7.52 로봇 동역학 시뮬레이션에서의 수치 적분

1. 시뮬레이션의 구조와 적분의 역할

로봇 동역학 시뮬레이션의 핵심 루프는 다음의 세 단계로 구성된다.

1. 역학 모델 평가: 현재 상태 (\mathbf{q}, \dot{\mathbf{q}})와 입력 \boldsymbol{\tau}로부터 가속도 \ddot{\mathbf{q}}를 계산한다(순방향 동역학).
2. 수치 적분: 가속도를 시간에 대하여 적분하여 다음 시각의 속도와 위치를 갱신한다.
3. 출력 및 제어: 갱신된 상태를 제어기와 시각화 모듈에 전달한다.

수치 적분기의 선택은 시뮬레이션의 정확도, 안정성, 계산 효율을 직접적으로 결정한다. 적분기의 성능이 미흡하면 비물리적인 에너지 발산, 관절 위치의 표류(drift), 또는 불필요하게 느린 시뮬레이션이 초래된다.

2. 순방향 동역학과 함수 평가 비용

2.1 순방향 동역학 계산

수치 적분기가 매 단계에서 평가하는 함수 \mathbf{f}(\mathbf{x}, \mathbf{u})는 순방향 동역학(forward dynamics) 연산에 해당한다.

\ddot{\mathbf{q}} = M(\mathbf{q})^{-1}\left[\boldsymbol{\tau} - C(\mathbf{q}, \dot{\mathbf{q}})\dot{\mathbf{q}} - \mathbf{g}(\mathbf{q})\right]

이 계산의 비용은 로봇의 자유도 수 n에 의존한다.

2.2 계산 복잡도

관성 행렬의 직접 계산과 역행렬 연산은 O(n^3)의 복잡도를 갖는다. 반면 관절 공간 관성 행렬(articulated-body algorithm, ABA)을 이용한 순방향 동역학은 O(n)의 복잡도로 가속도를 직접 계산할 수 있다. 자유도가 큰 로봇(인간형 로봇, 다지 보행 로봇 등)에서는 이러한 재귀 알고리즘의 사용이 필수적이다.

수치 적분기의 각 단계에서 순방향 동역학을 평가하므로, 단계당 함수 평가 횟수가 적분기 선택의 핵심 고려 사항이 된다.

3. 적분기 선택 기준

3.1 정확도 요구 사항

로봇 시뮬레이션에서 요구되는 정확도는 응용에 따라 다르다.

• 실시간 시각화: 상대적으로 낮은 정확도로 충분하며, 시각적 타당성이 중시된다.
• 제어기 검증: 제어 주기와 동등한 정밀도가 필요하며, 제어 성능 평가에 영향을 미치지 않는 수준의 적분 오차가 요구된다.
• 궤적 최적화: 그래디언트 계산의 정확도가 최적화 수렴에 직접적으로 영향을 미치므로, 높은 정밀도가 필수적이다.

3.2 안정성 요구 사항

강성 시스템(유연 관절, 접촉 역학 등)에서는 A-안정한 암시적 방법이 필요하다. 비강성 시스템에서는 명시적 룽게-쿠타 방법이 효율적이다.

3.3 계산 시간 제약

실시간 시뮬레이션에서는 각 시간 단계의 계산이 정해진 시간 내에 완료되어야 한다. 적응적 시간 간격 방법은 단계 수가 예측 불가능하므로, 최악 경우의 계산 시간을 보장하기 어렵다. 이 경우 고정 시간 간격 방법이 선호될 수 있다.

4. 주요 적분기와 적용 영역

4.1 반암시적 오일러 방법

반암시적 오일러 방법(semi-implicit Euler method) 또는 심플렉틱 오일러 방법(symplectic Euler method)은 속도와 위치를 교차적으로 갱신한다.

\dot{\mathbf{q}}_{n+1} = \dot{\mathbf{q}}_n + h\ddot{\mathbf{q}}(t_n, \mathbf{q}_n, \dot{\mathbf{q}}_n)

\mathbf{q}_{n+1} = \mathbf{q}_n + h\dot{\mathbf{q}}_{n+1}

첫 번째 식에서 가속도를 명시적으로 계산하고, 두 번째 식에서 갱신된 속도를 이용하여 위치를 갱신한다. 이 방법은 1차 정확도에 불과하나, 심플렉틱(symplectic) 구조를 보존하여 장시간 시뮬레이션에서 에너지 편이가 유계로 유지된다. 구현이 극히 단순하고 계산 비용이 낮아, 게임 물리 엔진과 실시간 로봇 시뮬레이션에서 널리 사용된다.

4.2 RK4

고전적 4차 룽게-쿠타법은 4회의 함수 평가로 4차 정확도를 달성한다. 비강성 시스템의 정밀 시뮬레이션에서 표준적 선택이며, 구현이 단순하고 안정적이다. 그러나 단계당 4회의 순방향 동역학 계산이 필요하므로, 자유도가 큰 로봇에서는 계산 부담이 클 수 있다.

4.3 적응적 RK 방법

도르만-프린스 RK5(4)와 같은 내장형 룽게-쿠타 쌍은 자동 오차 제어를 제공한다. 해의 변화가 급격한 구간(충격, 토크 전환 등)에서는 시간 간격이 자동으로 축소되고, 완만한 구간에서는 확대된다. 오프라인 시뮬레이션과 궤적 최적화에서 효율적이다.

4.4 암시적 방법

후진 오일러, SDIRK, BDF 방법 등은 강성 시스템에 적합하다. 유연 관절 로봇이나 높은 접촉 강성을 갖는 시뮬레이션에서 사용된다. 각 단계에서 뉴턴 반복과 야코비안 계산이 필요하므로 단계당 비용은 높으나, 큰 시간 간격을 사용할 수 있어 전체 비용은 명시적 방법보다 낮을 수 있다.

5. 접촉과 충돌의 처리

5.1 불연속성의 문제

로봇이 환경과 접촉하거나 이탈하는 순간에 역학 모델이 불연속적으로 변화한다. 접촉 시작 시 접촉력이 급격히 발생하고, 이탈 시 소멸한다. 이러한 불연속성은 연속적 해를 가정하는 수치 적분기의 정확도를 심각하게 저하시킬 수 있다.

5.2 사건 기반 적분

사건 검출(event detection) 기능을 갖춘 적분기는 접촉/이탈 시각을 정밀하게 특정하고, 해당 시각에서 적분을 중단한 후 새로운 역학 모델로 재시작한다. 이를 통해 불연속점 전후의 해를 각각 연속 함수로 처리할 수 있다.

5.3 시간 보간 접촉 모델

대안적 접근으로, 접촉력을 연속 함수(패널티 모델, 순응 모델 등)로 모델링하여 불연속성을 회피하는 방법이 있다. 이 경우 강성 적분기가 필요하게 되는 상충 관계가 존재한다.

6. 구속 조건의 처리

6.1 미분 대수 방정식

폐루프 기구(closed-loop mechanism)나 접촉 구속을 포함하는 시스템은 미분 대수 방정식(differential-algebraic equation, DAE)으로 기술된다.

M(\mathbf{q})\ddot{\mathbf{q}} + C(\mathbf{q}, \dot{\mathbf{q}})\dot{\mathbf{q}} + \mathbf{g}(\mathbf{q}) = \boldsymbol{\tau} + G(\mathbf{q})^T\boldsymbol{\lambda}

\Phi(\mathbf{q}) = \mathbf{0}

여기서 \Phi(\mathbf{q}) = \mathbf{0}은 구속 조건이고, G(\mathbf{q}) = \partial\Phi/\partial\mathbf{q}는 구속 야코비안, \boldsymbol{\lambda}는 라그랑주 승수(구속력)이다.

6.2 구속 안정화

순수 수치 적분만으로는 구속 조건이 점진적으로 위반될 수 있다(구속 표류, constraint drift). 이를 방지하기 위한 주요 방법은 다음과 같다.

바움가르테 안정화(Baumgarte stabilization): 구속 조건의 위치 수준과 속도 수준의 위반을 되먹임으로 보정한다.

\ddot{\Phi} + 2\alpha\dot{\Phi} + \beta^2\Phi = \mathbf{0}

여기서 \alpha와 \beta는 안정화 매개변수이다. 이 방법은 구현이 단순하나, 매개변수 선택에 따라 성능이 민감하게 변할 수 있다.

좌표 투영(coordinate projection): 각 시간 단계 후 구속 조건을 만족하도록 상태를 구속 다양체(constraint manifold) 위로 투영한다. 뉴턴 반복을 통해 \Phi(\mathbf{q}_{n+1}) = \mathbf{0}과 G(\mathbf{q}_{n+1})\dot{\mathbf{q}}_{n+1} = \mathbf{0}을 만족하는 보정값을 구한다.

7. 에너지 보존과 심플렉틱 적분

7.1 비심플렉틱 적분기의 에너지 편이

일반적인 룽게-쿠타 방법은 해밀턴 역학의 심플렉틱 구조를 보존하지 않으므로, 장시간 적분에서 시스템의 총 에너지가 점진적으로 증가하거나 감소하는 편이 현상이 나타난다.

7.2 심플렉틱 적분기

심플렉틱 적분기(symplectic integrator)는 해밀턴 시스템의 위상 공간 체적 보존 성질을 수치적으로 유지한다. 대표적 방법으로 스퇴르메르-베를레(Störmer-Verlet) 방법이 있다.

\dot{\mathbf{q}}_{n+1/2} = \dot{\mathbf{q}}_n + \frac{h}{2}\ddot{\mathbf{q}}(\mathbf{q}_n)

\mathbf{q}_{n+1} = \mathbf{q}_n + h\dot{\mathbf{q}}_{n+1/2}

\dot{\mathbf{q}}_{n+1} = \dot{\mathbf{q}}_{n+1/2} + \frac{h}{2}\ddot{\mathbf{q}}(\mathbf{q}_{n+1})

이 방법은 2차 정확도를 가지며, 심플렉틱이고 시간 가역적(time-reversible)이다. 에너지 오차가 진동하되 체계적으로 증가하지 않으므로, 보존계의 장시간 시뮬레이션에 적합하다.

8. 실시간 시뮬레이션의 고려 사항

8.1 고정 시간 간격의 필요성

실시간 시뮬레이션에서는 각 제어 주기 내에 적분을 확정적으로 완료하여야 한다. 적응적 시간 간격 방법의 가변적 계산 비용은 실시간 보장에 부적합할 수 있으므로, 고정 시간 간격과 확정적 계산량을 갖는 방법이 선호된다.

8.2 일반적 시간 간격 범위

로봇 동역학 시뮬레이션에서 일반적으로 사용되는 시간 간격은 다음과 같다.

8.3 물리 엔진의 적분기 선택

주요 로봇 시뮬레이션 플랫폼에서 사용되는 적분기는 다음과 같다.

• MuJoCo: 반암시적 오일러(기본), RK4 선택 가능
• Bullet: 반암시적 오일러
• DART: 반암시적 오일러, RK4 선택 가능
• Drake: 도르만-프린스 RK5(4), 암시적 방법 지원

9. 요약

로봇 동역학 시뮬레이션에서 수치 적분기의 선택은 정확도, 안정성, 계산 효율, 실시간 제약 등 다양한 요인의 균형에 의해 결정된다. 반암시적 오일러 방법은 단순성과 심플렉틱 구조로 실시간 시뮬레이션에 적합하고, RK4는 비강성 시스템의 정밀 시뮬레이션에서 표준적이다. 적응적 방법은 자동 오차 제어를 통해 효율적인 오프라인 시뮬레이션을 제공하며, 암시적 방법은 강성 시스템에 필수적이다. 접촉과 구속 조건의 처리, 에너지 보존, 구속 안정화 등은 로봇 시뮬레이션 고유의 추가적 고려 사항이며, 적분기의 성격에 따라 적절한 기법을 조합하여야 한다.

참고 문헌

• Featherstone, R. (2008). Rigid Body Dynamics Algorithms. Springer.
• Todorov, E., Erez, T., & Tassa, Y. (2012). “MuJoCo: A physics engine for model-based control.” IEEE/RSJ International Conference on Intelligent Robots and Systems, 5026–5033.
• Hairer, E., Lubich, C., & Wanner, G. (2006). Geometric Numerical Integration (2nd ed.). Springer.
• Ascher, U. M. & Petzold, L. R. (1998). Computer Methods for Ordinary Differential Equations and Differential-Algebraic Equations. SIAM.
• Baumgarte, J. (1972). “Stabilization of constraints and integrals of motion in dynamical systems.” Computer Methods in Applied Mechanics and Engineering, 1(1), 1–16.
• Tedrake, R. (2023). Underactuated Robotics: Algorithms for Walking, Running, Swimming, Flying, and Manipulation. MIT.

version: 0.1.0