30.29 영공간 투영을 이용한 부목적 함수 최적화

영공간 투영을 이용한 부목적 함수 최적화는 여유 자유도 로봇에서 주 작업을 유지하면서 동시에 부목적 함수를 최적화하는 학술적 접근이다. 본 절에서는 이 접근의 학술적 정의, 수학적 표현, 적용 예를 다룬다.

1. 학술적 정의

여유 자유도 로봇에서 주 작업의 수행을 유지하면서, 추가적으로 부목적 함수 $H(\vec{q})$ 를 최소화(또는 최대화)하는 접근이다.

2. 수학적 정식화

2.1 기본 공식

Liégeois의 고전적 공식은 다음과 같다.

$\dot{\vec{q}} = \mathbf{J}^+ \dot{\vec{x}} + (\mathbf{I} - \mathbf{J}^+ \mathbf{J}) \vec{q}_0$

여기서 $\vec{q}_0$ 는 영공간 투영되는 부목적 함수의 경사이다.

30.29.2.2 부목적 경사

$\vec{q}_0 = -k_0 \nabla H(\vec{q})$

여기서 $k_0$ 는 양의 게인, $\nabla H$ 는 부목적 함수의 경사이다. 부호는 최소화(또는 최대화)에 따라 선택된다.

2.2 학술적 성질

첫 번째 항 $\mathbf{J}^+ \dot{\vec{x}}$ 는 주 작업을 수행하고, 두 번째 항 $(\mathbf{I} - \mathbf{J}^+ \mathbf{J}) \vec{q}_0$ 는 주 작업을 방해하지 않으면서 부목적 함수의 최적화를 수행한다.

3. 주요 부목적 함수

3.1 관절 한계 회피

$H(\vec{q}) = \sum_i \left(\frac{q_i - q_{i,mid}}{q_{i,max} - q_{i,min}}\right)^2$

최소화하면 관절 변수가 중간값에 가까워진다.

30.29.3.2 조작성 최대화

$H(\vec{q}) = -\sqrt{\det(\mathbf{J} \mathbf{J}^T)}$

최소화하면 조작성이 최대화되어 특이점에서 멀어진다.

3.2 장애물 회피

장애물까지의 거리에 기반한 포텐셜 함수를 활용한다.

$H(\vec{q}) = \sum_j \frac{1}{d_j(\vec{q})^2}$

여기서 $d_j$ 는 $j$ 번째 장애물까지의 거리이다.

30.29.3.4 에너지 최소화

관절 토크의 제곱 합을 최소화한다.

$H(\vec{q}) = \|\vec{\tau}(\vec{q})\|^2$

3.3 자연스러운 자세

인간형 로봇에서 인간과 유사한 자연스러운 자세를 유지하도록 하는 부목적 함수이다.

4. 경사의 산출

부목적 함수의 경사 산출은 다음과 같이 수행된다.

4.1 해석적 경사

단순한 함수에서는 해석적으로 경사를 산출 가능하다.

4.2 수치적 경사

복잡한 함수에서는 수치 미분(central differences 등)을 활용한다.

4.3 자동 미분

자동 미분 프레임워크(JAX, PyTorch 등)를 활용해 정확한 경사를 산출한다.

5. 다중 부목적

다수의 부목적 함수를 동시에 다루는 경우 다음과 같은 접근이 활용된다.

5.1 가중 합

$H_{total}(\vec{q}) = \sum_i w_i H_i(\vec{q})$

각 부목적에 가중치를 부여한 가중 합을 단일 부목적으로 다룬다.

30.29.5.2 태스크 우선순위

우선순위에 따라 영공간 투영을 재귀적으로 적용한다.

30.29.5.3 다중 목적 최적화

Pareto 최적해의 집합을 탐색하는 다중 목적 최적화를 활용한다.

30.29.6 안정성 고려

영공간 투영 방법의 안정성은 다음과 같은 요인에 의존한다.

30.29.6.1 게인의 선택

$k_0$ 가 너무 크면 진동이 발생할 수 있다. 적절한 게인의 선택이 중요하다.

30.29.6.2 수렴성

부목적 함수가 볼록(convex)이면 전역 최적해가 보장된다. 비볼록이면 국부 최적해에 수렴할 수 있다.

30.29.6.3 적응적 게인

운동 상황에 따라 $k_0$ 를 적응적으로 조정할 수 있다.

30.29.7 실무적 구현

영공간 투영을 이용한 부목적 최적화는 MoveIt, Pinocchio, 다양한 실시간 제어 프레임워크에서 활용된다.

30.29.8 학술적 활용

이 접근은 다음과 같은 영역에 활용된다. 첫째, 협동 로봇의 자연스러운 운동. 둘째, 수술 로봇의 정밀 제어. 셋째, 휴머노이드 로봇의 균형 유지와 작업 수행. 넷째, 농업 로봇의 수확 작업.

30.29.9 학술적 의의

영공간 투영을 이용한 부목적 함수 최적화는 여유 자유도 로봇의 학술적 유연성을 실무적으로 활용하는 핵심 기법이다. Liégeois의 원래 연구 이후 다양한 확장과 적용이 이루어져 현대 로봇 공학의 중심 방법이 되었다.

출처

Liégeois, A., “Automatic supervisory control of the configuration and behavior of multibody mechanisms”, IEEE Transactions on Systems, Man, and Cybernetics, Vol. 7, No. 12, pp. 868–871, 1977.
Yoshikawa, T., “Manipulability of robotic mechanisms”, International Journal of Robotics Research, Vol. 4, No. 2, pp. 3–9, 1985.
Khatib, O., “Real-time obstacle avoidance for manipulators and mobile robots”, International Journal of Robotics Research, Vol. 5, No. 1, pp. 90–98, 1986.
Chiaverini, S., “Singularity-robust task-priority redundancy resolution for real-time kinematic control of robot manipulators”, IEEE Transactions on Robotics and Automation, Vol. 13, No. 3, pp. 398–410, 1997.
Nakamura, Y., Advanced Robotics: Redundancy and Optimization, Addison-Wesley, 1991.

버전

문서 버전: 1.0
작성일: 2026-04-18