17.12 관성 행렬의 구성과 물리적 의미

1. 개요

$n$ 자유도 매니퓰레이터의 동역학 운동 방정식에서 관성 행렬 $\mathbf{M}(\mathbf{q}) \in \mathbb{R}^{n \times n}$ 은 관절 가속도와 그에 필요한 일반화 힘 사이의 선형 관계를 정의하는 가장 중심적인 행렬이다. 관성 행렬은 시스템의 운동 에너지를 이차 형식으로 표현할 때 자연스럽게 등장하며, 개별 링크의 질량, 질량 중심의 위치, 그리고 관성 텐서에 관한 정보를 매니퓰레이터의 기구학 구조와 결합하여 집적한다.

본 절에서는 관성 행렬의 체계적 구성 방법, 그 원소가 가지는 물리적 의미, 자세에 따른 변화의 기원, 그리고 수치 계산에서 주의해야 할 사항을 학술적으로 기술한다. 관성 행렬의 대칭성과 양정치성 등 대수적 성질은 별도의 절에서 상세히 다루어지며, 본 절은 구성과 해석에 초점을 맞춘다.

2. 운동 에너지 기반 정의

관성 행렬은 매니퓰레이터 전체의 운동 에너지 $K$ 를 관절 속도의 이차 형식으로 표현할 때 등장한다.

$K(\mathbf{q}, \dot{\mathbf{q}}) = \frac{1}{2} \dot{\mathbf{q}}^T \mathbf{M}(\mathbf{q}) \dot{\mathbf{q}}$

이 관계를 정의로 채택하면, 관성 행렬은 매니퓰레이터의 운동 에너지를 관절 공간에서 표현하는 이차 형식의 계수로 이해된다. 운동 에너지는 각 강체의 병진 운동 에너지와 회전 운동 에너지의 합으로 구성되며, 링크 $i$ 의 질량을 $m_i$ , 질량 중심의 선속도를 $\mathbf{v}_{c,i}$ , 링크 좌표계에서의 관성 텐서를 $\mathbf{I}_{c,i}$ , 링크의 각속도를 $\boldsymbol{\omega}_i$ 라 할 때 링크 $i$ 의 운동 에너지는 다음과 같다.

$K_i = \frac{1}{2} m_i \, \mathbf{v}_{c,i}^T \mathbf{v}_{c,i} + \frac{1}{2} \boldsymbol{\omega}_i^T \mathbf{I}_{c,i}^{(0)} \boldsymbol{\omega}_i$

여기서 $\mathbf{I}_{c,i}^{(0)}$ 는 세계 좌표계에서 표현된 관성 텐서이며, 회전 행렬을 통하여 링크 좌표계의 관성 텐서 $^{i}\mathbf{I}_{c,i}$ 로부터 $\mathbf{I}_{c,i}^{(0)} = \mathbf{R}_i \, ^{i}\mathbf{I}_{c,i} \, \mathbf{R}_i^T$ 로 얻어진다. 전체 운동 에너지는 모든 링크의 기여의 합 $K = \sum_{i=1}^{n} K_i$ 이다.

3. 자코비안을 이용한 관성 행렬의 표현

각 링크의 선속도와 각속도는 관절 속도에 대한 선형 함수로 표현되며, 이 표현을 위하여 링크 질량 중심의 자코비안 $\mathbf{J}_{v,i}(\mathbf{q}) \in \mathbb{R}^{3 \times n}$ 와 각속도 자코비안 $\mathbf{J}_{\omega,i}(\mathbf{q}) \in \mathbb{R}^{3 \times n}$ 이 도입된다.

$\mathbf{v}_{c,i} = \mathbf{J}_{v,i}(\mathbf{q}) \dot{\mathbf{q}}, \qquad \boldsymbol{\omega}_i = \mathbf{J}_{\omega,i}(\mathbf{q}) \dot{\mathbf{q}}$

이 표현을 운동 에너지 식에 대입하면, 관성 행렬이 다음의 표준 형식으로 얻어진다.

$\mathbf{M}(\mathbf{q}) = \sum_{i=1}^{n} \left[ m_i \, \mathbf{J}_{v,i}^T(\mathbf{q}) \mathbf{J}_{v,i}(\mathbf{q}) + \mathbf{J}_{\omega,i}^T(\mathbf{q}) \, \mathbf{I}_{c,i}^{(0)}(\mathbf{q}) \, \mathbf{J}_{\omega,i}(\mathbf{q}) \right]$

이 식은 관성 행렬이 각 링크의 관성 정보와 기구학적 자코비안의 결합으로 얻어진다는 사실을 명시적으로 보여준다. 첫 항은 병진 운동에 의한 기여이고, 둘째 항은 회전 운동에 의한 기여이다.

각 링크의 자코비안은 오직 해당 링크와 그 상류에 있는 관절만을 포함하며, 그 외 관절의 열은 영이다. 이러한 희소 구조는 관성 행렬이 기구학적 위상에 따라 특정한 패턴을 가진다는 사실로 이어진다.

4. 관성 행렬 원소의 물리적 해석

관성 행렬의 원소 $M_{ij}(\mathbf{q})$ 는 다음과 같은 물리적 의미를 지닌다. 대각 원소 $M_{ii}(\mathbf{q})$ 는 다른 모든 관절이 정지한 상태에서 관절 $i$ 만 단위 가속도를 얻게 하기 위해 공급해야 하는 일반화 힘에 해당한다. 이를 효과적 관성(effective inertia)이라 부르며, 관절 $i$ 가 움직일 때 해당 관절에 매달려 움직이는 모든 하류 링크의 관성 기여를 반영한다.

비대각 원소 $M_{ij}(\mathbf{q})$ ( $i \neq j$ )는 관절 $j$ 의 가속이 관절 $i$ 에 유발하는 관성 결합의 크기를 나타낸다. 이러한 결합은 링크 사이에 공유되는 관성 경로가 있기 때문에 발생한다. 즉 관절 $j$ 가 가속하면 해당 관절의 하류에 있는 링크들이 가속되며, 이 운동이 관절 $i$ 의 관성에 영향을 준다.

만약 두 관절이 관성적으로 완전히 분리되어 있다면 $M_{ij} = 0$ 이 된다. 실제 매니퓰레이터에서는 거의 모든 관절이 다른 관절과 결합되어 있으므로 비대각 원소가 영이 되는 경우는 드물며, 일반적으로 관절 사이의 관성 결합이 매우 복잡하다.

5. 관성 행렬의 자세 의존성

관성 행렬 $\mathbf{M}(\mathbf{q})$ 가 관절 변수의 함수라는 사실은 매니퓰레이터 동역학의 비선형성의 근본적 원천이다. 자세 의존성의 물리적 원인은 다음과 같다.

첫째, 링크의 자코비안 $\mathbf{J}_{v,i}$ 와 $\mathbf{J}_{\omega,i}$ 가 자세에 의존한다. 자세가 변하면 각 링크의 질량 중심 위치가 관절 $i$ 에 대하여 만드는 레버 암이 달라지며, 이는 유효 관성을 변화시킨다.

둘째, 각 링크의 관성 텐서가 세계 좌표계에서 표현될 때 $\mathbf{I}_{c,i}^{(0)} = \mathbf{R}_i \, ^{i}\mathbf{I}_{c,i} \, \mathbf{R}_i^T$ 로 자세에 따라 회전되며, 이는 자세 의존적이다. 결과적으로 회전 기여도 자세에 따라 달라진다.

셋째, 매니퓰레이터의 자세에 따라 질량 분포의 전체적 형상이 변화하며, 이것이 관절 공간에서 표현되는 관성의 자세 의존성을 유발한다.

6. 전형적 매니퓰레이터의 관성 특성

간단한 2자유도 평면 매니퓰레이터의 예에서 관성 행렬의 자세 의존성을 명시적으로 관찰할 수 있다. 팔꿈치 관절이 완전히 펼쳐진 자세에서는 말단 질량이 어깨 관절에서 가장 먼 위치에 있어, 어깨 관절의 효과적 관성이 최대가 된다. 반면 팔꿈치가 접힌 자세에서는 말단 질량이 어깨에 가까워져 효과적 관성이 작아진다. 이러한 관성의 변화는 2:1 이상의 비율을 보이는 경우가 흔하며, 고속 제어에서 무시할 수 없는 영향을 미친다.

6자유도 또는 7자유도 산업용 매니퓰레이터의 경우에도 유사한 자세 의존성이 나타난다. 팔이 펼쳐진 자세에서는 대부분의 관절이 큰 관성을 느끼며, 접힌 자세에서는 관성이 현저히 감소한다. 이러한 변동은 자세 의존 제어 이득 조정이나 모델 기반 전향 보상의 필요성을 정당화한다.

7. 재귀적 구성 알고리즘

관성 행렬을 명시적으로 구성하기 위해서는 각 링크의 자코비안과 관성 텐서를 계산하여 대입하는 방법이 있다. 이 방법은 개념적으로 단순하지만 대형 다체 시스템에서는 계산 부담이 크다. 효율적 대안은 복합 강체 알고리즘(composite rigid body algorithm, CRBA)이며, 매니퓰레이터의 사슬 구조를 이용하여 관성 행렬을 재귀적으로 구성한다.

복합 강체 알고리즘은 매니퓰레이터의 말단 링크부터 시작하여 각 단계에서 여러 링크를 하나의 복합 강체로 결합하고, 그 복합 강체의 공간 관성(spatial inertia)을 계산한다. 이렇게 얻어진 복합 관성 정보를 이용하여 관성 행렬의 원소를 $O(n^2)$ 수준의 연산으로 산출한다. 이는 단순 대입 방법의 $O(n^3)$ 복잡도에 비하여 상당한 효율 개선이며, 실시간 제어 및 대규모 시뮬레이션에 적합하다.

이러한 알고리즘의 구체적 구현과 성능 평가는 본 장의 후반부에서 연산 효율화 기법과 함께 상세히 다루어진다.

8. 공간 관성 표현

관성 행렬의 구성에서는 각 링크의 질량, 질량 중심, 그리고 관성 텐서를 하나의 6차원 공간 관성(spatial inertia) 행렬 $\mathbf{I}_s \in \mathbb{R}^{6 \times 6}$ 로 통합하여 표현하는 것이 편리하다. 한 링크의 공간 관성은 다음의 블록 형식을 가진다.

$\mathbf{I}_s = \begin{bmatrix} m \mathbf{I}_3 & -m [\mathbf{c}]_{\times} \\ m [\mathbf{c}]_{\times} & \mathbf{I}_c - m [\mathbf{c}]_{\times}^2 \end{bmatrix}$

여기서 $m$ 은 질량, $\mathbf{c}$ 는 링크 좌표계의 원점에서 질량 중심까지의 벡터, $\mathbf{I}_c$ 는 질량 중심 기준의 관성 텐서, $[\mathbf{c}]_{\times}$ 는 반대칭 행렬 표현이다. 이 통합 형식은 질량과 관성 텐서의 결합 효과를 하나의 행렬로 다루며, 다체 동역학 알고리즘의 구현을 간결하게 한다.

매개변수적 선형 형식

관성 행렬은 링크의 관성 매개변수(질량, 질량 중심 위치, 관성 모멘트)에 대하여 선형이다. 각 링크 $i$ 의 관성 매개변수를 10차원 벡터로 정리하면, 관성 행렬의 모든 원소는 이들 매개변수의 기구학적 함수 계수로 표현되는 선형 결합이 된다. 이러한 선형성은 매개변수 식별 과정에서 표준 최소자승 기법을 적용할 수 있게 하는 근거가 된다.

단, 실제 동역학 방정식에서는 일부 매개변수가 독립적으로 식별 불가능하며, 기저 매개변수(base parameters)의 집합을 식별할 수 있는 가능한 최대 집합으로 정의한다. 이러한 기저 매개변수는 구체적 매니퓰레이터의 구조에 따라 결정되며, 본 장의 매개변수 식별 절에서 다루어진다.

수치적 조건과 스케일링

관성 행렬의 수치적 조건은 매니퓰레이터의 자세와 질량 분포에 따라 크게 변한다. 특히 서로 다른 관절이 크게 다른 관성 크기를 갖는 경우, 관성 행렬의 조건수가 커지며 역행렬 계산의 수치적 정확도가 떨어진다. 이를 완화하기 위하여 다음의 기법이 사용된다.

첫째, 관절 변수의 단위를 일관되게 하여 수치적 크기 차이를 줄인다. 회전 관절은 라디안, 병진 관절은 미터로 표현하는 것이 표준이다. 둘째, 관성 행렬의 원소별 스케일링을 도입하여 조건수를 개선한다. 셋째, 순동역학 계산에서 관성 행렬의 직접 역수 계산 대신 촐레스키 분해(Cholesky decomposition)를 이용하여 수치적 안정성을 확보한다.

이러한 수치적 고려는 실시간 제어 및 시뮬레이션에서 결과의 신뢰성을 담보하기 위해 필수적이다.

본 절의 의의

본 절에서 기술한 관성 행렬의 구성과 물리적 의미는 매니퓰레이터 동역학을 이해하고 제어하는 데 핵심적 기반이다. 관성 행렬이 어떻게 링크의 물리적 성질로부터 조립되는지, 그 원소가 어떠한 물리적 의미를 지니는지, 그리고 자세에 따라 어떻게 변화하는지를 이해하면 동역학 방정식의 거동, 매개변수 식별의 절차, 그리고 제어기 설계의 근거를 명확히 파악할 수 있다.

본 절의 결과는 이후 코리올리 행렬, 중력 벡터, 그리고 전체 동역학 방정식의 구조적 성질을 다루는 절들에서 지속적으로 참조된다. 또한 관성 행렬의 대칭성, 양정치성, 형상 의존성 같은 세부 성질은 다음 절들에서 별도로 심화된다.

학습 권장사항

본 절의 내용을 충분히 이해하기 위하여 강체의 운동 에너지, 관성 텐서, 회전 행렬의 변환 성질, 그리고 매니퓰레이터 기구학과 자코비안에 대한 선행 학습이 권장된다. 본 절의 내용을 심화 학습하기 위해서는 다체 동역학의 재귀 알고리즘, 공간 벡터 대수(spatial vector algebra), 그리고 매개변수 식별 이론에 대한 추가 학습이 권장된다.

참고 문헌

Featherstone, R. (2008). Rigid Body Dynamics Algorithms. Springer.
Spong, M. W., Hutchinson, S., and Vidyasagar, M. (2020). Robot Modeling and Control (2nd ed.). Wiley.
Siciliano, B., Sciavicco, L., Villani, L., and Oriolo, G. (2009). Robotics: Modelling, Planning and Control. Springer.
Craig, J. J. (2018). Introduction to Robotics: Mechanics and Control (4th ed.). Pearson.
Murray, R. M., Li, Z., and Sastry, S. S. (1994). A Mathematical Introduction to Robotic Manipulation. CRC Press.
Khalil, W., and Dombre, E. (2002). Modeling, Identification and Control of Robots. Hermes Penton.
Lynch, K. M., and Park, F. C. (2017). Modern Robotics: Mechanics, Planning, and Control. Cambridge University Press.

version: 1.0