17.5 자코비안 전치를 이용한 정적 힘 해석

1. 개요

앞 절에서 도출된 관계식 $\boldsymbol{\tau} = \mathbf{J}^T(\mathbf{q}) \, \mathbf{F}_e$ 는 말단 렌치와 관절 토크를 잇는 간결한 대수적 사상이다. 그러나 이 관계의 실질적 활용은 단순한 대입 계산을 넘어, 자코비안 전치 행렬의 열 공간, 영 공간, 특이값 구조에 대한 체계적 해석을 요구한다. 본 절에서는 자코비안 전치 행렬을 선형 사상의 관점에서 분해하고, 그 사상이 외부 렌치를 관절 토크로 어떻게 변환하는지를 기하학적, 대수적, 그리고 수치적 관점에서 학술적으로 기술한다.

본 절은 정적 힘 해석의 실무적 도구로서 자코비안 전치의 성질을 정량화하고, 자세 변화에 따른 힘 전달 능력의 변동을 정확히 서술하는 데 그 목적이 있다.

2. 자코비안 전치 행렬의 선형 사상으로서의 해석

말단 효과기가 감지 가능한 작업 공간은 선형 힘 3성분과 모멘트 3성분을 합친 6차원 렌치 공간 $\mathcal{W} = \mathbb{R}^6$ 이다. 관절 공간은 $n$ 개의 독립 관절 변수를 가지며 토크 공간 $\mathcal{T} = \mathbb{R}^n$ 을 이룬다. 정적 힘 관계 $\boldsymbol{\tau} = \mathbf{J}^T \mathbf{F}_e$ 는 렌치 공간에서 토크 공간으로 가는 선형 사상

$\mathbf{J}^T(\mathbf{q}) \colon \mathbb{R}^6 \longrightarrow \mathbb{R}^n$

이며, 자세 $\mathbf{q}$ 가 주어질 때마다 고정된 행렬 표현을 갖는다.

이 사상의 성질을 이해하기 위해서는 네 개의 기본 부공간이 유용하다. 첫째, 열 공간 $\mathcal{R}(\mathbf{J}^T) \subseteq \mathbb{R}^n$ 은 어떤 외부 렌치도 생성할 수 있는 관절 토크들의 집합이다. 둘째, 영 공간 $\mathcal{N}(\mathbf{J}^T) \subseteq \mathbb{R}^6$ 은 사상되어 영 토크를 만드는 렌치들의 집합이다. 셋째, 전치의 대응 사상 $\mathbf{J}$ 의 열 공간 $\mathcal{R}(\mathbf{J}) \subseteq \mathbb{R}^6$ 은 관절 속도로부터 생성 가능한 말단 트위스트 공간이다. 넷째, $\mathcal{N}(\mathbf{J}) \subseteq \mathbb{R}^n$ 은 말단 속도를 만들지 않는 관절 속도 방향이다.

선형 대수의 기본 정리에 의하여 다음의 직교 분해가 성립한다.

$\mathbb{R}^6 = \mathcal{R}(\mathbf{J}) \oplus \mathcal{N}(\mathbf{J}^T), \qquad \mathbb{R}^n = \mathcal{R}(\mathbf{J}^T) \oplus \mathcal{N}(\mathbf{J})$

이 분해는 로봇 정역학에서 결정적으로 중요한 구조를 제공한다. 말단에서 운동 생성이 불가능한 렌치 방향( $\mathcal{N}(\mathbf{J}^T)$ )은 정확히 어떠한 관절 토크도 요구하지 않고 구조적으로 흡수되는 외력 방향에 해당하며, 역으로 관절 공간에서 말단 운동을 만들지 않는 방향( $\mathcal{N}(\mathbf{J})$ )은 관절 토크만을 내부적으로 소모하고 외부로는 나타나지 않는 자기 운동(self-motion) 모드에 해당한다.

3. 특이값 분해에 의한 구조 분석

자코비안의 특이값 분해(singular value decomposition, SVD)는 자코비안 전치 행렬의 힘 전달 특성을 가장 명료하게 드러낸다. 자코비안을 다음과 같이 분해한다.

$\mathbf{J}(\mathbf{q}) = \mathbf{U} \, \boldsymbol{\Sigma} \, \mathbf{V}^T$

여기서 $\mathbf{U} \in \mathbb{R}^{6 \times 6}$ 와 $\mathbf{V} \in \mathbb{R}^{n \times n}$ 은 직교 행렬이고, $\boldsymbol{\Sigma} \in \mathbb{R}^{6 \times n}$ 은 특이값 $\sigma_1 \geq \sigma_2 \geq \ldots \geq \sigma_r \geq 0$ ( $r = \min(6, n)$ )을 대각 원소로 갖는 대각 형식의 행렬이다. 이에 대응하여 전치 행렬은 다음과 같이 분해된다.

$\mathbf{J}^T(\mathbf{q}) = \mathbf{V} \, \boldsymbol{\Sigma}^T \, \mathbf{U}^T$

이 분해를 바탕으로 외부 렌치를 $\mathbf{U}$ 의 열벡터 $\mathbf{u}_1, \ldots, \mathbf{u}_6$ 을 기저로 하여 전개하면 $\mathbf{F}_e = \sum_i \alpha_i \mathbf{u}_i$ 이며, 대응하는 관절 토크는

$\boldsymbol{\tau} = \sum_{i=1}^{r} \sigma_i \, \alpha_i \, \mathbf{v}_i$

로 주어진다. 즉 렌치 공간의 각 주축 방향 $\mathbf{u}_i$ 는 관절 공간의 주축 방향 $\mathbf{v}_i$ 로 특이값 $\sigma_i$ 에 의하여 비례적으로 확대 또는 축소된 형태로 사상된다.

이러한 분해로부터 다음의 해석이 가능하다. 큰 특이값에 대응하는 렌치 방향은 작은 관절 토크로는 감당할 수 없으며, 따라서 그 방향의 외력을 지지하기 위해서는 큰 관절 토크가 요구된다. 반대로 작은 특이값에 대응하는 방향은 작은 관절 토크로도 큰 렌치 성분에 대응할 수 있다. 이러한 비등방적 특성은 매니퓰레이터의 자세에 따라 힘 전달 능력이 방향 의존적임을 정량화한다.

힘 조작도와 힘 타원체

자코비안 전치에 의한 선형 사상의 기하학적 특성을 시각화하는 고전적 도구는 힘 타원체(force ellipsoid)이다. 관절 공간의 단위 구 $\boldsymbol{\tau}^T \boldsymbol{\tau} \leq 1$ 를 작업 공간 렌치 영역으로 사상하면, 그 영역은 타원체의 형태를 이룬다. 정적 관계식 $\boldsymbol{\tau} = \mathbf{J}^T \mathbf{F}_e$ 에서 출발하여 $\mathbf{J}$ 가 정방 비특이일 때 $\mathbf{F}_e = \mathbf{J}^{-T} \boldsymbol{\tau}$ 이므로, 제약 조건은

$\mathbf{F}_e^T \, \mathbf{J}(\mathbf{q}) \mathbf{J}^T(\mathbf{q}) \, \mathbf{F}_e \leq 1$

로 표현되는 타원체가 된다. 이 타원체의 주축 방향은 $\mathbf{J} \mathbf{J}^T$ 의 고유벡터와 일치하며, 주축 반지름은 $\mathbf{J}$ 의 특이값의 역수에 해당한다.

힘 타원체는 속도 타원체(velocity ellipsoid) $\dot{\mathbf{x}}^T (\mathbf{J} \mathbf{J}^T)^{-1} \dot{\mathbf{x}} \leq 1$ 와 정확히 이원적 관계를 가진다. 속도 방향으로 민감한 자세는 힘 방향으로 둔감하며, 그 역도 성립한다. 이 현상은 기구학과 정역학이 자코비안 전치의 이원성을 통하여 맞물려 있다는 사실의 기하학적 표현이다.

힘 조작도(force manipulability)를 정량화하는 표준 지표로는 $w_f(\mathbf{q}) = \sqrt{\det(\mathbf{J}(\mathbf{q}) \mathbf{J}^T(\mathbf{q}))^{-1}}$ 가 사용되며, 이는 힘 타원체의 부피에 비례한다. 이 지표가 큰 자세는 전 방향으로 균형 있게 큰 힘을 발생할 수 있는 자세이며, 작은 값은 힘 전달 능력이 일부 방향으로 쇠퇴함을 의미한다.

4. 특이 자세에서의 힘 해석

자코비안의 계수(rank)가 최대 계수 아래로 떨어지는 자세를 특이 자세(singular configuration)라 한다. 특이 자세에서는 하나 이상의 특이값이 영이 되며, 자코비안 전치의 작용에 두 가지 뚜렷한 현상이 나타난다.

첫째, 특이 방향에 해당하는 외력 성분은 어떠한 관절 토크도 유발하지 않는다. 즉 해당 방향의 외력은 메커니즘 구조에 의하여 직접 지지되며, 액추에이터의 기여 없이 관절 연결 및 링크의 구조적 강성에 의하여 반력된다. 이는 외부 하중이 관절 구동계를 거치지 않고 기계적으로 땅 또는 베이스까지 전달되는 상태이며, 특정 자세에서 로봇이 예상외로 큰 외력을 큰 토크 소모 없이 감당하는 현상의 근원이다.

둘째, 특이 방향의 렌치에 관한 한 관절 토크로부터 외력을 관측할 수 없다. 관찰 가능성의 부분적 소실은 특이 자세에서 힘 제어 루프가 열리거나 힘 관측기가 둔감해지는 실제적 문제로 이어진다.

특이 자세에 가까운 근방에서는 특이값이 영에 가까운 작은 값을 취하며, 조건수 $\kappa(\mathbf{J}) = \sigma_1 / \sigma_r$ 가 크게 증가한다. 이는 외력에 대한 관절 토크 해가 일부 방향에서는 과도하게 큰 값을 요구하고, 다른 방향에서는 관측 민감도가 극히 작아지는 수치적 불량 조건을 초래한다. 힘 해석의 수치 안정성은 자세의 조건수를 모니터링함으로써 평가된다.

5. 방향별 최대 가능 힘의 산정

실제 로봇 설계에서는 주어진 관절 토크 한계 집합 $|\tau_i| \leq \tau_i^{\max}$ 하에서 말단 효과기가 특정 방향 $\hat{\mathbf{d}} \in \mathbb{R}^6$ 으로 가할 수 있는 최대 힘의 크기를 산정하는 문제가 빈번하다. 이 문제는 다음의 선형 계획 문제로 정식화된다.

$\max_{f \geq 0, \boldsymbol{\tau}} f \quad \text{subject to} \quad \boldsymbol{\tau} = \mathbf{J}^T(\mathbf{q}) \, (f \hat{\mathbf{d}}), \quad |\tau_i| \leq \tau_i^{\max}$

풀이의 결과로 얻어지는 $f^{\max}(\hat{\mathbf{d}})$ 는 자세와 방향의 함수이며, 모든 방향에 대한 값을 수집하면 다면체(polytope) 형태의 힘 능력 영역이 얻어진다. 이를 힘 폴리토프(force polytope)라 부르며, 타원체 근사보다 토크 한계의 영향을 정확히 반영한다.

힘 폴리토프는 각 관절 토크 한계가 렌치 공간에서 하나의 초평면을 정의하므로, 토크 제약의 집합이 $\mathbf{J}^T$ 에 의하여 렌치 공간으로 선형 역사상되어 다면체를 이룬다. 정방 비특이 경우에는 이 다면체가 관절 토크 한계 박스의 선형 상이며, 여유 자유도 매니퓰레이터의 경우 폴리토프는 $\mathbf{J}^T$ 의 열 공간으로 투영된다.

여유 자유도 매니퓰레이터에서의 해의 구조

$n > 6$ 인 여유 자유도 매니퓰레이터의 경우 자코비안 전치 행렬은 세로로 긴 형태이며, 주어진 렌치에 대응하는 관절 토크는 유일하지 않다. 한 가지 특수해에 영 공간 방향을 더한 일반 해는 다음과 같이 표현된다.

$\boldsymbol{\tau} = \mathbf{J}^T(\mathbf{q}) \, \mathbf{F}_e + \mathbf{N}(\mathbf{q}) \, \boldsymbol{\eta}$

여기서 $\mathbf{N}(\mathbf{q})$ 의 열은 $\mathcal{N}(\mathbf{J})$ 의 기저를 이루며, $\boldsymbol{\eta}$ 는 임의의 자유 파라미터 벡터이다. 두 번째 항은 외부 렌치에 기여하지 않는 내부 토크 항으로서, 관절 구조의 내력을 조절한다.

이 자유도는 다음과 같은 목적으로 활용된다. 첫째, 관절 토크 노름을 최소화하여 에너지 소비와 기계적 피로를 줄일 수 있다. 둘째, 특정 관절이 토크 한계에 접근하는 것을 회피하도록 내부 토크를 조절할 수 있다. 셋째, 관절 강성 제어에서 바람직한 내부 힘 분포를 능동적으로 설정할 수 있다. 넷째, 기계적 안정성이나 구조 응력 분포를 최적화할 수 있다.

가중 노름 최소화 문제로 정식화하면, 가중치 행렬 $\mathbf{W}$ 가 양의 정부호일 때 최소 가중 노름 해는 다음의 표준 형식을 갖는다.

$\boldsymbol{\tau}^{\star} = \mathbf{W}^{-1} \mathbf{J}^T (\mathbf{q}) \left( \mathbf{J}(\mathbf{q}) \mathbf{W}^{-1} \mathbf{J}^T(\mathbf{q}) \right)^{-1} \mathbf{J}(\mathbf{q}) \, \mathbf{F}_e^{\text{equiv}}$

가중치 설정을 통하여 특정 관절의 부담을 경감시키거나 특정 관절을 우선적으로 사용할 수 있다.

저계수 자세 근방의 정칙화

특이 자세 근방에서 정적 힘 해석의 수치적 불안정을 피하기 위하여 정칙화(regularization)가 도입된다. 가장 간단한 형태는 감쇠 최소자승법(damped least squares)이다. 관절 토크로부터 렌치를 추정하는 역문제에서 다음의 정칙화된 해가 사용된다.

$\mathbf{F}_e = \left( \mathbf{J}(\mathbf{q}) \mathbf{J}^T(\mathbf{q}) + \lambda^2 \mathbf{I} \right)^{-1} \mathbf{J}(\mathbf{q}) \, \boldsymbol{\tau}$

여기서 $\lambda$ 는 감쇠 계수이다. 이 해는 특이값이 $\lambda$ 에 비하여 작아지는 방향을 부드럽게 감쇠시켜, 특이 자세 근방에서도 유한한 추정치를 제공한다. 감쇠 계수의 선택은 해의 정확도와 수치적 안정성 사이의 상충 관계를 절충한다.

대안으로 잘린 특이값 분해(truncated SVD)를 사용할 수 있다. 임계값보다 작은 특이값을 영으로 치환한 후 역변환을 수행하면, 관측 불가능한 방향을 해의 결정에서 제외할 수 있다. 이 기법은 감쇠 최소자승법에 비하여 물리적 해석이 더 명확한 장점이 있다.

6. 환경 접촉에서의 제약 강제

실제 로봇이 환경과 접촉하는 경우, 외부 렌치는 임의의 값을 취하는 것이 아니라 접촉의 운동학적 구속에 의하여 제한된다. 예를 들어 단방향 접촉에서는 법선 방향의 힘이 압축 성분만 가능하며 인장이 불가능하고, 마찰력은 마찰 콘 내부로 제한된다. 자코비안 전치를 이용한 정적 해석은 이러한 제약을 명시적으로 반영해야 하며, 결과는 선형 부등식 제약을 포함한 풀이 문제로 일반화된다.

말단 접촉이 단방향적 구속을 포함하는 일반적 문제에서는 다음의 혼합 등식-부등식 시스템이 정식화된다.

$\boldsymbol{\tau} = \mathbf{J}^T(\mathbf{q}) \, \mathbf{F}_e, \quad \mathbf{A} \mathbf{F}_e \leq \mathbf{b}, \quad |\tau_i| \leq \tau_i^{\max}$

여기서 $\mathbf{A} \mathbf{F}_e \leq \mathbf{b}$ 는 접촉 제약과 마찰 콘 조건의 선형 근사를 표현한다. 이러한 문제는 선형 계획법 또는 이차 계획법을 통하여 풀이되며, 접촉 상태에서 실행 가능한 렌치와 관절 토크의 집합을 결정한다.

수치 구현의 유의사항

자코비안 전치를 이용한 정적 힘 해석의 수치 구현에서는 몇 가지 실용적 유의사항이 있다. 첫째, 자코비안의 계산은 로봇 자세의 미세한 변화에 대하여 연속적이어야 하며, 오일러 각 같은 특이점이 있는 표현을 사용할 때에는 표현의 특이점과 기구학적 특이점을 혼동하지 않도록 주의해야 한다. 둘째, 렌치와 토크의 단위가 서로 다르므로, 조건수를 평가할 때에는 물리적으로 일관된 무차원화를 적용하는 것이 바람직하다.

셋째, 자코비안 전치와 관련된 행렬 연산은 반복 제어 루프에서 수행되는 경우가 많으므로, 계산 효율이 중요하다. 희소 구조를 갖는 대형 다체 시스템에서는 명시적 행렬 곱 대신 재귀적 알고리즘을 사용하는 것이 유리하다. 넷째, 수치 오차에 의한 대칭성 손실을 방지하기 위하여 $\mathbf{J} \mathbf{J}^T$ 같은 그램 행렬 계산에서는 대칭화 단계를 명시적으로 포함시킨다.

본 절의 의의

본 절에서 다룬 자코비안 전치를 이용한 정적 힘 해석은 매니퓰레이터와 환경의 상호작용을 분석하고 설계하는 가장 기본적이고 강력한 도구이다. 자코비안 전치의 열 공간과 영 공간의 구조적 이해는 특이 자세 부근의 거동, 여유 자유도의 활용, 힘 제어의 한계와 가능성을 설명하는 수학적 언어를 제공한다.

본 절의 결과는 중력 보상, 힘 제어, 임피던스 제어, 그리고 환경과의 접촉을 포함하는 모든 고급 제어 기법의 전제로 작용하며, 로봇 설계 단계에서의 작업 공간 힘 능력 평가, 작업 배치 최적화, 그리고 자세 선정에 직접적으로 활용된다.

학습 권장사항

본 절의 내용을 충분히 이해하기 위하여 선형 대수의 부공간 이론, 특이값 분해, 사영 행렬, 그리고 매니퓰레이터 자코비안의 기하학적 정의에 대한 선행 학습이 권장된다. 본 절의 내용을 심화 학습하기 위해서는 볼록 최적화 이론, 제약 조건이 있는 선형 시스템의 풀이 기법, 그리고 나사 이론과 리 군 기반의 매니퓰레이터 기구학 형식에 대한 추가 학습이 권장된다.

참고 문헌

Siciliano, B., Sciavicco, L., Villani, L., and Oriolo, G. (2009). Robotics: Modelling, Planning and Control. Springer.
Spong, M. W., Hutchinson, S., and Vidyasagar, M. (2020). Robot Modeling and Control (2nd ed.). Wiley.
Murray, R. M., Li, Z., and Sastry, S. S. (1994). A Mathematical Introduction to Robotic Manipulation. CRC Press.
Lynch, K. M., and Park, F. C. (2017). Modern Robotics: Mechanics, Planning, and Control. Cambridge University Press.
Yoshikawa, T. (1990). Foundations of Robotics: Analysis and Control. MIT Press.
Chiacchio, P., Chiaverini, S., Sciavicco, L., and Siciliano, B. (1991). Closed-Loop Inverse Kinematics Schemes for Constrained Redundant Manipulators with Task Space Augmentation and Task Priority Strategy. The International Journal of Robotics Research, 10(4), 410–425.
Bicchi, A., and Kumar, V. (2000). Robotic Grasping and Contact: A Review. In Proceedings of the IEEE International Conference on Robotics and Automation.

version: 1.0