30.31 장애물 회피를 위한 역기구학 전략
장애물 회피는 로봇이 환경의 장애물과 충돌하지 않고 운동하기 위한 학술적·실무적 필수 요소이다. 역기구학과 결합된 장애물 회피는 실시간 운동 계획과 제어의 핵심이다. 본 절에서는 장애물 회피를 위한 역기구학 전략을 다룬다.
1. 장애물 회피의 학술적 중요성
로봇이 작업을 수행하면서 환경의 장애물과 충돌하면 기계적 손상, 인명 피해, 작업 실패가 발생할 수 있다. 따라서 장애물 회피 알고리즘은 로봇 공학의 학술적 필수 주제이다.
2. 주요 접근 방법
장애물 회피의 주요 학술적 접근은 다음과 같다.
2.1 포텐셜 필드
환경에 가상 포텐셜 필드를 설정하여, 장애물은 반발력을, 목표는 인력을 생성한다.
2.2 제약 기반
장애물까지의 최소 거리를 제약 조건으로 설정한다.
2.3 영공간 투영
여유 자유도의 영공간을 활용해 장애물 회피를 부목적 함수로 구현한다.
2.4 경로 재계획
장애물 탐지 시 새로운 경로를 동적으로 재계획한다.
3. 포텐셜 필드 방법
Khatib의 포텐셜 필드 방법은 고전적 학술 접근이다.
3.1 반발 포텐셜
각 장애물 주변에 반발 포텐셜을 설정한다.
U_{rep}(\vec{q}) = \begin{cases} \frac{1}{2} k_r \left(\frac{1}{d(\vec{q})} - \frac{1}{d_0}\right)^2 & d \leq d_0 \\ 0 & d > d_0 \end{cases}
여기서 d는 장애물까지의 최소 거리, d_0는 영향 반경이다.
30.31.3.2 반발력
포텐셜의 경사는 반발력이다.
\vec{F}_{rep} = -\nabla U_{rep}
3.2 관절 토크
자코비안 전치를 활용해 반발력을 관절 토크로 변환한다.
\vec{\tau}_{rep} = \mathbf{J}_p^T \vec{F}_{rep}
여기서 \mathbf{J}_p는 가장 가까운 포인트의 위치 자코비안이다.
30.31.4 여유 자유도 활용
여유 자유도 로봇의 영공간을 활용한 장애물 회피이다.
30.31.4.1 기본 공식
\dot{\vec{q}} = \mathbf{J}^+ \dot{\vec{x}} + \mathbf{N} \vec{q}_{obs}
여기서 \vec{q}_{obs}는 장애물 회피를 위한 부목적 경사이다.
3.3 부목적 함수
H_{obs}(\vec{q}) = -\sum_j \frac{1}{d_j(\vec{q})^2}
여기서 d_j는 j번째 장애물까지의 거리이다.
30.31.4.3 특성
주 작업(엔드 이펙터 추적)을 방해하지 않으면서 장애물을 회피한다. 엔드 이펙터의 경로는 변화하지 않지만, 로봇 몸체가 장애물을 우회한다.
30.31.5 제약 기반 접근
장애물 회피를 명시적 제약으로 포함한다.
30.31.5.1 거리 제약
d(\vec{q}) \geq d_{safe}
여기서 d_{safe}는 안전 거리이다.
3.4 선형화
비선형 거리 제약을 현재 구성 근방에서 선형화한다.
\nabla d(\vec{q})^T \Delta\vec{q} \geq d_{safe} - d(\vec{q})
30.31.5.3 QP 통합
이 제약을 QP(quadratic programming) 문제에 통합하여 풀어낸다.
30.31.6 충돌 검사
장애물 회피에는 효율적 충돌 검사가 필수적이다.
30.31.6.1 캡슐 근사
로봇의 링크를 캡슐로 근사하여 효율적으로 거리를 산출한다.
30.31.6.2 라이브러리
FCL(Flexible Collision Library), Bullet, HPP-FCL 등의 라이브러리가 활용된다.
30.31.6.3 GJK 알고리즘
Gilbert-Johnson-Keerthi (GJK) 알고리즘은 볼록 형상 간의 최소 거리를 효율적으로 산출한다.
30.31.7 동적 환경
동적 환경에서는 다음이 고려된다.
30.31.7.1 장애물 예측
움직이는 장애물의 향후 위치를 예측한다.
30.31.7.2 실시간 갱신
환경 정보를 실시간으로 갱신하고 회피 전략을 조정한다.
30.31.7.3 안전 마진
예측 불확실성을 고려한 안전 마진을 설정한다.
30.31.8 실무적 구현
30.31.8.1 MoveIt
MoveIt의 운동 계획자는 장애물 회피를 통합한다.
30.31.8.2 제어 장벽 함수
제어 장벽 함수(control barrier functions, CBF)는 실시간 제어에서의 안전 보장을 제공한다.
30.31.8.3 RViz
장애물과 회피 경로의 시각화에 RViz가 활용된다.
30.31.9 학술적 활용
장애물 회피 역기구학 전략은 다음과 같은 영역에 활용된다. 첫째, 협동 로봇의 인간 작업자 회피. 둘째, 자율 주행 차량의 차량·보행자 회피. 셋째, 자율 비행 무인기의 장애물 회피. 넷째, 수술 로봇의 중요 조직 회피.
30.31.10 학술적 의의
장애물 회피는 로봇의 안전 운용에 필수적이며, 학술적으로 활발히 연구되는 주제이다. 포텐셜 필드, 여유 자유도 활용, 제약 기반 접근 등 다양한 학술적 방법이 결합되어 현대 로봇 공학의 실무적 응용에 기여한다.
출처
- Khatib, O., “Real-time obstacle avoidance for manipulators and mobile robots”, International Journal of Robotics Research, Vol. 5, No. 1, pp. 90–98, 1986.
- Maciejewski, A. A. and Klein, C. A., “Obstacle avoidance for kinematically redundant manipulators in dynamically varying environments”, International Journal of Robotics Research, Vol. 4, No. 3, pp. 109–117, 1985.
- Ames, A. D., Coogan, S., Egerstedt, M., Notomista, G., Sreenath, K., and Tabuada, P., “Control barrier functions: Theory and applications”, Proceedings of the European Control Conference (ECC), pp. 3420–3431, 2019.
- LaValle, S. M., Planning Algorithms, Cambridge University Press, 2006.
- Siciliano, B. and Khatib, O. (eds.), Springer Handbook of Robotics, 2nd edition, Springer, 2016.
버전
- 문서 버전: 1.0
- 작성일: 2026-04-18