11.15 리 군 기반 로봇 기구학 해석

1. 리 군 기반 기구학의 개요

리 군 기반 로봇 기구학(Lie group-based robot kinematics)은 강체 변환군 $SE(3)$ 과 그 리 대수 $\mathfrak{se}(3)$ 의 구조를 활용하여 로봇 매니퓰레이터의 운동학을 체계적이고 통합적으로 다루는 방법론이다. 전통적인 DH(Denavit-Hartenberg) 매개변수 기반 접근법과 달리 리 군 기반 접근법은 좌표계 부착의 모호성을 회피하고, 모든 관절을 통일된 방식(스크류 축)으로 다룬다. 이 접근법은 매니퓰레이터의 순기구학, 역기구학, 자코비안, 미분 운동학 등 모든 영역에서 우아한 표현을 제공하며, 현대 로봇공학의 표준이 되어가고 있다.

2. 매니퓰레이터의 기본 구조

2.1 직렬 매니퓰레이터

직렬 매니퓰레이터(serial manipulator)는 일련의 링크가 관절로 연결된 구조이다. 각 관절은 하나의 자유도를 가지며, 회전 관절(revolute joint) 또는 직선 관절(prismatic joint)이다.

2.2 자유도

자유도가 $n$ 인 매니퓰레이터는 $n$ 개의 독립적인 관절을 가진다. 일반적으로 6자유도가 작업 공간의 모든 6자유도(위치 3, 자세 3)를 달성하는 데 필요하다.

2.3 좌표계

매니퓰레이터에는 여러 좌표계가 있다.

세계 좌표계(world frame) 또는 기저 좌표계(base frame): 고정된 기준 좌표계
본체 좌표계(body frame): 말단 장치에 부착된 좌표계
관절 좌표계(joint frames): 각 관절에 부착된 좌표계 (DH 매개변수 접근법에서)

리 군 기반 접근법에서는 관절 좌표계를 명시적으로 정의할 필요가 없다.

3. 곱지수 공식

3.1 정의

매니퓰레이터의 순기구학을 표현하는 곱지수(Product of Exponentials, POE) 공식은 다음과 같다.

$\mathbf{T}(\boldsymbol{\theta}) = e^{\hat{\mathcal{S}}_1\theta_1}e^{\hat{\mathcal{S}}_2\theta_2}\cdots e^{\hat{\mathcal{S}}_n\theta_n}\mathbf{M}$

여기서

$\mathbf{T}(\boldsymbol{\theta})$ : 관절 변수 $\boldsymbol{\theta} = (\theta_1, \ldots, \theta_n)$ 에 대한 말단 장치의 자세
$\hat{\mathcal{S}}_i$ : $i$ 번째 관절의 스크류 축의 행렬 형태( $\mathfrak{se}(3)$ 의 원소)
$\theta_i$ : $i$ 번째 관절 변수
$\mathbf{M}$ : 영 자세에서의 말단 장치 변환

3.2 영 자세

영 자세(home configuration)는 모든 관절 변수가 0인 자세이다. 이 자세에서 매니퓰레이터의 모양과 말단 장치의 위치가 명확히 정의된다.

3.3 스크류 축의 정의

각 관절의 스크류 축은 영 자세에서 정의된다. 회전 관절의 경우 회전 축의 위치와 방향이 결정되며, 직선 관절의 경우 병진 방향이 결정된다.

3.3.1 회전 관절

회전 관절의 스크류 축은 영 피치 스크류이다.

$\mathcal{S}_i = \begin{bmatrix}\hat{\boldsymbol{\omega}}_i \\ -\hat{\boldsymbol{\omega}}_i \times \mathbf{q}_i\end{bmatrix}$

여기서 $\hat{\boldsymbol{\omega}}_i$ 는 회전 축 방향, $\mathbf{q}_i$ 는 회전 축 위의 한 점이다.

3.3.2 직선 관절

직선 관절의 스크류 축은 무한 피치 스크류이다.

$\mathcal{S}_i = \begin{bmatrix}\mathbf{0} \\ \hat{\mathbf{v}}_i\end{bmatrix}$

여기서 $\hat{\mathbf{v}}_i$ 는 병진 방향이다.

3.4 통일된 표현

회전 관절과 직선 관절이 모두 같은 형태( $\mathfrak{se}(3)$ 의 원소)로 표현되므로, 관절 종류에 무관한 통일된 처리가 가능하다.

4. 곱지수 공식의 의미

4.1 운동의 합성

곱지수 공식은 매니퓰레이터의 운동을 일련의 스크류 운동의 합성으로 표현한다. 첫 번째 관절이 먼저 움직이고, 그 다음 두 번째, … 마지막으로 $n$ 번째 관절이 움직인다고 생각할 수 있다.

4.2 좌표계 선택의 자유

곱지수 공식은 모든 스크류 축을 영 자세에서 정의하므로, 좌표계 부착이 명확하다. DH 매개변수와 달리 좌표계 선택의 모호성이 없다.

4.3 학술적 일관성

곱지수 공식은 리 군 이론과 자연스럽게 연결되며, 학술 문헌의 표준 표기 중 하나이다.

5. 본체 좌표계 형태

곱지수 공식의 본체 좌표계 형태는 다음과 같다.

$\mathbf{T}(\boldsymbol{\theta}) = \mathbf{M}e^{\hat{\mathcal{B}}_1\theta_1}e^{\hat{\mathcal{B}}_2\theta_2}\cdots e^{\hat{\mathcal{B}}_n\theta_n}$

여기서 $\hat{\mathcal{B}}_i$ 는 본체 좌표계에서의 $i$ 번째 관절의 스크류 축이다.

5.1 두 형태의 변환

공간 좌표계 형태와 본체 좌표계 형태는 수반 표현으로 변환된다.

$\mathcal{B}_i = [\mathrm{Ad}_{\mathbf{M}^{-1}}]\mathcal{S}_i$

이는 본체 좌표계에서의 스크류 축이 공간 좌표계에서의 스크류 축의 좌표 변환임을 의미한다.

6. 매니퓰레이터의 자코비안

6.1 공간 자코비안

매니퓰레이터의 공간 자코비안은 각 관절의 현재 스크류 축으로 구성된다.

$\mathbf{J}_s(\boldsymbol{\theta}) = [\mathcal{V}_{s,1}(\boldsymbol{\theta}), \mathcal{V}_{s,2}(\boldsymbol{\theta}), \ldots, \mathcal{V}_{s,n}(\boldsymbol{\theta})]$

여기서 $\mathcal{V}_{s,i}(\boldsymbol{\theta})$ 는 $i$ 번째 관절의 공간 좌표계에서의 현재 스크류 축이다.

6.2 자코비안 열의 계산

각 자코비안 열은 다음과 같이 계산된다.

$\mathcal{V}_{s,1}(\boldsymbol{\theta}) = \mathcal{S}_1$

$\mathcal{V}_{s,i}(\boldsymbol{\theta}) = [\mathrm{Ad}_{e^{\hat{\mathcal{S}}_1\theta_1}\cdots e^{\hat{\mathcal{S}}_{i-1}\theta_{i-1}}}]\mathcal{S}_i, \quad i \geq 2$

첫 번째 관절의 스크류 축은 변하지 않지만, 다른 관절의 스크류 축은 이전 관절들의 변환에 의해 변환된다.

6.3 본체 자코비안

본체 자코비안은 본체 좌표계에서의 스크류 축으로 구성된다.

$\mathbf{J}_b(\boldsymbol{\theta}) = [\mathcal{V}_{b,1}(\boldsymbol{\theta}), \mathcal{V}_{b,2}(\boldsymbol{\theta}), \ldots, \mathcal{V}_{b,n}(\boldsymbol{\theta})]$

각 열은 다음과 같이 계산된다.

$\mathcal{V}_{b,n}(\boldsymbol{\theta}) = \mathcal{B}_n$

$\mathcal{V}_{b,i}(\boldsymbol{\theta}) = [\mathrm{Ad}_{e^{-\hat{\mathcal{B}}_n\theta_n}\cdots e^{-\hat{\mathcal{B}}_{i+1}\theta_{i+1}}}]\mathcal{B}_i, \quad i < n$

6.4 두 자코비안의 변환

공간 자코비안과 본체 자코비안 사이의 변환은 수반 표현으로 이루어진다.

$\mathbf{J}_s = [\mathrm{Ad}_{\mathbf{T}_{sb}}]\mathbf{J}_b$

여기서 $\mathbf{T}_{sb}$ 는 본체 좌표계에서 공간 좌표계로의 변환이다.

7. 미분 운동학

7.1 트위스트와 관절 속도

매니퓰레이터의 말단 장치 트위스트는 관절 속도와 자코비안의 곱이다.

$\mathcal{V}_s = \mathbf{J}_s(\boldsymbol{\theta})\dot{\boldsymbol{\theta}}$

또는 본체 좌표계에서

$\mathcal{V}_b = \mathbf{J}_b(\boldsymbol{\theta})\dot{\boldsymbol{\theta}}$

이러한 표현이 미분 운동학의 핵심이다.

7.2 역 미분 운동학

목표 트위스트로부터 관절 속도를 계산하는 역 미분 운동학은 자코비안의 의사역행렬을 사용한다.

$\dot{\boldsymbol{\theta}} = \mathbf{J}^\dagger(\boldsymbol{\theta})\mathcal{V}_d$

여기서 $\mathbf{J}^\dagger$ 는 자코비안의 의사역행렬이다.

7.3 자코비안 가속도

말단 장치의 가속도는 자코비안의 시간 미분을 통해 계산된다.

$\dot{\mathcal{V}} = \mathbf{J}\ddot{\boldsymbol{\theta}} + \dot{\mathbf{J}}\dot{\boldsymbol{\theta}}$

8. 역기구학

8.1 수치적 역기구학

수치적 역기구학은 자코비안을 이용하여 반복적으로 목표 자세에 도달한다. 기본 알고리즘은 뉴턴-라프슨 방법이다.

8.1.1 알고리즘

초기 추정 $\boldsymbol{\theta}_0$ 를 설정한다.
현재 자세 $\mathbf{T}(\boldsymbol{\theta}_k)$ 를 계산한다.
자세 오차를 계산한다: $[\mathcal{V}_e]^\wedge = \log(\mathbf{T}(\boldsymbol{\theta}_k)^{-1}\mathbf{T}_d)$
자코비안을 계산한다: $\mathbf{J}(\boldsymbol{\theta}_k)$
갱신: $\boldsymbol{\theta}_{k+1} = \boldsymbol{\theta}_k + \mathbf{J}^\dagger\mathcal{V}_e$
수렴 검사 후 반복.

여기서 자세 오차의 트위스트 표현이 리 군 이론의 로그 사상으로 자연스럽게 정의된다.

8.2 해석적 역기구학

특정 매니퓰레이터에 대해서는 해석적 역기구학이 가능하다. 이 경우 특정 구조(예: 마지막 세 관절이 한 점에서 만나는 구조)를 활용한다.

8.3 잉여 자유도

7자유도 이상의 매니퓰레이터에서는 잉여 자유도가 있으며, 무한히 많은 해가 존재한다. 이러한 경우 추가 비용 함수(예: 관절 한계 회피, 특이점 회피)를 사용하여 해를 결정한다.

9. 특이점 분석

9.1 자코비안의 특이점

자코비안 $\mathbf{J}(\boldsymbol{\theta})$ 의 행렬식이 0이거나 계수가 부족할 때 매니퓰레이터는 특이 자세에 있다고 한다. 특이 자세에서는 일부 방향의 운동이 불가능하다.

9.2 특이점의 종류

경계 특이점: 작업 공간의 경계에 도달했을 때 발생
내부 특이점: 작업 공간 내부에서 발생, 특정 자세 구성에서 발생

9.3 특이점 회피

특이점 회피는 매니퓰레이션 작업에서 중요하다. 다양한 알고리즘이 있다.

수동적 회피: 경로 계획에서 특이점을 피한다.
능동적 회피: 잉여 자유도를 활용하여 특이점에서 멀어진다.
기울기 투영: 자코비안의 의사역행렬에 추가 항을 더한다.

10. 작업 공간 분석

10.1 도달 가능 작업 공간

매니퓰레이터의 도달 가능 작업 공간은 말단 장치가 도달할 수 있는 모든 자세의 집합이다. 이는 $SE(3)$ 의 부분 집합이다.

10.2 능숙한 작업 공간

능숙한 작업 공간(dexterous workspace)은 말단 장치가 임의의 자세로 도달할 수 있는 위치의 집합이다. 도달 가능 작업 공간보다 작다.

10.3 분석 방법

작업 공간 분석은 매니퓰레이터의 운동학과 관절 한계를 결합하여 이루어진다.

11. 자코비안의 활용

11.1 정적 분석

자코비안의 트랜스포즈는 말단 장치의 힘을 관절 토크로 매핑한다.

$\boldsymbol{\tau} = \mathbf{J}^T\mathcal{F}_e$

여기서 $\mathcal{F}_e$ 는 말단 장치에 작용하는 외부 렌치이다. 이는 정적 분석의 핵심이다.

11.2 매니퓰레이션 능력

조작성(manipulability) 측정은 자코비안의 특이값으로 결정된다. 가장 큰 특이값과 가장 작은 특이값의 비율이 조작성을 나타낸다.

$w = \sqrt{\det(\mathbf{J}\mathbf{J}^T)}$

11.3 컴플라이언스 분석

작업 공간의 컴플라이언스(compliance)는 자코비안과 관절 강성으로부터 계산된다.

12. 매니퓰레이터의 분류

12.1 직렬 매니퓰레이터

가장 일반적인 형태이며, 일련의 링크와 관절로 구성된다. SCARA, 6축 산업 매니퓰레이터 등이 포함된다.

12.2 병렬 매니퓰레이터

여러 운동학적 체인이 베이스와 말단 장치를 연결한다. Stewart-Gough 플랫폼, 델타 매니퓰레이터 등이 예이다. 리 군 기반 분석은 직렬 매니퓰레이터에 더 직접적이지만, 병렬 매니퓰레이터에도 확장된다.

12.3 협동 매니퓰레이터

여러 매니퓰레이터가 협력하여 작업을 수행한다. 각 매니퓰레이터의 자세가 $SE(3)$ 의 원소이며, 협동 작업의 분석에 리 군 이론이 활용된다.

13. 응용 예시: 6축 매니퓰레이터

전형적인 6축 산업 매니퓰레이터의 곱지수 공식을 구성해 보자. 영 자세에서 각 관절의 스크류 축을 결정한 후 곱지수 공식을 적용한다.

각 관절의 스크류 축이 결정되면 순기구학, 자코비안, 역기구학 등 모든 운동학적 분석이 가능하다.

14. 응용 예시: SCARA 매니퓰레이터

SCARA(Selective Compliance Articulated Robot Arm) 매니퓰레이터는 4자유도(2개의 회전 + 1개의 직선 + 1개의 회전)를 가진다. 곱지수 공식은 다음과 같다.

$\mathbf{T}(\theta_1, \theta_2, d_3, \theta_4) = e^{\hat{\mathcal{S}}_1\theta_1}e^{\hat{\mathcal{S}}_2\theta_2}e^{\hat{\mathcal{S}}_3 d_3}e^{\hat{\mathcal{S}}_4\theta_4}\mathbf{M}$

각 스크류 축은 SCARA의 운동학적 구조에 의해 결정된다. 회전과 직선 관절이 통일된 형태로 처리되는 것을 볼 수 있다.

15. 응용 예시: 잉여 자유도 매니퓰레이터

7자유도 매니퓰레이터에서는 작업 공간의 6자유도에 대해 1자유도의 잉여가 있다. 이 잉여 자유도를 활용하여 특이점 회피, 관절 한계 회피, 장애물 회피 등을 수행할 수 있다.

자코비안의 영 공간(null space)이 잉여 자유도를 표현하며, 이 공간 안에서의 운동이 말단 장치 자세를 변화시키지 않는다.

16. 라이브러리와 도구

16.1 Modern Robotics

Modern Robotics 교과서의 부속 라이브러리는 곱지수 공식 기반 운동학 계산을 지원한다. Python과 MATLAB 버전이 있다.

16.2 Robotics Toolbox

Peter Corke의 Robotics Toolbox는 매니퓰레이터의 운동학과 동역학을 다루며, 곱지수 공식과 DH 매개변수 모두를 지원한다.

16.3 MoveIt

ROS 기반 MoveIt 프레임워크는 매니퓰레이터의 운동 계획과 운동학 계산을 통합적으로 다룬다. 다양한 운동학 라이브러리(KDL, IKFast 등)와 호환된다.

16.4 Pinocchio

Pinocchio는 강체 동역학을 위한 효율적인 C++ 라이브러리이며, 매니퓰레이터의 순기구학, 자코비안, 동역학 계산을 지원한다. 리 군 이론을 활용한 효율적인 알고리즘을 구현한다.

17. 학습의 가치

리 군 기반 로봇 기구학을 깊이 이해하는 것은 다음과 같은 이점을 제공한다.

매니퓰레이터의 운동학을 통합적으로 다룰 수 있다.
회전과 직선 관절의 구분 없이 분석이 가능하다.
자코비안 계산이 직관적이고 효율적이다.
학술 문헌의 표준 표기를 이해할 수 있다.
현대 로봇 소프트웨어 라이브러리를 효과적으로 사용할 수 있다.

18. DH 매개변수와의 비교

18.1 DH 매개변수의 장점

역사적으로 표준이며, 많은 문헌에서 사용된다.
매개변수의 수가 적다(관절당 4개).

18.2 DH 매개변수의 단점

좌표계 부착의 모호성이 있다.
회전과 직선 관절의 처리가 다르다.
해석이 직관적이지 않다.

18.3 곱지수 공식의 장점

좌표계 부착이 명확하다.
회전과 직선 관절의 통일된 처리가 가능하다.
리 군 이론과 자연스럽게 연결된다.
자코비안 계산이 직관적이다.

18.4 곱지수 공식의 단점

DH보다 매개변수 수가 더 많을 수 있다(스크류 축당 6개).
학습 곡선이 약간 가파르다.

19. 참고 문헌

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.
Selig, J. M. (2005). Geometric Fundamentals of Robotics (2nd ed.). Springer.
Spong, M. W., Hutchinson, S., & Vidyasagar, M. (2020). Robot Modeling and Control (2nd ed.). Wiley.
Featherstone, R. (2008). Rigid Body Dynamics Algorithms. Springer.
Corke, P. (2017). Robotics, Vision and Control: Fundamental Algorithms in MATLAB (2nd ed.). Springer.

version: 1.0