17.22 관절 공간 동역학 방정식

1. 개요

관절 공간 동역학 방정식은 로봇 매니퓰레이터의 운동을 구동기가 직접 제어하는 관절 좌표 $q$ 를 기준으로 기술한 미분 방정식이다. 앞선 절들에서 관성 행렬, 코리올리 행렬, 중력 벡터, 마찰 항의 개별 구성 요소가 개별적으로 논의되었다면, 본 절은 이들을 통합하여 관절 공간에서의 완전한 운동 방정식이 어떻게 구성되는지를 체계적으로 제시한다. 관절 공간 형식은 구동기 토크와 관절 상태 사이의 직접적 인과 관계를 제공하며, 제어기 설계, 역동역학 계산, 시뮬레이션, 식별의 가장 기본적인 연산 기반을 이룬다. 본 절은 표준 형식의 유도, 각 항의 구조적 특성, 상태 공간 변환, 수치 해석적 취급, 정동역학 및 역동역학 문제의 정의를 다룬다.

2. 표준 형식의 유도

$n$ 자유도 직렬 매니퓰레이터에 대해 일반화 좌표를 $q \in \mathbb{R}^n$ , 일반화 속도를 $\dot{q}$ 로 설정한다. 라그랑지언은 운동에너지와 위치에너지의 차 $L(q,\dot{q}) = T(q,\dot{q}) - U(q)$ 로 정의되며, 오일러-라그랑주 방정식

$\frac{d}{dt}\frac{\partial L}{\partial \dot{q}} - \frac{\partial L}{\partial q} = \tau$

를 전개하면 관절 공간 동역학 방정식의 표준 형식이 도출된다.

$M(q)\ddot{q} + C(q,\dot{q})\dot{q} + g(q) + \tau_f(q,\dot{q}) = \tau$

여기서 $M(q)\in\mathbb{R}^{n\times n}$ 은 대칭 양정치 관성 행렬, $C(q,\dot{q})\dot{q}$ 는 코리올리력과 원심력을 결합한 벡터, $g(q)$ 는 중력 토크 벡터, $\tau_f$ 는 마찰 및 비모델링 성분, $\tau$ 는 구동 토크 벡터이다. 이 형식은 로봇 동역학 문헌에서 가장 널리 사용되는 표준 표현이다.

3. 각 항의 구조적 역할

관성 행렬 $M(q)$ 는 관절 가속도와 토크 사이의 선형적 결합을 정의하며 $\det M(q) > 0$ 이다. 코리올리 행렬 $C(q,\dot{q})$ 는 속도 의존적 결합 토크를 나타내며, 적절한 구성에 의해 $\dot{M}(q) - 2C(q,\dot{q})$ 가 반대칭이 되도록 선택된다. 중력 벡터 $g(q)$ 는 위치에너지 $U(q)$ 의 기울기로 정의되며, 속도에 무관하게 위치만으로 결정된다. 마찰 및 외란 성분 $\tau_f$ 는 주로 관절 속도와 부하에 의존하며, 이상 모델에 실제 하드웨어의 소산 효과를 반영한다. 이들이 결합된 전체 방정식은 2차 비선형 상미분 방정식 체계이며, $q$ , $\dot{q}$ 를 상태로 하는 $2n$ 차원 시스템을 형성한다.

4. 상태 공간 표현

제어 이론과 수치 적분에서는 관절 공간 동역학을 상태 공간 형식으로 재구성하는 것이 편리하다. 상태 벡터를 $x = [q^\top, \dot{q}^\top]^\top \in \mathbb{R}^{2n}$ 로 정의하면 다음이 성립한다.

$\dot{x} = \begin{bmatrix} \dot{q} \\ M(q)^{-1}\bigl[\tau - C(q,\dot{q})\dot{q} - g(q) - \tau_f\bigr] \end{bmatrix}$

이는 제어 아핀(control-affine) 구조를 가지며, 제어 입력 $\tau$ 에 대해 선형적이다. 이 구조는 피드백 선형화, 패시비티 기반 제어, 최적 제어 설계의 출발점이 된다. 또한 상태 공간 표현은 수치 적분기를 이용해 시뮬레이터를 구현할 때 직접 사용되는 형식이다.

정동역학 문제

정동역학(forward dynamics) 문제는 현재 상태 $q, \dot{q}$ 와 구동 토크 $\tau$ 가 주어졌을 때 가속도 $\ddot{q}$ 를 산출하는 문제로 정의된다.

$\ddot{q} = M(q)^{-1}\bigl[\tau - C(q,\dot{q})\dot{q} - g(q) - \tau_f\bigr]$

이 문제는 시뮬레이션과 동역학 기반 경로 계획의 핵심이며, 해석적으로 $M^{-1}$ 을 직접 계산하기보다는 Articulated Body Algorithm(ABA) 등 $O(n)$ 알고리즘을 이용하여 효율적으로 해결한다. 반면, 단순한 구현에서는 콜레스키 분해 또는 LU 분해를 통해 선형 시스템 $M\ddot{q} = b$ 를 해결하는 방식이 사용된다.

5. 역동역학 문제

역동역학(inverse dynamics) 문제는 목표 운동 $q, \dot{q}, \ddot{q}$ 가 주어졌을 때 이를 구현하기 위한 구동 토크 $\tau$ 를 산출한다.

$\tau = M(q)\ddot{q} + C(q,\dot{q})\dot{q} + g(q) + \tau_f$

역동역학은 피드포워드 토크 계산, 계산 토크 제어, 궤적 추종 보조 제어, 매개변수 식별의 회귀자 구성에서 핵심적 역할을 하며, Recursive Newton-Euler Algorithm(RNEA)을 통해 $O(n)$ 연산으로 수행된다. 정동역학과 역동역학은 서로 반대 방향의 연산이며, 전체 로봇 시스템의 수학적 특성은 두 문제의 효율적이고 수치적으로 안정적인 해법 존재 여부에 의해 결정된다.

매개변수 선형성

관절 공간 동역학 방정식은 적절히 선택된 기저 매개변수 벡터 $\theta$ 에 대해 선형성을 가진다.

$M(q)\ddot{q} + C(q,\dot{q})\dot{q} + g(q) + \tau_f = Y(q,\dot{q},\ddot{q})\,\theta$

회귀자 $Y$ 는 상태만의 함수이며, $\theta$ 는 링크 질량, 관성 모멘트, 질량 중심, 마찰 계수로 구성된 물리적 매개변수의 재결합이다. 이 선형성은 식별, 적응 제어, 온라인 갱신에서 결정적 역할을 수행하며, 관절 공간 표현이 제공하는 대표적 이점이다.

6. 좌표 선택과 특이점

관절 공간 좌표는 구동기와 직접 연결되어 있어 특이점이 없는 기본 좌표계이지만, 회전 관절의 경우 $q_i \in \mathbb{S}^1$ 과 같이 비유클리드 다양체 구조를 가진다. 연속 회전 조건에서는 모듈로 감쌈(modulo wrapping)과 퀀터니언 표현이 구현에서 고려되어야 한다. 또한 복수의 병렬 구동기나 폐 운동 사슬이 존재할 경우, 제약 조건이 추가되어 라그랑주 승수 방법이 필요하다. 본 절에서는 직렬 개방 사슬을 기본 전제로 하며, 병렬 및 폐 사슬 구조는 후속 절에서 별도로 다룬다.

7. 불확실성과 외란의 통합

실제 제어 구현에서는 관절 공간 동역학에 외란 토크와 모델링 오차가 추가된다.

$\hat{M}(q)\ddot{q} + \hat{C}(q,\dot{q})\dot{q} + \hat{g}(q) + \hat{\tau}_f = \tau + d(t)$

명목 모델과 실제 모델의 차이가 $d(t)$ 로 흡수된다. 관절 공간 동역학은 이러한 외란 모델을 수용하기에 자연스러운 형태이며, 외란 관측기 기반 제어, 강인 제어, 적응 제어의 출발점을 제공한다. 또한 제어기 설계에서는 $\hat{M}, \hat{C}, \hat{g}$ 를 이용한 계산 토크 방식이 표준적이다.

수치 적분과 안정성 고려 사항

관절 공간 동역학 방정식의 시뮬레이션에서는 수치 적분기의 선택이 중요하다. 강체 부분의 고주파수 진동이 존재하는 경우 강성(stiff) 특성이 나타나며, 이 경우 암시적 적분기가 요구된다. 또한 에너지 보존적 특성을 반영하기 위해 심플렉틱 적분기나 변분 적분기가 사용되기도 한다. 관성 행렬의 조건수가 큰 운동 영역에서는 $M^{-1}$ 계산에서 수치 오차가 증폭되므로 LDLᵀ 분해가 선호된다.

본 절의 의의

본 절은 앞서 개별적으로 정의된 관성, 코리올리, 중력, 마찰 항을 통합하여 관절 공간에서의 완결된 동역학 방정식을 제시하고, 정동역학과 역동역학의 정의, 상태 공간 변환, 매개변수 선형성, 수치 해석적 취급을 체계적으로 기술한다. 이로써 후속 절에서 다룰 작업 공간 동역학으로의 변환과 관절 공간 표현을 기반으로 한 제어, 식별, 시뮬레이션 기법의 수학적 기반이 확립된다.

학습 권장사항

독자는 2자유도 회전 매니퓰레이터에 대해 오일러-라그랑주 방정식으로부터 관절 공간 동역학 방정식을 직접 유도해 보고, 동일한 결과를 재귀 뉴턴-오일러 알고리즘으로도 산출하여 두 접근의 등가성을 확인할 것을 권장한다. 또한 간단한 4차 룽게-쿠타 적분기와 변분 적분기를 사용해 장시간 시뮬레이션을 수행하고 에너지 드리프트 차이를 비교하는 실습이 유익하다. 회귀자 $Y$ 를 명시적으로 구성하여 매개변수 선형성을 확인하는 과제도 권장된다.

참고 문헌

Spong, M. W., Hutchinson, S., & Vidyasagar, M. (2006). Robot Modeling and Control. Wiley.
Siciliano, B., Sciavicco, L., Villani, L., & Oriolo, G. (2009). Robotics: Modelling, Planning and Control. Springer.
Craig, J. J. (2005). Introduction to Robotics: Mechanics and Control (3rd ed.). Pearson.
Featherstone, R. (2008). Rigid Body Dynamics Algorithms. Springer.
Lynch, K. M., & Park, F. C. (2017). Modern Robotics: Mechanics, Planning, and Control. Cambridge University Press.
Khalil, W., & Dombre, E. (2002). Modeling, Identification and Control of Robots. Hermes Penton Science.
Hairer, E., Lubich, C., & Wanner, G. (2006). Geometric Numerical Integration: Structure-Preserving Algorithms for Ordinary Differential Equations. Springer.
Murray, R. M., Li, Z., & Sastry, S. S. (1994). A Mathematical Introduction to Robotic Manipulation. CRC Press.

version: 1.0