9.66 회전 벡터(Rotation Vector)의 정의와 성질

1. 회전 벡터의 정의

회전 벡터(rotation vector)는 3차원 회전을 3개의 매개변수로 표현하는 가장 자연스러운 방법 중 하나이다. 회전 축 $\hat{\mathbf{u}}$ 와 회전 각 $\phi$ 를 곱하여 단일한 3차원 벡터로 결합한 것이다.

$\boldsymbol{\phi} = \phi\hat{\mathbf{u}} \in \mathbb{R}^3$

회전 벡터의 크기는 회전 각, 방향은 회전 축이다.

$\phi = \lVert \boldsymbol{\phi} \rVert, \quad \hat{\mathbf{u}} = \boldsymbol{\phi}/\phi$

이는 축-각도 표현 $(\hat{\mathbf{u}}, \phi)$ 의 두 성분을 단일 벡터로 압축한 형태이다.

2. 회전 벡터와 다른 명칭

회전 벡터는 다음의 다양한 이름으로 불린다.

회전 벡터(rotation vector): 가장 일반적인 명칭
축-각도 벡터(axis-angle vector): 축과 각도의 결합임을 강조
지수 좌표(exponential coordinates): 리 군 이론에서의 명칭
Lie 대수 좌표: $\mathfrak{so}(3)$ 의 자연 좌표라는 의미

이 모든 명칭이 같은 수학적 객체를 가리킨다.

3. 회전 벡터의 자유도

회전 벡터는 3개의 실수 성분으로 표현되며, 자유도가 3이다. 이는 $SO(3)$ 의 차원과 일치한다.

4. 회전 벡터의 매개변수 영역

4.1 표준 영역

관례적으로 회전 벡터의 크기는 $\pi$ 이하로 제한된다.

$\lVert \boldsymbol{\phi} \rVert \leq \pi$

이 영역은 반지름 $\pi$ 의 닫힌 공이다.

4.2 영역의 위상 구조

이 닫힌 공의 표면(반지름 $\pi$ 의 구면)에서는 대척점 $\boldsymbol{\phi}$ 와 $-\boldsymbol{\phi}$ 가 같은 회전을 나타낸다(180도 회전의 이중성). 따라서 매개변수 공간을 정확히 $SO(3)$ 과 일대일 대응시키려면, 표면의 대척점을 동일시해야 한다. 위상적으로 이는 사영 공간 $\mathbb{RP}^3$ 와 동형이다.

5. 회전 벡터에서 회전 행렬로의 변환

회전 벡터로부터 회전 행렬은 행렬 지수 함수로 변환된다.

$\mathbf{R} = \exp([\boldsymbol{\phi}]_\times)$

여기서 $[\boldsymbol{\phi}]_\times$ 는 회전 벡터의 반대칭 행렬이다. 이 사상의 닫힌 형태가 로드리게스 공식이다.

$\mathbf{R} = \mathbf{I} + \frac{\sin\phi}{\phi}[\boldsymbol{\phi}]_\times + \frac{1 - \cos\phi}{\phi^2}[\boldsymbol{\phi}]_\times^2$

이 식은 회전 벡터의 크기 $\phi$ 와 방향 $\hat{\mathbf{u}}$ 를 명시적으로 분리하지 않고도 직접 계산될 수 있다.

6. 회전 행렬에서 회전 벡터로의 변환

회전 행렬 $\mathbf{R}$ 로부터 회전 벡터는 로그 사상으로 추출된다. 단계별 절차는 다음과 같다.

6.1 단계: 회전 각 추출

$\phi = \arccos\left(\frac{\mathrm{tr}(\mathbf{R}) - 1}{2}\right)$

6.2 단계: 회전 축 추출

$\phi \neq 0, \pi$ 일 때

$\hat{\mathbf{u}} = \frac{1}{2\sin\phi}(r_{32} - r_{23}, r_{13} - r_{31}, r_{21} - r_{12})^T$

6.3 단계: 회전 벡터 합성

$\boldsymbol{\phi} = \phi\hat{\mathbf{u}}$

특이점( $\phi = 0$ 또는 $\phi = \pi$ )에서는 별도 처리가 필요하다(9.39 참고).

7. 회전 벡터의 무한소 한계

작은 회전의 경우 ( $\phi \to 0$ ), 회전 벡터는 다음의 1차 근사를 가진다.

$\mathbf{R} \approx \mathbf{I} + [\boldsymbol{\phi}]_\times$

즉, 작은 회전 벡터는 단순히 반대칭 행렬에 더해지는 형태로 회전 행렬을 근사한다. 이는 회전 벡터가 $\mathfrak{so}(3)$ 리 대수의 자연 좌표임을 보여준다.

각속도 벡터 $\boldsymbol{\omega}$ 가 짧은 시간 $\Delta t$ 동안 작용하면 회전 벡터 $\boldsymbol{\phi} \approx \boldsymbol{\omega}\Delta t$ 가 생성된다. 이 관계가 회전 벡터를 자세 적분에서 자연스럽게 사용하게 만든다.

8. 회전 벡터의 합성

두 회전의 합성은 단순한 벡터 합이 아니다. 회전 행렬의 비가환성으로 인해

$\exp([\boldsymbol{\phi}_1]_\times)\exp([\boldsymbol{\phi}_2]_\times) \neq \exp([\boldsymbol{\phi}_1 + \boldsymbol{\phi}_2]_\times)$

일반적으로 성립한다. 정확한 합성 규칙은 베이커-캠벨-하우스도르프(Baker-Campbell-Hausdorff, BCH) 공식으로 주어진다.

$\exp([\boldsymbol{\phi}_1]_\times)\exp([\boldsymbol{\phi}_2]_\times) = \exp([\boldsymbol{\phi}_1 + \boldsymbol{\phi}_2 + \frac{1}{2}\boldsymbol{\phi}_1 \times \boldsymbol{\phi}_2 + \cdots]_\times)$

BCH 급수의 첫 번째 항이 단순 벡터 합이고, 두 번째 항이 외적 보정이며, 그 이후는 더 복잡한 다중 외적의 항들이다.

작은 회전의 경우 1차 항만 고려하여

$\boldsymbol{\phi}_{\text{합성}} \approx \boldsymbol{\phi}_1 + \boldsymbol{\phi}_2$

가 성립한다. 이 가환적 근사가 짧은 시간 간격에서의 자세 적분을 용이하게 한다.

9. 회전 벡터의 성질

9.1 부호 반전

회전 벡터의 부호를 반전시키면 역회전이 된다.

$\exp([-\boldsymbol{\phi}]_\times) = \exp([\boldsymbol{\phi}]_\times)^{-1} = \exp([\boldsymbol{\phi}]_\times)^T$

이는 축의 부호를 반전시키는 것과 각도의 부호를 반전시키는 것이 동등함을 의미한다.

9.2 스칼라 곱

회전 벡터에 스칼라 $t$ 를 곱하면 같은 축 주위의 $t$ 배 각도 회전이 된다.

$\exp([t\boldsymbol{\phi}]_\times) = \exp([\boldsymbol{\phi}]_\times)^t$

이 성질은 같은 축 주위의 회전을 매개화하는 데 유용하다.

9.3 이중성

$\lVert \boldsymbol{\phi} \rVert = \pi$ 일 때, $\boldsymbol{\phi}$ 와 $-\boldsymbol{\phi}$ 가 같은 회전을 나타낸다(180도 회전). 이 이중성은 매개변수 영역의 표면에서만 발생하므로, 영역 내부에서는 일대일 대응이 유지된다.

10. 회전 벡터의 운동학

회전 벡터의 시간 미분과 각속도의 관계는 다음과 같다.

$\dot{\boldsymbol{\phi}} = \mathbf{J}_l^{-1}(\boldsymbol{\phi})\boldsymbol{\omega}$

여기서 $\mathbf{J}_l(\boldsymbol{\phi})$ 는 좌측 야코비안이다.

$\mathbf{J}_l(\boldsymbol{\phi}) = \mathbf{I} + \frac{1 - \cos\phi}{\phi^2}[\boldsymbol{\phi}]_\times + \frac{\phi - \sin\phi}{\phi^3}[\boldsymbol{\phi}]_\times^2$

이 관계는 작은 회전에서 $\dot{\boldsymbol{\phi}} \approx \boldsymbol{\omega}$ 로 근사되며, 큰 회전에서는 비선형 보정이 필요함을 보인다.

11. 회전 벡터의 응용

11.1 SLAM과 번들 조정

비선형 최적화에서 회전을 매개화하는 데 회전 벡터가 자주 사용된다. 자유 매개변수이고 짐벌 락이 없으며, 매개변수 공간이 $\mathbb{R}^3$ 의 연속 부분집합이라는 장점이 있다.

11.2 상태 추정

오류 상태 칼만 필터(Error State Kalman Filter, ESKF)에서 작은 자세 오차를 회전 벡터로 표현한다. 작은 회전에서는 가환 근사가 성립하므로 선형 필터링이 적용 가능하다.

11.3 회전 보간

두 회전 사이의 보간은 회전 벡터에서의 직선 경로를 따라 수행된다.

$\boldsymbol{\phi}(t) = (1-t)\boldsymbol{\phi}_1 + t\boldsymbol{\phi}_2 \quad ?\quad$

단, 이 직선 보간은 $SO(3)$ 매니폴드 상의 측지선이 아니다. 측지선 보간은 $\boldsymbol{\phi}(t) = \log(\mathbf{R}_1\exp(t\log(\mathbf{R}_1^{-1}\mathbf{R}_2)))$ 로 계산된다.

11.4 로봇 동역학

매니퓰레이터의 동역학에서 각 링크의 회전 운동을 회전 벡터의 시간 미분으로 표현할 수 있다.

11.5 자세 명령

로봇의 회전 명령을 회전 벡터로 직접 지정할 수 있다. “축 $\hat{\mathbf{u}}$ 주위로 $\phi$ 회전“이라는 명령이 단일 벡터 $\phi\hat{\mathbf{u}}$ 로 압축된다.

12. 회전 벡터의 장단점

12.1 장점

매개변수가 정확히 3개 (자유도와 일치)
자유 매개변수 (제약 없음)
짐벌 락 없음
$SO(3)$ 리 대수의 자연 좌표
작은 회전에서 가환 근사 가능
비선형 최적화에 적합

12.2 단점

합성이 단순한 벡터 합이 아님 (BCH 공식 필요)
$\phi = \pi$ 근처에서 매개변수 공간의 위상적 복잡성
직접 보간이 측지선이 아님

13. 회전 벡터와 다른 표현법의 비교

표현법	매개변수	합성	사용 분야
회전 벡터	3	BCH 공식	최적화, 추정
쿼터니언	4	쿼터니언 곱	자세 추정, 보간
회전 행렬	9	행렬 곱	일반 변환
오일러 각	3	어색함	사용자 인터페이스
MRP	3	복잡	우주선 자세

회전 벡터는 매개변수가 적고 자유 매개변수라는 장점으로 비선형 최적화에서 가장 선호된다.

14. 참고 문헌

Murray, R. M., Li, Z., & Sastry, S. S. (1994). A Mathematical Introduction to Robotic Manipulation. CRC Press.
Hall, B. C. (2015). Lie Groups, Lie Algebras, and Representations (2nd ed.). Springer.
Barfoot, T. D. (2017). State Estimation for Robotics. Cambridge University Press.
Diebel, J. (2006). “Representing Attitude: Euler Angles, Unit Quaternions, and Rotation Vectors.” Stanford University Technical Report.
Sola, J., Deray, J., & Atchuthan, D. (2018). “A Micro Lie Theory for State Estimation in Robotics.” arXiv:1812.01537.

version: 1.0