32.15 자코비안의 재귀적 계산 알고리즘

자코비안의 재귀적 계산 알고리즘(recursive Jacobian algorithm)은 순기구학 재귀 계산과 결합하여 매니퓰레이터의 자코비안을 체계적으로 산출하는 학술적 절차이다. 재귀적 접근은 각 링크의 기하학적 정보—좌표 변환, 축 방향, 원점 위치—를 기저로부터 순차적으로 누적 계산하며, 계산량이 관절 수에 선형적으로 증가하므로 실시간 로봇 제어에 적합하다. 본 절에서는 재귀적 계산의 학술적 원리, 전방 재귀 알고리즘, 후방 재귀 알고리즘, 수반 변환 기반 재귀, 계산 복잡도, 그리고 수치적 고려 사항을 다룬다.

1. 재귀적 계산의 학술적 원리

직렬 매니퓰레이터의 자코비안 열 벡터는 관절 축 방향 \hat{z}_{i-1}, 관절 원점 위치 \vec{p}_{i-1}, 엔드 이펙터 위치 \vec{p}_n의 세 가지 기하학적 정보로부터 구성된다. 이들 정보는 링크 간 동차 변환 행렬 {}^{i-1}\mathbf{T}_i(q_i)의 누적 곱

{}^0\mathbf{T}_i(\vec{q}) = \prod_{j=1}^{i} {}^{j-1}\mathbf{T}_j(q_j)

로부터 추출된다. 이 누적 곱의 계산은 자연스럽게 재귀적 구조를 가지므로, 각 링크의 변환을 순차 적용하면서 동시에 자코비안의 열 벡터를 계산하는 결합 알고리즘이 구성된다. 재귀적 접근의 핵심 장점은 다음과 같다.

연산 효율성: 각 링크별 계산이 이전 링크의 결과를 재사용하므로 전체 계산량이 관절 수 n에 대해 \mathcal{O}(n) 시간 복잡도를 가진다.

수치적 안정성: 동차 변환의 누적 곱이 직접적 좌표 추출로 이어지므로 중간 수치 오차가 최소화된다.

구현의 모듈성: 각 링크의 처리 단계가 독립적으로 정의되므로 구현이 체계적이고 확장 가능하다.

32.15.2 전방 재귀 알고리즘

전방 재귀(forward recursion)는 기저 링크로부터 엔드 이펙터 방향으로 정보를 누적하는 방식이다. 관절 변수 \vec{q}가 주어질 때 다음 단계로 수행된다.

초기 조건: 기저 좌표계를 단위 변환으로 설정한다.

{}^0\mathbf{T}_0 = \mathbf{I}_{4 \times 4}, \qquad \vec{p}_0 = \vec{0}, \qquad \hat{z}_0 = [0, 0, 1]^\top

링크 i에서 i+1로의 전진 (i = 0, 1, \ldots, n-1):

1. 링크 간 동차 변환 {}^i\mathbf{T}_{i+1}(q_{i+1})을 데나빗-하르텐버그 규약 또는 제품 지수 공식으로 계산한다.
2. 누적 동차 변환을 갱신한다: {}^0\mathbf{T}_{i+1} = {}^0\mathbf{T}_i \cdot {}^i\mathbf{T}_{i+1}.
3. 관절 i+1의 축 방향을 추출한다: \hat{z}_i = {}^0\mathbf{R}_i \, [0, 0, 1]^\top.
4. 관절 i+1의 원점 위치를 추출한다: \vec{p}_i = {}^0\vec{p}_i({}^0\mathbf{T}_i의 병진 부분).

엔드 이펙터 위치 추출: 전진 과정이 완료되면 \vec{p}_n = {}^0\vec{p}_n이 얻어진다.

자코비안 열 벡터 계산 (i = 1, \ldots, n): 각 관절의 유형에 따라 해당 공식을 적용한다.

• 회전 관절의 경우:

\vec{J}_i = \begin{bmatrix} \hat{z}_{i-1} \times (\vec{p}_n - \vec{p}_{i-1}) \\ \hat{z}_{i-1} \end{bmatrix}

• 직동 관절의 경우:

\vec{J}_i = \begin{bmatrix} \hat{z}_{i-1} \\ \vec{0} \end{bmatrix}

자코비안 조립: 계산된 열 벡터들을 가로로 배열하여 \mathbf{J}_g = [\vec{J}_1 \, \vec{J}_2 \, \cdots \, \vec{J}_n]을 구성한다.

이 알고리즘은 Paul 등의 초기 연구(1981)에서 체계화되었으며, Orin과 Schrader의 효율적 계산 연구(1984)에서 실시간 구현의 이론적·실무적 기반이 정립되었다.

2. 재귀적 속도 전파 알고리즘

두 번째 재귀적 접근은 각 링크의 속도를 기저로부터 전방으로 전파하면서 자코비안을 동시에 구성하는 방법이다. 링크 i의 각속도와 기준점 선속도를 \vec{\omega}_i, \vec{v}_i로 놓고 다음 재귀식을 적용한다.

회전 관절의 경우 (q_i = \theta_i):

\vec{\omega}_i = \vec{\omega}_{i-1} + \dot{\theta}_i \, \hat{z}_{i-1}

\vec{v}_i = \vec{v}_{i-1} + \vec{\omega}_i \times (\vec{p}_i - \vec{p}_{i-1})

직동 관절의 경우 (q_i = d_i):

\vec{\omega}_i = \vec{\omega}_{i-1}

\vec{v}_i = \vec{v}_{i-1} + \vec{\omega}_i \times (\vec{p}_i - \vec{p}_{i-1}) + \dot{d}_i \, \hat{z}_{i-1}

이 재귀식을 관절 속도에 대한 편미분 관점에서 해석하면, 각 관절 속도 \dot{q}_i에 대한 엔드 이펙터 속도의 기여가 자코비안의 해당 열 벡터로 자연스럽게 식별된다. 이 방법은 속도 기구학의 물리적 해석과 자코비안의 수학적 구성을 통합적으로 수행한다.

3. 후방 재귀와 기준점 고정

역방향 재귀(backward recursion)는 엔드 이펙터로부터 기저 방향으로 정보를 전달하는 방식이며, 일부 응용에서 계산 효율을 제공한다. 예를 들어 엔드 이펙터 기준 좌표계에서 자코비안을 표현하는 물체 자코비안(body Jacobian)의 계산이나, 엔드 이펙터에 작용하는 외력으로부터 각 관절 토크를 역전파하는 정역학 계산에 활용된다.

후방 재귀의 기본 구조는 엔드 이펙터 링크에서 시작하여 기저 방향으로 진행하며, 각 단계에서 좌표 변환의 역 연산을 적용한다. 결과적으로 동일한 자코비안이 얻어지지만 성분의 좌표계 표현이 다를 수 있다.

4. 수반 변환 기반 재귀

현대 로봇 공학에서 스크류 이론과 리 군 SE(3) 기반 자코비안 계산은 수반 변환(adjoint transformation) [\text{Ad}_\mathbf{T}] \in \mathbb{R}^{6 \times 6}을 사용한 재귀 구조를 채택한다. 동차 변환 \mathbf{T} = (\mathbf{R}, \vec{p}) \in SE(3)에 대응하는 수반 사상은 다음과 같이 정의된다.

[\text{Ad}_\mathbf{T}] = \begin{bmatrix} \mathbf{R} & [\vec{p}]_\times \mathbf{R} \\ \mathbf{0} & \mathbf{R} \end{bmatrix}

여기서 [\vec{p}]_\times는 \vec{p}의 반대칭 행렬이다. 수반 변환은 좌표계 간 트위스트 변환을 수행한다.

\vec{V}_{\{0\}} = [\text{Ad}_{{}^0\mathbf{T}_i}] \, \vec{V}_{\{i\}}

공간 자코비안 \mathbf{J}_s의 i번째 열은 관절 i의 관절 스크류 \mathcal{A}_i를 기저 좌표계로 변환한 것이다.

\vec{J}_{s,i} = [\text{Ad}_{{}^0\mathbf{T}_{i-1}}] \, \mathcal{A}_i

여기서 관절 스크류 \mathcal{A}_i는 관절 i의 좌표계에서 표현된 관절 운동의 단위 트위스트이며, 회전 관절의 경우 \mathcal{A}_i = [0, 0, 0, 0, 0, 1]^\top, 직동 관절의 경우 \mathcal{A}_i = [0, 0, 1, 0, 0, 0]^\top 등의 정규 형태를 가진다(관습에 따라).

이 재귀 계산은 Lynch와 Park의 Modern Robotics에서 체계화된 현대적 접근이며, 제품 지수 공식과 자연스럽게 결합한다.

32.15.6 기호적 자코비안의 재귀적 유도

기호 연산 소프트웨어를 활용한 자코비안의 기호적 유도에서도 재귀적 접근이 효과적이다. 순기구학의 동차 변환을 관절 변수에 대한 기호 함수로 누적 계산한 뒤, 자코비안 열 벡터 공식을 적용하여 기호적 자코비안 \mathbf{J}_g(\vec{q})을 얻는다. 기호적 표현은 이후 수치 대입을 통한 실시간 평가가 가능하며, 특이점 조건과 매니퓰러빌리티의 해석적 분석에도 활용된다.

기호적 자코비안의 크기는 관절 수에 따라 기하급수적으로 증가할 수 있으므로, 중간 항의 기호적 간소화(simplification)가 중요하다. 단순화 휴리스틱과 사인·코사인 단축 표기를 활용하면 실용적 크기의 기호 자코비안을 얻을 수 있다.

32.15.7 계산 복잡도 분석

재귀적 자코비안 계산의 계산 복잡도는 다음과 같이 분석된다.

순기구학 계산: 각 링크 변환을 행렬 곱으로 누적하므로 n개 관절에 대해 \mathcal{O}(n) 시간 복잡도.

축 방향·원점 위치 추출: 각 링크에서 상수 시간, 전체 \mathcal{O}(n).

열 벡터 계산: 각 관절에 대해 외적(회전 관절) 또는 단순 복사(직동 관절)이므로 링크당 상수 시간, 전체 \mathcal{O}(n).

자코비안 조립: 열 배열로 \mathcal{O}(mn).

전체 계산 복잡도는 \mathcal{O}(mn) = \mathcal{O}(n) (m = 6 고정)이며, 이는 매니퓰레이터 자코비안 계산의 이론적 최소 복잡도에 해당한다. 따라서 재귀적 알고리즘은 계산량 측면에서 최적이다.

실시간 제어 주기가 1 ms 이내의 고주파 제어에서도 재귀적 자코비안 계산은 6자유도 매니퓰레이터 기준 수 마이크로초 이내로 수행되며, 이는 현대 마이크로프로세서의 연산 능력 범위 내에서 충분한 여유를 확보한다.

32.15.8 수치적 고려 사항

재귀적 자코비안 계산의 수치적 구현에서 다음 사항이 고려된다.

32.15.8.1 누적 오차

동차 변환의 누적 곱이 길어지면 부동소수점 연산의 오차가 누적될 수 있다. 이는 회전 행렬의 직교성 이탈로 나타나며, 정기적 재직교화(re-orthogonalization) 또는 사원수 기반 표현의 사용으로 완화할 수 있다.

32.15.8.2 매개변수 규약의 일관성

데나빗-하르텐버그 규약(표준 DH 또는 수정 DH)의 선택에 따라 관절 축 방향 \hat{z}_{i-1}과 원점 위치 \vec{p}_{i-1}의 정의가 달라지므로, 구현 전반에서 규약의 일관성을 유지해야 한다.

32.15.8.3 메모리 효율성

대형 매니퓰레이터의 경우 모든 중간 동차 변환을 저장하면 메모리 사용량이 증가한다. 엔드 이펙터 위치만 필요한 경우 \vec{p}_n만 최종 저장하고 중간 변환은 파기하는 메모리 효율적 구현이 가능하다. 그러나 자코비안 계산에는 각 관절의 \hat{z}_{i-1}과 \vec{p}_{i-1}이 필요하므로 이들은 보존되어야 한다.

32.15.8.4 병렬 처리

일부 연산은 링크별로 독립적이므로 멀티코어 프로세서나 SIMD 명령어를 활용한 병렬 처리가 가능하다. 그러나 전방 재귀의 순차적 의존성은 직접적 병렬화를 제한하므로, 병렬화의 이득은 제한적이다.

32.15.9 확장: 자코비안의 시간 미분 재귀

자코비안의 시간 미분 \dot{\mathbf{J}}(\vec{q}, \dot{\vec{q}})은 가속도 기구학과 동역학 해석에서 요구되며, 재귀적 자코비안 계산과 유사한 구조로 산출된다. 관절 축 방향과 관절 원점 위치의 시간 미분을 링크별로 계산하면서 자코비안 열 벡터의 시간 미분이 동시에 구성된다. 이 확장 알고리즘은 연산 토크 제어(computed-torque control)의 실시간 구현에서 필수적이다.

32.15.10 학술적 의의

본 절에서 정립한 자코비안의 재귀적 계산 알고리즘은 로봇 공학에서 다음의 학술적 의의를 가진다. 첫째, 순기구학 재귀와 자코비안 구성의 통합을 통해 \mathcal{O}(n) 시간 복잡도의 효율적 계산을 제공한다. 둘째, 전방 재귀·후방 재귀·수반 변환 재귀의 세 가지 학술적 접근은 응용 맥락에 따른 선택 폭을 제공한다. 셋째, 링크별 기하학적 정보의 순차적 누적은 수치적 안정성과 구현의 모듈성을 동시에 확보한다. 넷째, 스크류 이론 기반 수반 변환 재귀는 현대 로봇 공학의 리 군 기반 기구학과 자연스럽게 통합된다. 다섯째, 재귀 구조는 자코비안의 시간 미분, 동역학, 정역학 계산으로 일관되게 확장 가능하므로 로봇 해석 알고리즘의 공통 계산 틀을 제공한다.

출처

• Whitney, D. E., “The mathematics of coordinated control of prosthetic arms and manipulators”, Journal of Dynamic Systems, Measurement, and Control, Vol. 94, No. 4, pp. 303–309, 1972.
• Paul, R. P., Shimano, B., and Mayer, G. E., “Kinematic control equations for simple manipulators”, IEEE Transactions on Systems, Man, and Cybernetics, Vol. 11, No. 6, pp. 449–455, 1981.
• Orin, D. E. and Schrader, W. W., “Efficient computation of the Jacobian for robot manipulators”, International Journal of Robotics Research, Vol. 3, No. 4, pp. 66–75, 1984.
• Walker, M. W. and Orin, D. E., “Efficient dynamic computer simulation of robotic mechanisms”, Journal of Dynamic Systems, Measurement, and Control, Vol. 104, No. 3, pp. 205–211, 1982.
• Featherstone, R., Rigid Body Dynamics Algorithms, Springer, 2008.
• Spong, M. W., Hutchinson, S., and Vidyasagar, M., Robot Modeling and Control, 2nd edition, Wiley, 2020.
• Siciliano, B., Sciavicco, L., Villani, L., and Oriolo, G., Robotics: Modelling, Planning and Control, Springer, 2009.
• Lynch, K. M. and Park, F. C., Modern Robotics: Mechanics, Planning, and Control, Cambridge University Press, 2017.
• Murray, R. M., Li, Z., and Sastry, S. S., A Mathematical Introduction to Robotic Manipulation, CRC Press, 1994.

버전

• 문서 버전: 1.1
• 작성일: 2026-04-19