic joint)로 결합되어 있으며, 이 관절은 단일 자유도의 운동을 허용한다. 마지막 링크 $L_n$ 의 말단에 도구 또는 손목이 부착되며, 이를 말단 효과기(end-effector)라 한다.

각 링크에는 좌표계 $\{i\}$ 가 부착되며, 베이스 좌표계 $\{0\}$ 로부터 말단 효과기 좌표계 $\{n\}$ 또는 $\{T\}$ 까지의 변환이 정기구학의 출력이다. 좌표계 부착 방법으로는 DH 표기법, 수정 DH 표기법, POE(Product of Exponentials) 표기법 등이 있으며, 어느 방법을 선택하든 인접 변환의 형태가 결정되면 사슬 합성의 절차는 동일하다.

3. 인접 변환의 매개 변수 의존성

각 인접 변환 $^{i-1} T_i$ 는 관절 변수 $q_i$ 에 의존한다. 회전 관절의 경우 $q_i = \theta_i$ 이고 직동 관절의 경우 $q_i = d_i$ 이며, 인접 변환은 일반적으로

$^{i-1} T_i = {}^{i-1} T_i(q_i)$

의 형태를 가진다. 비관절 매개 변수(링크 길이, 비틀림 각, 오프셋 등)는 매니퓰레이터의 기하학에 의해 결정되는 상수이며, 운동 중에는 변하지 않는다.

4. 사슬 합성으로서의 정기구학

베이스 좌표계 $\{0\}$ 로부터 말단 좌표계 $\{n\}$ 까지의 변환은 인접 변환들의 사슬 합성으로 표현된다.

$^0 T_n(\mathbf{q}) = {}^0 T_1(q_1) \cdot {}^1 T_2(q_2) \cdot {}^2 T_3(q_3) \cdots {}^{n-1} T_n(q_n)$

이 곱은 결합 법칙에 의하여 임의의 순서로 그룹화될 수 있다. 결과 행렬은 $4 \times 4$ 동차 변환이며, 그 회전 부분 $R(\mathbf{q})$ 가 말단의 자세를, 병진 부분 $\mathbf{p}(\mathbf{q})$ 가 말단의 위치를 표현한다.

$^0 T_n(\mathbf{q}) = \begin{bmatrix} R(\mathbf{q}) & \mathbf{p}(\mathbf{q}) \\ \mathbf{0}^\top & 1 \end{bmatrix}$

이로부터 정기구학 사상

$\mathbf{q} \in \mathcal{Q} \mapsto {}^0 T_n(\mathbf{q}) \in SE(3)$

가 정의되며, $\mathcal{Q}$ 는 관절 공간이다. 직렬 매니퓰레이터의 경우 관절 공간은 일반적으로 $\mathbb{R}^n$ 의 부분 집합 또는 $\mathbb{T}^n$ (원형 매개 변수의 경우)으로 모델링된다.

5. 사슬 합성의 연산적 측면

사슬 합성은 결합 법칙에 의해 다양한 방식으로 그룹화될 수 있으며, 이는 계산 효율성에 영향을 미친다.

순방향 누적: $T^{(0)} = I$ , $T^{(i)} = T^{(i-1)} \cdot {}^{i-1} T_i$ 로 차례로 누적한다. 단순하고 메모리 효율이 좋다.
역방향 누적: 말단부터 베이스 방향으로 누적한다. 일부 알고리즘에서 효율적이다.
부분 사슬 캐싱: 자주 사용되는 부분 사슬의 결과를 사전 계산하여 저장한다. 자코비안 계산 등에서 활용된다.

각 인접 변환의 형태가 단순하므로 사슬 합성의 계산 복잡도는 $O(n)$ 이며, 실시간 제어에 적합하다.

6. 매개 변수의 부분 미분과 자코비안

정기구학 사상의 관절 변수에 대한 미분을 통해 자코비안 행렬이 도출된다. 말단 위치 $\mathbf{p}(\mathbf{q})$ 의 부분 미분은

$\frac{\partial \mathbf{p}}{\partial q_i}$

이며, 이를 모든 관절에 대해 모은 행렬이 위치 자코비안의 일부이다. 회전 부분의 경우 회전 행렬의 미분과 각속도의 관계를 통해 자코비안의 회전 부분이 도출된다.

자코비안의 각 열은 관절 $i$ 의 단위 운동이 말단에 발생시키는 트위스트로 해석된다. 회전 관절의 경우 $i$ 번째 열은

$J_i = \begin{bmatrix} \mathbf{z}_{i-1} \times (\mathbf{p}_n - \mathbf{p}_{i-1}) \\ \mathbf{z}_{i-1} \end{bmatrix}$

이며, 직동 관절의 경우

$J_i = \begin{bmatrix} \mathbf{z}_{i-1} \\ \mathbf{0} \end{bmatrix}$

이다. 여기서 $\mathbf{z}_{i-1}$ 은 베이스 좌표계에서 표현한 관절 $i$ 의 축이며, $\mathbf{p}_{i-1}$ 은 좌표계 $\{i-1\}$ 의 원점 위치이다. 이 표현은 사슬 변환의 부분 결과로부터 직접 추출될 수 있다.

7. POE 표기법을 통한 사슬 변환

POE(Product of Exponentials) 표기법은 매니퓰레이터의 정기구학을 행렬 지수의 곱 형태로 표현한다.

$^0 T_n(\mathbf{q}) = e^{\hat{\boldsymbol{\xi}}_1 q_1} \cdot e^{\hat{\boldsymbol{\xi}}_2 q_2} \cdots e^{\hat{\boldsymbol{\xi}}_n q_n} \cdot M$

여기서 $\hat{\boldsymbol{\xi}}_i \in \mathfrak{se}(3)$ 는 관절 $i$ 에 대응하는 트위스트, $M = {}^0 T_n(\mathbf{0})$ 은 영점 자세에서의 말단 좌표계 변환이다. POE 표기법은 모든 관절 트위스트가 베이스 좌표계에서 일관되게 표현되며, DH 표기법의 평행 축 모호성과 같은 문제를 회피한다는 장점을 가진다.

8. 좌표계 사이의 임의 변환

사슬 변환의 일부분, 즉 좌표계 $\{i\}$ 에서 좌표계 $\{j\}$ 로의 변환( $i < j$ )은 다음과 같이 추출된다.

$^i T_j = {}^i T_{i+1} \cdot {}^{i+1} T_{i+2} \cdots {}^{j-1} T_j$

또는 동등하게

$^i T_j = ({}^0 T_i)^{-1} \cdot {}^0 T_j$

이 추출은 자코비안 계산, 부분 사슬의 운동 분석, 도구 좌표계 부착 등에 활용된다.

9. 직렬 사슬과 분기 사슬

가장 흔한 매니퓰레이터 형태는 직렬 사슬이지만, 다음과 같은 더 일반적 구조도 존재한다.

분기 사슬 (tree structure): 한 링크에 여러 자식 링크가 결합되는 구조. 휴머노이드 로봇의 몸통에서 두 팔과 두 다리가 분기되는 구조가 대표적이다.
닫힌 사슬 (closed kinematic chain): 사슬이 폐쇄 루프를 형성하는 구조. 평행 매니퓰레이터(예: 델타 로봇, 스튜어트 플랫폼)와 일부 기계 메커니즘이 해당한다.

분기 사슬의 정기구학은 베이스부터 각 말단까지의 별도 사슬 합성으로 처리되며, 여러 말단의 자세가 동시에 계산된다. 닫힌 사슬의 경우 폐쇄 조건이 추가 제약으로 작용하며, 정기구학과 역기구학의 해석이 더 복잡해진다.

10. 분기 사슬의 변환 사슬

분기 사슬에서 베이스로부터 특정 링크 $L_k$ 까지의 변환은 베이스로부터 $L_k$ 에 이르는 유일한 경로의 인접 변환들을 차례로 합성한 것이다.

$^0 T_k = \prod_{i \in \mathrm{path}(0 \to k)} {}^{i-1} T_i$

여기서 곱은 경로의 순서대로 수행된다. 이러한 트리 구조의 변환 계산은 깊이 우선 또는 너비 우선 순회 알고리즘으로 효율적으로 구현된다.

11. URDF와 표준화된 모델 표현

ROS(Robot Operating System)에서 표준으로 사용되는 URDF(Unified Robot Description Format)는 매니퓰레이터의 링크와 관절을 트리 구조로 표현하며, 각 관절에 인접 변환과 운동 축 정보를 부여한다. URDF의 구조는 본질적으로 분기 사슬이며, 각 노드의 변환을 합성하여 임의 링크의 자세를 계산할 수 있다. 이는 다양한 매니퓰레이터 구조에 대해 통일된 모델링 형식을 제공한다.

12. 동역학 모델링의 토대

연쇄 변환은 정기구학뿐 아니라 동역학 모델링에도 본질적이다. 각 링크의 무게 중심과 관성 텐서가 링크 좌표계에서 표현되어 있을 때, 베이스 좌표계에서의 위치와 관성 텐서를 계산하기 위해서는 사슬 변환이 사용된다. 또한 라그랑주 공식이나 뉴턴-오일러 재귀 알고리즘 모두 사슬 변환을 기본 구성 요소로 활용한다.

13. 시간 미분과 운동학적 관계

사슬 변환의 시간 미분은 관절 속도와 말단 속도의 관계를 산출한다.

$\dot{\mathbf{p}}(\mathbf{q}) = J_v(\mathbf{q}) \dot{\mathbf{q}}, \qquad \boldsymbol{\omega}(\mathbf{q}) = J_\omega(\mathbf{q}) \dot{\mathbf{q}}$

이는 자코비안의 정의 그 자체이며, 사슬 변환의 미분 가능성은 자코비안 기반 제어와 미분 기구학의 전제 조건이다. 사슬의 매끄러움은 각 인접 변환이 매개 변수에 대해 매끄러운 함수임으로부터 보장된다.

14. 모델링 오차와 운동학적 보정

실제 매니퓰레이터의 기구학 모델은 명목 매개 변수와 미세하게 다를 수 있으며, 이는 말단 위치의 정확도에 영향을 미친다. 운동학적 보정은 실측 데이터를 사용하여 사슬 변환의 매개 변수를 보정하는 절차이며, 이를 통해 절대 정확도가 향상된다. 보정 과정에서 사슬 변환의 자코비안이 매개 변수에 대한 민감도 분석에 사용된다.

15. 로봇공학에서의 활용

15.1 매니퓰레이터의 정기구학과 역기구학

연쇄 변환은 매니퓰레이터의 정기구학의 정의 그 자체이며, 역기구학은 주어진 말단 자세로부터 관절 변수를 역으로 구하는 문제이다. 6 자유도 직렬 매니퓰레이터에서 손목의 분리 가능 여부에 따라 폐형 해 또는 수치 해법이 사용된다.

15.2 자코비안 기반 제어

자코비안 기반 제어 알고리즘은 사슬 변환의 미분으로부터 도출된 자코비안을 사용하여 관절 속도와 말단 속도를 연결한다. 역자코비안 또는 의사 역자코비안을 통해 작업 공간에서 정의된 운동 명령이 관절 공간으로 변환된다.

15.3 시뮬레이션과 시각화

매니퓰레이터의 시뮬레이션과 시각화는 사슬 변환을 통해 각 링크의 자세를 계산하고, 그 결과를 그래픽스 파이프라인에 전달하는 절차로 구성된다. URDF 모델의 계층적 트리 구조는 이러한 계산을 자연스럽게 지원한다.

15.4 충돌 검사와 운동 계획

운동 계획에서 매니퓰레이터의 자세에 대한 충돌 검사는 사슬 변환을 통해 각 링크의 자세를 계산한 후, 변환된 형상과 환경 객체 사이의 기하학적 검사를 수행하는 절차로 이루어진다.

15.5 다중 매니퓰레이터와 모바일 매니퓰레이터

모바일 매니퓰레이터는 모바일 베이스의 자세와 매니퓰레이터의 사슬 변환이 결합된 시스템이며, 베이스의 자세가 사슬의 시작점에 추가된다. 이중 팔 시스템에서는 두 사슬이 공통 몸통에서 분기되며, 분기 사슬의 정기구학이 적용된다.

15.6 휴머노이드 로봇

휴머노이드 로봇은 본질적으로 분기 사슬 구조를 가지며, 몸통을 루트로 하여 두 팔, 두 다리, 머리가 분기된다. 각 분기에 대한 사슬 변환을 동시에 관리하는 것이 휴머노이드 운동학의 핵심이다.

15.7 공장 자동화와 로봇 셀 설계

산업 환경에서 로봇 셀의 설계는 다수의 매니퓰레이터, 컨베이어, 작업물 사이의 좌표계 관계를 사슬 변환으로 모델링한다. 이를 통해 작업 공간의 도달 가능성, 충돌 회피, 작업 순서 최적화가 분석된다.

참고문헌

Craig, J. J. (2017). Introduction to Robotics: Mechanics and Control (4th ed.). Pearson.
Spong, M. W., Hutchinson, S., & Vidyasagar, M. (2020). Robot Modeling and Control (2nd ed.). Wiley.
Siciliano, B., Sciavicco, L., Villani, L., & Oriolo, G. (2010). Robotics: Modelling, Planning and Control. Springer.
Murray, R. M., Li, Z., & Sastry, S. S. (1994). A Mathematical Introduction to Robotic Manipulation. CRC Press.
Lynch, K. M., & Park, F. C. (2017). Modern Robotics: Mechanics, Planning, and Control. Cambridge University Press.
Featherstone, R. (2008). Rigid Body Dynamics Algorithms. Springer.
Khalil, W., & Dombre, E. (2002). Modeling, Identification and Control of Robots. Hermes Penton.

Version: 1.0