31.35 DH 매개변수의 측정과 식별(Identification)

31.35 DH 매개변수의 측정과 식별(Identification)

DH 매개변수의 측정과 식별(identification)은 실제 로봇의 기하학적 구조를 정량화하여 DH 매개변수의 값을 결정하는 학술적 절차이다. 실제 로봇의 정밀도는 DH 매개변수의 정확성에 직접 의존하므로, 측정과 식별은 로봇의 학술적·실무적 성능을 결정한다. 본 절에서는 DH 매개변수의 측정과 식별 방법을 다룬다.

1. 측정의 학술적 정의

1.1 직접 측정

직접 측정은 실제 로봇의 기하학적 특성(링크 길이, 관절 축 위치와 방향 등)을 측정 장비로 직접 정량화하는 절차이다.

1.2 간접 식별

간접 식별은 로봇의 운동 자료(관절 변수와 엔드 이펙터 자세)로부터 DH 매개변수를 역산하는 절차이다.

1.3 보정과의 구별

측정과 식별은 초기 DH 매개변수를 결정하는 절차이고, 보정(calibration)은 초기 값의 오차를 정밀화하는 절차이다. 두 개념은 상호 보완적이다.

2. 직접 측정 방법

2.1 기계적 측정

줄자, 캘리퍼스, 마이크로미터 등의 기계적 측정기로 링크 길이와 관절 오프셋을 측정한다. 정밀도는 밀리미터 또는 수백 마이크로미터 수준이다.

2.2 좌표 측정기

좌표 측정기(coordinate measuring machine, CMM)는 수 마이크로미터의 정밀도로 3차원 좌표를 측정한다. 로봇 링크와 관절의 정밀 측정에 활용된다.

2.3 레이저 트래커

레이저 트래커(laser tracker)는 레이저 빔으로 목표물의 위치를 실시간 측정하는 장비이다. 수 마이크로미터의 정밀도를 제공하며, 로봇 측정에 광범위하게 활용된다.

2.4 광학 측정 시스템

광학 측정 시스템(optical tracking system)은 여러 카메라로 마커의 위치를 추적한다. 상대적으로 낮은 정밀도이지만 대형 작업 공간을 커버할 수 있다.

3. 간접 식별의 기본 아이디어

3.1 측정 자료

여러 관절 구성에서 엔드 이펙터의 자세를 측정한다. 관절 변수 \vec{q}_i와 엔드 이펙터 자세 \mathbf{T}_i의 쌍들이 측정 자료이다.

3.2 모델 함수

DH 매개변수 \vec{\pi}가 주어지면 순기구학 함수 \vec{f}(\vec{q}, \vec{\pi})는 엔드 이펙터 자세를 계산한다.

3.3 오차 최소화

측정 값과 모델 값의 오차를 최소화하는 DH 매개변수를 찾는 최적화 문제로 식별이 형식화된다.

\min_{\vec{\pi}} \sum_{i} \|\mathbf{T}_i^{\text{measured}} - \vec{f}(\vec{q}_i, \vec{\pi})\|^2

31.35.4 식별을 위한 자세 측정

31.35.4.1 측정 자세의 선정

식별을 위한 측정 자세는 매개변수 감도가 높고 관측 가능성이 좋은 자세를 선정한다. 일반적으로 30개 이상의 다양한 자세가 권장된다.

31.35.4.2 자세의 다양성

선정된 자세는 로봇의 작업 공간을 고르게 커버하고, 특정 매개변수에 대한 감도가 높도록 설계한다.

31.35.4.3 측정 장비

측정 장비는 엔드 이펙터의 위치와 자세를 정밀하게 측정할 수 있어야 한다. 레이저 트래커, 광학 측정 시스템이 주로 활용된다.

31.35.5 최적화 알고리즘

31.35.5.1 비선형 최소 제곱법

식별 문제는 비선형 최소 제곱법(nonlinear least squares)으로 푼다. 가우스-뉴턴 방법 또는 레벤버그-마콰르트 방법이 대표적이다.

31.35.5.2 자코비안의 활용

매개변수에 대한 순기구학의 자코비안(감도 행렬)이 최적화 알고리즘의 핵심이다.

31.35.5.3 수렴 특성

초기 추정이 좋을수록 수렴이 빠르고 안정적이다. 직접 측정 값을 초기 추정으로 활용한다.

31.35.6 관측 가능성

31.35.6.1 관측 가능한 매개변수

모든 DH 매개변수가 측정 자료로부터 식별 가능한 것은 아니다. 관측 가능한(observable) 매개변수만이 유일하게 식별 가능하다.

31.35.6.2 관측 가능성 지표

관측 가능성은 감도 행렬의 조건수 또는 특이값 분해(SVD)로 정량화된다.

31.35.6.3 자세 설계

관측 가능성을 최대화하는 자세 설계(pose design)가 식별 절차의 학술적 주제이다.

31.35.7 식별의 정밀도

31.35.7.1 측정 노이즈의 영향

측정 노이즈는 식별된 매개변수의 불확실성으로 전파된다. 식별 결과의 표준 편차 또는 신뢰 구간으로 정량화된다.

31.35.7.2 공분산 행렬

식별된 매개변수의 공분산 행렬은 감도 행렬과 측정 노이즈 공분산으로부터 계산된다.

31.35.7.3 통계적 검증

식별 결과의 통계적 유의성은 \chi^2 검증 등의 통계적 방법으로 평가된다.

31.35.8 실무적 절차

31.35.8.1 단계 1: 초기 추정

제조 도면 또는 직접 측정으로부터 DH 매개변수의 초기 추정을 얻는다.

31.35.8.2 단계 2: 측정 자세의 설계

관측 가능성을 최대화하는 측정 자세를 설계한다.

31.35.8.3 단계 3: 자료 수집

설계된 자세로 로봇을 이동시키고, 각 자세에서 엔드 이펙터 자세를 측정한다.

31.35.8.4 단계 4: 최적화

최소 제곱법으로 DH 매개변수를 식별한다.

31.35.8.5 단계 5: 검증

식별된 매개변수로 순기구학을 계산하고, 측정 값과의 일치를 검증한다.

31.35.9 표준화

31.35.9.1 ISO 9283

ISO 9283:1998 표준은 로봇의 성능 기준과 시험 방법을 제공한다. 기구학적 성능의 측정과 식별에 활용된다.

31.35.9.2 학술적 일관성

학술 문헌에서는 식별 방법의 재현 가능성을 위해 측정 장비, 자세 설계, 알고리즘 등을 명확히 기술한다.

31.35.9.3 산업 관례

주요 로봇 제조사는 자체 식별 절차를 가지고 있으며, 제품 출하 전에 기구학적 식별을 수행한다.

31.35.10 학술적 활용

본 절에서 다룬 DH 매개변수의 측정과 식별은 로봇의 정밀도를 보장하는 학술적·실무적 절차이다. 기구학적 보정, 로봇의 성능 평가, 그리고 다양한 로봇 응용의 기반이 된다.

출처

  • Stone, H. W., Kinematic Modeling, Identification, and Control of Robotic Manipulators, Kluwer, 1987.
  • Mooring, B. W., Roth, Z. S., and Driels, M. R., Fundamentals of Manipulator Calibration, Wiley, 1991.
  • Khalil, W. and Dombre, E., Modeling, Identification and Control of Robots, Hermes Penton Science, 2002.
  • Elatta, A. Y., Gen, L. P., Zhi, F. L., Daoyuan, Y., and Fei, L., “An overview of robot calibration”, Information Technology Journal, Vol. 3, No. 1, pp. 74–78, 2004.
  • International Organization for Standardization (ISO), ISO 9283:1998, Manipulating industrial robots – Performance criteria and related test methods, 1998.

버전

  • 문서 버전: 1.0
  • 작성일: 2026-04-18