4.1 형태학적 연산 (Morphological Computation)

4.1 형태학적 연산 (Morphological Computation)

1. 서론: 인지과학의 물리적 전회와 계산 개념의 확장

로봇공학과 인공지능(AI)의 역사는 ’지능(Intelligence)’의 소재를 어디에 둘 것인가에 대한 탐구의 과정이었다. 초기 인공지능 연구, 즉 고전적 계산주의(Computationalism) 패러다임 하에서 지능은 뇌 혹은 중앙처리장치(CPU) 내부에서 일어나는 추상적인 기호 조작(Symbol Manipulation) 과정으로 정의되었다. 이 관점에서 로봇의 신체(Body)는 뇌가 내린 명령을 물리적 세계에 투사하는 단순한 출력 장치(Actuator)이자, 불완전한 센서 데이터를 제공하는 노이즈의 원천으로 간주되었다. 따라서 전통적인 로봇 제어 이론은 신체가 가진 복잡한 동역학(Dynamics)을 제어기가 극복해야 할 ’외란(Disturbance)’이나 ’문제’로 취급하며, 이를 억제하기 위해 고성능의 피드백 제어 알고리즘과 강력한 모터를 사용하는 데 집중해 왔다.1

그러나 1990년대 이후 로드니 브룩스(Rodney Brooks)의 포섭 구조(Subsumption Architecture)와 롤프 파이퍼(Rolf Pfeifer)의 체화된 지능(Embodied Intelligence) 이론이 대두되면서, 지능에 대한 이러한 뇌 중심적(Cerebro-centric) 관점은 근본적인 도전에 직면하게 되었다. 이들은 “지능은 뇌, 신체, 그리고 환경의 동적인 상호작용 속에서 창발한다“고 주장하며, 신체가 단순히 명령을 수행하는 수동적 객체가 아니라, 정보 처리에 능동적으로 기여하는 계산의 주체임을 강조하였다.3

**형태학적 연산(Morphological Computation)**은 이러한 체화된 지능의 핵심 메커니즘을 설명하는 개념으로, “신체의 형태(Shape), 재료적 특성(Material Properties), 물리적 배치(Arrangement), 그리고 동역학(Dynamics)이 전통적으로 뇌(제어기)가 수행해야 했던 연산 및 제어 작업을 대신하거나 단순화하는 과정“으로 정의된다.1 이는 단순히 계산 부하를 신체로 ’오프로딩(Offloading)’하는 효율성의 문제를 넘어선다. 형태학적 연산은 자연계의 생물들이 수억 년의 진화를 통해 획득한 생존 전략이자, 차세대 로봇이 제한된 연산 자원과 에너지로 복잡한 환경에 적응하기 위해 필수적으로 갖춰야 할 설계 원칙이다.

예를 들어, 인간이 달릴 때 아킬레스건의 탄성(Elasticity)은 착지 시의 충격 에너지를 저장했다가 도약 시 방출하며 보행 효율을 극대화한다. 이때 뇌는 각 근육 섬유의 수축 타이밍을 마이크로초 단위로 제어할 필요 없이, 건(Tendon)의 물리적 특성에 타이밍 제어와 에너지 관리 기능을 위임한다. 이 과정에서 아킬레스건은 단순한 생체 조직이 아니라, 실시간으로 에너지를 적분하고 미분하는 ’아날로그 컴퓨터’의 역할을 수행하는 것이다.6

본 장에서는 형태학적 연산의 이론적 토대와 이를 구현하는 물리적 메커니즘, 그리고 최근 소프트 로보틱스(Soft Robotics)와 물리적 리저버 컴퓨팅(Physical Reservoir Computing) 분야에서 나타나고 있는 최신 연구 성과들을 심도 있게 논의한다. 특히 2024년과 2025년에 보고된 다기능 물리적 리저버(Multifunctional Physical Reservoir)와 미학습 어트랙터(Untrained Attractor)의 발견은 형태학적 연산이 단순한 제어 보조를 넘어, 창발적 행동 생성의 원천이 될 수 있음을 시사한다.8

2. 이론적 배경: 형태학적 연산의 정의와 분류

형태학적 연산이라는 용어는 직관적인 매력을 가지고 있으나, 학술적으로 엄밀하게 정의되지 않으면 “모든 물리적 과정이 곧 계산이다“라는 범계산주의(Pan-computationalism)의 오류에 빠질 위험이 있다. 헬무트 하우저(Helmut Hauser), 롤프 파이퍼(Rolf Pfeifer), 그리고 빈센트 뮐러(Vincent C. Müller) 등의 연구자들은 이를 명확히 하기 위해 형태학적 연산의 범위를 세분화하고, 정보 이론적 정량화 방법을 제시하였다.1

2.1 형태학적 연산의 계층적 분류

뮐러와 호프만(Müller & Hoffmann)은 형태학적 연산을 그 기능과 역할에 따라 크게 세 가지 범주로 분류하였다. 이는 신체가 제어, 지각, 그리고 순수 연산에 기여하는 방식을 구분함으로써 개념적 혼란을 줄여준다.1

2.1.1 (1) 제어를 촉진하는 형태학 (Morphology Facilitating Control)

이 범주는 가장 널리 관찰되는 형태로, 엄밀한 의미의 ’계산(Computation)’이라기보다는 ’제어(Control)’의 관점에서 해석된다. 신체의 기계적 특성이 시스템의 동역학을 안정화하거나 원하는 거동으로 유도함으로써, 제어기가 수행해야 할 명시적인 연산량을 줄여주는 경우이다.

  • 대표 사례: 수동 동역학 보행(Passive Dynamic Walking). 태드 맥기어(Tad McGeer)가 개발한 이 로봇은 모터, 센서, 컴퓨터 없이 오직 중력과 다리의 관성, 발바닥의 곡률만으로 경사면을 자연스럽게 걸어 내려간다.11
  • 작동 원리: 이 경우 신체는 튜링 머신과 같은 논리 연산을 수행하는 것이 아니라, 물리적 시스템의 **어트랙터(Attractor)**나 **리밋 사이클(Limit Cycle)**을 따라 움직임으로써 제어 문제를 해결한다. 이를 ‘사전 반사적(Pre-reflexive)’ 지능이라고도 부르며, 신경계의 개입 전에 물리적 수준에서 외란을 거부하거나 동작을 생성한다.13

2.1.2 (2) 지각을 촉진하는 형태학 (Morphology Facilitating Perception)

센서의 물리적 배치나 구조 자체가 정보 처리를 돕는 전처리(Pre-processing) 장치로 기능하는 경우이다.

  • 대표 사례: 곤충의 겹눈(Compound Eye)은 개별 낱눈(Ommatidia)들이 구형으로 배치되어 있어, 뇌의 복잡한 이미지 처리 없이도 광류(Optic Flow)를 통해 자신의 이동 속도나 장애물과의 거리를 즉각적으로 감지할 수 있게 한다.1 또한, 인간의 귀(와우각)가 소리의 주파수를 기계적으로 분리하는 것 역시 형태학이 지각을 돕는 대표적인 예이다.
  • 의미: 이는 센서 데이터의 차원을 축소하거나, 노이즈를 필터링하거나, 특징(Feature)을 추출하는 계산 과정을 신체 구조로 대체하는 것이다.

2.1.3 (3) 엄밀한 의미의 형태학적 연산 (Morphological Computation Proper)

신체를 실제 컴퓨터의 연산 장치(Processor)처럼 사용하여, 입력을 출력으로 매핑(Mapping)하는 추상적인 계산 과정을 수행하는 경우이다.

  • 대표 사례: **물리적 리저버 컴퓨팅(Physical Reservoir Computing, PRC)**이 여기에 해당한다. 예를 들어, 문어의 다리를 모사한 실리콘 로봇 팔에 진동 입력을 주었을 때, 실리콘의 비선형적 물성으로 인해 복잡한 동적 반응이 나타나고, 이를 통해 XOR 연산, 시계열 예측, 비선형 함수 근사와 같은 전통적인 계산 작업을 수행할 수 있다.1
  • 의미: 이 경우 신체는 단순한 기구학적 장치가 아니라, 정보를 저장(Memory)하고 변환(Transformation)하는 정보 처리 기계가 된다.

2.2 정보 이론적 정량화와 트레이드오프

“얼마나 많은 연산이 신체로 넘어갔는가?“를 과학적으로 측정하기 위해 정보 이론(Information Theory)이 도입되었다. 자헤디(Zahedi) 등의 연구자들은 센서-모터 루프 내에서의 정보 흐름을 분석하여 형태학적 연산량을 정량화하였다.16

로봇의 현재 상태를 W_t, 제어기의 행동 명령을 A_t, 다음 상태를 W_{t+1}라고 할 때, 다음 상태 W_{t+1}에 대한 정보가 어디서 기인했는지를 **상호 정보량(Mutual Information)**이나 전이 엔트로피(Transfer Entropy), **KL 발산(Kullback-Leibler Divergence)**을 통해 분해할 수 있다.

  • 제어기 정보량 (I_c): I(W_{t+1}; A_t | W_t) — 현재 상태가 주어졌을 때, 제어기의 명령이 미래 상태를 얼마나 결정하는가?
  • 형태학적 연산량 (I_m): I(W_{t+1}; W_t | A_t) — 제어기의 명령을 배제했을 때, 현재의 신체 상태와 환경의 상호작용이 미래 상태를 얼마나 결정하는가?

이러한 정량적 분석은 **‘형태-제어 트레이드오프(Morphology-Control Trade-off)’**를 입증한다. 즉, 형태학적 복잡성(Morphological Complexity)이 높은 시스템일수록(예: 적절한 탄성과 댐핑을 가진 소프트 로봇), 동일한 작업을 수행하기 위해 필요한 제어 정보량(I_c)은 감소한다.18 이는 진화 로보틱스(Evolutionary Robotics) 시뮬레이션에서 반복적으로 관찰되는 현상으로, 진화 과정은 제어 비용(뇌의 에너지 소모)을 최소화하기 위해 신체 구조를 정교하게 다듬는 방향으로 진행된다.20

3. 물리적 메커니즘: 역학(Mechanics)을 통한 연산의 구현

형태학적 연산이 추상적인 개념에 머물지 않고 실제 로봇 시스템에서 작동하기 위해서는, 이를 구현하는 구체적인 물리적 기제(Mechanism)가 필요하다. 로봇공학적 관점에서 탄성(Elasticity), 감쇠(Damping), 마찰(Friction), 그리고 기하학적 구속(Constraints)은 전통적인 제어 이론의 PID 제어기나 최적 제어기와 수학적으로 등가(Equivalent)이거나 그 이상의 기능을 수행한다.

3.1 순응성(Compliance)과 탄성: 물리적 P-제어기

강체 로봇(Rigid Robot)에서는 정확한 위치 제어를 위해 고이득(High-gain) 피드백 루프를 사용하여 오차를 실시간으로 보정한다. 그러나 생물체와 소프트 로봇은 **순응성(Compliance)**을 적극적으로 활용한다. 스프링과 같은 탄성체는 훅의 법칙(F = -kx)에 따라 변위가 발생하면 원래 위치로 돌아가려는 복원력을 생성한다.

이는 제어 이론의 **비례 제어기(Proportional Controller, P-Controller)**와 수학적으로 완벽한 등가성을 가진다.21

비교 항목비례 제어기 (P-Controller)기계적 스프링 (Mechanical Spring)
수식\tau = K_p (q_{des} - q)F = k (x_{eq} - x)
파라미터제어 이득 (K_p)스프링 상수/강성 (k)
목표값목표 위치 (q_{des})평형점 (x_{eq})
작동 방식센서 계측 \rightarrow 오차 연산 \rightarrow 모터 구동물리적 변위 \rightarrow 즉각적 복원력 발생
지연(Delay)센서, 통신, 연산 지연 존재지연 없음 (Instantaneous)

이러한 등가성은 임피던스 제어(Impedance Control) 이론의 핵심이기도 하다. 네빌 호건(Neville Hogan)이 정립한 임피던스 제어는 로봇이 환경과 상호작용할 때 강성(Stiffness)과 감쇠(Damping)를 조절하여 마치 스프링-댐퍼 시스템처럼 거동하게 만드는 기법이다.23 그러나 형태학적 연산은 이를 능동적인 모터 제어로 흉내 내는 것이 아니라, 실제 재료의 물성을 통해 구현한다는 점에서 차별화된다.

적절한 강성을 가진 재료를 사용하면, 센서로 위치를 측정하고 에러를 계산하여 모터에 토크를 명령하는 복잡한 피드백 루프 없이도, 시스템은 자동으로 목표 위치(평형점)로 수렴한다. 이를 **‘지능형 기계적 임피던스(Intelligent Mechanical Impedance)’**라고 하며, 예측 불가능한 외란에 대해 제어기의 개입 없이도 즉각적이고 안정적인 반응을 보장한다.25

3.2 감쇠(Damping)와 마찰: 물리적 D-제어기 및 안정화

시스템의 진동을 억제하고 안정화하기 위해서는 속도에 비례하는 저항력이 필요하다. 전통적 제어에서는 이를 위해 속도를 미분하거나 타코미터로 측정하여 **미분 제어기(Derivative Controller, D-Controller)**를 구현한다.
\tau = K_d (\dot{q}_{des} - \dot{q})
그러나 소프트 로봇이나 생체 조직 내부의 점탄성(Viscoelasticity)과 마찰(Friction)은 물리적 현상 그 자체로서 D-제어기와 동일한 역할을 수행한다.13

  1. 즉각적인 반응성 (Pre-reflexive Response): 전자적 제어 시스템은 센서 데이터를 읽고 처리하여 모터에 전류를 보내는 데 필연적으로 수 밀리초(ms) 이상의 시간 지연(Delay)이 발생한다. 반면, 물리적 감쇠는 충격이 발생하는 즉시(t=0) 작용한다. 이는 신경계가 반응하기 전에 시스템을 안정화시키는 ‘전-반사적’ 지능으로, 고속 보행이나 충격 흡수 상황에서 필수적이다.13
  2. 연산 비용 절감: 최적 제어(Optimal Control) 연구에 따르면, 관절에 적절한 마찰이 존재할 경우, 동일한 작업을 수행하기 위해 제어기가 생성해야 하는 제어 신호의 복잡도(예: 저크, jerk)와 연산량이 현저히 감소함이 입증되었다.28 마찰은 에너지를 소산(Dissipate)시켜 시스템이 원치 않는 진동을 멈추고 특정 상태로 수렴하게 돕는 ’안정화 연산’을 수행한다.

3.3 수동 동역학 보행 (Passive Dynamic Walking): 연산 없는 제어

형태학적 연산의 효용성을 증명하는 가장 강력하고 고전적인 사례는 수동 동역학 보행 로봇이다. 1990년 태드 맥기어(Tad McGeer)는 모터, 센서, 마이크로프로세서가 전혀 없는 로봇이 경사면을 걸어 내려가는 것을 시연하였다.11

  • 기계적 설계: 이 로봇의 다리는 이중 진자(Double Pendulum)와 유사하며, 발바닥은 둥근 곡면(Rolling feet)으로 설계되어 있다. 무릎 관절에는 과신전을 막는 기계적 스토퍼(Knee-cap)가, 고관절에는 다리의 교차를 돕는 스프링이 장착될 수 있다.30
  • 동역학적 원리: 로봇은 중력 위치 에너지를 운동 에너지로 변환하며 걷는다. 흔들리는 다리(Swing leg)의 고유 진동수(Natural Frequency)와 보행 주기가 일치할 때(Resonance), 로봇은 리밋 사이클(Limit Cycle)이라 불리는 안정된 주기적 궤도에 정착한다.
  • 의미: 이는 “보행“이라는 복잡한 제어 문제가 뇌(제어기)의 연산이 아닌, 다리의 기계적 설계(형태학)와 물리 법칙의 상호작용만으로 해결될 수 있음을 증명했다. 아시모(ASIMO)와 같은 전통적인 휴머노이드 로봇이 보행을 위해 엄청난 양의 ZMP(Zero Moment Point) 계산을 수행하는 것과 대조적으로, 수동 보행 로봇은 ’계산 없는 제어(Control without Computation)’를 실현하며 형태학적 연산의 이상적인 모델이 되었다.31

4. 물리적 리저버 컴퓨팅 (Physical Reservoir Computing, PRC)

형태학적 연산의 가장 진보된 형태는 신체를 실제 연산 장치, 즉 **리저버(Reservoir)**로 활용하여 정보 처리를 수행하는 것이다. 이는 순환 신경망(RNN)의 학습 난이도를 해결하기 위해 제안된 리저버 컴퓨팅(Reservoir Computing, RC) 이론을 물리적 시스템에 확장 적용한 것이다.5

4.1 이론적 기초: 에코 스테이트 네트워크(ESN)에서 물리적 신체로

전통적인 리저버 컴퓨팅(예: Echo State Networks)은 고정된(무작위로 연결된) 내부 네트워크(Reservoir)와 학습 가능한 출력층(Readout)으로 구성된다. 입력 신호는 리저버 내부의 복잡한 동역학을 통해 고차원 공간으로 투영되며, 출력층은 이 고차원 상태들의 선형 결합(Linear Combination)을 통해 원하는 출력을 생성한다.

물리적 리저버 컴퓨팅은 이 ’내부 네트워크’를 비선형적이고 동적인 물성을 가진 물리적 매체로 대체한다.14 효과적인 물리적 리저버가 되기 위해서는 다음과 같은 수학적 속성이 요구된다:

  1. 고차원성 (High-dimensionality): 입력을 충분히 높은 차원의 상태 공간(State Space)으로 매핑하여 선형 분리 가능성(Linear Separability)을 높여야 한다. 소프트 로봇의 연속체(Continuum) 바디는 이론적으로 무한한 자유도를 가지므로 이에 적합하다.
  2. 비선형성 (Non-linearity): 입력과 출력 간의 비선형 매핑을 가능하게 해야 한다. 유체, 탄성체, 텐세그리티 구조 등의 비선형적 응답 특성이 이를 충족한다.
  3. 페이딩 메모리 (Fading Memory / Echo State Property): 과거의 입력이 현재 상태에 영향을 미치되, 그 영향력이 시간이 지남에 따라 점차 소멸해야 한다. 이는 시스템이 초기 조건에 영원히 얽매이지 않고 시계열 데이터를 처리할 수 있게 한다.14

4.2 구현 기질(Substrates)과 응용 사례

4.2.1 (1) 소프트 실리콘 암(Soft Silicone Arm)과 문어 로봇

문어의 다리를 모사한 실리콘 로봇 팔은 대표적인 PRC 플랫폼이다. 2010년대 초반 나카지마(Nakajima) 등의 연구팀은 문어 로봇 팔에 단순한 모터 신호를 입력하고, 팔의 비선형적인 움직임(진동, 비틀림 등)을 피에조 센서로 읽어들여(Readout), 이를 선형 회귀 분석함으로써 복잡한 비선형 함수(예: NARMA task)나 타이머 기능을 구현할 수 있음을 보였다.14

  • 의미: 뇌는 단순한 신호만 보내고, “구체적인 동작의 계산“이나 “시간 지연 처리“는 팔의 물성이 수행한다. 이는 제어 신호 생성을 신체에 아웃소싱하는 것이다.

4.2.2 (2) 텐세그리티(Tensegrity) 구조

텐세그리티는 인장재(케이블)와 압축재(스트럿)가 평형을 이루는 구조로, 유연하면서도 진동이 구조 전체로 전파되는 특성을 가진다. 2024-2025년의 연구들은 텐세그리티 로봇(예: NASA SUPERball)이 그 자체로 훌륭한 리저버 역할을 수행하며, 복잡한 보행 패턴 생성을 위한 연산 자원으로 활용될 수 있음을 입증했다.8

4.2.3 (3) 엣지 AI를 위한 초저전력 리저버

PRC는 로봇 제어를 넘어, 초저전력 엣지 AI 소자로도 각광받고 있다. 최근 연구에서는 이온 게이팅(Ion-Gating) 소자나 유체 역학적 와류(Vortex)를 이용한 물리적 리저버가 기존 딥러닝 방식 대비 연산 부하를 1/100 수준으로 줄이면서도 시계열 예측에서 동등한 성능을 낼 수 있음을 보여주었다.38 이는 배터리 제약이 심한 모바일 로봇이나 드론에 탑재되어 실시간 이상 감지나 지형 분류를 수행하는 데 활용될 수 있다.

4.3 최신 동향: 다기능 리저버와 미학습 어트랙터 (Multifunctional PRC)

2025년 테라지마(Terajima) 등이 발표한 연구는 PRC의 가능성을 한 단계 확장했다. 기존 PRC가 하나의 리저버로 하나의 작업(Task)을 학습하는 데 집중했다면, **다기능 물리적 리저버 컴퓨팅(Multifunctional PRC, MF-PRC)**은 단일 물리적 신체 내에 서로 다른 여러 가지 행동 패턴(Attractor)을 동시에 내재화할 수 있음을 보였다.8

  • 미학습 어트랙터(Untrained Attractors): 놀랍게도, 텐세그리티 로봇을 이용한 시뮬레이션에서 훈련 데이터에 포함되지 않은 새로운 안정된 행동 패턴(Attractor)들이 발견되었다. 이는 물리적 시스템의 풍부한 동역학이 학습되지 않은 상황에서도 유의미하고 질서 있는 행동을 창발적으로 생성할 수 있음을 시사한다. 이는 로봇이 미지의 환경에서 생존하고 적응하는 데 핵심적인 기제가 될 수 있다.9

5. 소프트 로보틱스 응용: 형태가 기능을 규정하다

소프트 로보틱스는 강체 로봇보다 자유도가 무한에 가깝고 비선형적인 동역학을 가지므로, 전통적인 모델 기반 제어(Model-based Control)가 매우 어렵다. 따라서 형태학적 연산은 선택이 아닌 필수적인 설계 원칙이 된다.40

5.1 유연 그리퍼(Soft Grippers)의 진화: 재밍에서 전신 모핑까지

전통적인 로봇 손은 물체를 잡기 위해 물체의 3D 모델을 정밀하게 분석하고, 각 손가락 관절의 토크를 계산해야 했다. 이는 막대한 계산 비용을 요구한다.

  1. 재밍 그리퍼(Jamming Gripper): 커피 가루와 같은 과립(Granular material)이 채워진 유연한 주머니를 물체에 눌러 형태를 변형시킨 후 진공을 걸어 고형화하는 방식이다. “어떻게 잡을 것인가?“라는 기하학적 연산 문제가 재료의 상전이(Phase Transition)와 마찰이라는 물리적 현상으로 대체되었다. 이는 형태학적 제어의 고전적 성공 사례이다.7
  2. 전신 고유수용성 모핑(Whole-Body Proprioceptive Morphing): 2025년 한(Han) 등이 제안한 최신 그리퍼는 국소적인 변형을 넘어, 그리퍼 전체의 구조(Topology)를 능동적으로 재구성한다. 분산된 공압 액추에이터 네트워크와 내장된 센서를 통해, 작은 껍질을 집을 때는 핀셋처럼, 큰 바위를 집을 때는 포자기처럼 전체 형태를 변화시킨다. 이때 제어기는 복잡한 역기구학을 푸는 것이 아니라, 각 모듈의 압력을 조절하여 그리퍼가 스스로 물체에 맞춰지도록(Self-adapting) 유도한다.43

5.2 소프트 보행과 수영: 환경과의 협업

소프트 로봇의 이동(Locomotion)은 신체와 환경(지면, 물, 공기)의 상호작용에 전적으로 의존한다.

  • 소프트 수영 로봇: 2021년 연구에 따르면, 단순한 실리콘 시트 형태의 로봇이 물속에서 진동할 때, 물의 유체 역학적 특성(Fluid Dynamics)이 리저버 역할을 하여 추진력을 생성하고 자세를 안정화한다. 로봇은 물의 저항을 이겨내려 하기보다, 물의 와류(Vortex)를 이용해 효율적으로 이동한다.34
  • 지형 적응형 보행: 다족 소프트 로봇은 복잡한 지형 감지 알고리즘 없이도, 다리의 유연성을 통해 울퉁불퉁한 지면을 기계적으로 ’필터링’하며 안정적으로 이동한다. 이는 제어 루프가 닫히기 전에 형태학적 수준에서 외란이 제거됨을 의미한다.6

6. 형태학적 연산을 고려한 설계: 하드웨어-소프트웨어 공진화

형태학적 연산을 극대화하기 위해서는 로봇의 몸체(하드웨어)와 제어기(소프트웨어)를 별개로 설계해서는 안 된다. 이를 공동 설계(Co-design) 또는 **공진화(Co-evolution)**라 한다.46

  • 진화 로보틱스(Evolutionary Robotics): 유전 알고리즘을 사용하여 로봇의 형태(다리 길이, 관절 강성, 질량 분포)와 신경망 제어기를 동시에 진화시킨다. 수많은 시뮬레이션 결과, 진화된 로봇들은 제어기의 복잡성을 낮추기 위해 신체의 동역학을 적극적으로 활용하는 방향으로 수렴하는 경향을 보인다 (Morphology-Controller Trade-off). 즉, 뇌가 덜 일하기 위해 몸이 더 똑똑해지는 것이다.18
  • 로봇 재료(Robotic Materials): 최근에는 형상기억합금(SMA), 전도성 고분자, 겔(Gel) 등 스마트 소재를 사용하여, 센서와 액추에이터, 그리고 구조체가 하나로 통합된 ‘로봇 재료’ 개념이 등장했다. 이는 연산 기능을 재료 레벨에 내재화하여 진정한 의미의 분산형 지능을 구현하려는 시도이다. 예를 들어, 자극을 받으면 스스로 색이 변하거나 구부러지는 재료는 별도의 제어기 없이도 환경에 반응하는 ’물질적 지능(Material Intelligence)’을 보여준다.25

7. 결론: 계산의 경계를 넘어

형태학적 연산은 로봇공학에서 패러다임의 근본적인 전환을 의미한다. 이는 “제어는 뇌가, 움직임은 몸이“라는 이분법을 타파하고, 지능이 시스템 전체에 분산되어 오케스트라처럼 협연하는 현상임을 보여준다.1

  1. 효율성과 속도: 물리적 법칙은 연산 지연(Latency)이 없고, 추가적인 전력 소모 없이 에너지를 효율적으로 처리한다. 이는 배터리 제한이 있는 자율 로봇이나 마이크로 로봇에 있어 대체 불가능한 장점이다.15
  2. 복잡성의 자산화: 소프트 로봇의 비선형성과 무한한 자유도는 기존 제어 이론에서는 악몽과도 같았으나, 형태학적 연산(특히 PRC) 관점에서는 풍부한 계산 자원이자 표현력(Expressivity)의 원천이 된다.48
  3. 미래의 과제: 그러나 물리적 시스템은 디지털 컴퓨터와 달리 노이즈, 마모, 환경 온도 변화에 민감하며, ’프로그래밍 가능성(Programmability)’이 제한적이라는 도전 과제가 있다.1 또한, 시뮬레이션 상의 형태학적 이점을 실제 하드웨어로 구현할 때 발생하는 ’Reality Gap’을 줄이는 것이 상용화를 위한 핵심 과제이다.46

결론적으로, 미래의 로봇 지능은 고성능 GPU에 의존하는 거대 AI 모델뿐만 아니라, 신체 자체가 지능을 가진 **‘똑똑한 몸(Smart Body)’**을 통해 완성될 것이다. 형태학적 연산은 바로 그 지능의 물리적 뿌리를 탐구하고 설계하는 핵심 열쇠이다.

7.1 [표 4.1.1] 형태학적 연산의 주요 메커니즘과 제어 이론의 등가성 비교

물리적 메커니즘제어 이론 등가물수학적 모델 (단순화)주요 기능 및 장점
순응성 (Compliance)비례 제어기 (P-Control)F = -k(x - x_{eq})위치 복원, 충격 흡수, 에너지 저장 (탄성)
감쇠 (Damping)미분 제어기 (D-Control)F = -c\dot{x}진동 억제, 시스템 안정화, 전-반사적 반응
마찰 (Friction)비선형 감쇠 / 안정화F = -\mu N \text{sgn}(\dot{x})에너지를 소산시켜 특정 정지 상태(Attractor) 유도
기하학적 구속역기구학 연산 (IK)x_{end} = f(\theta_1, \theta_2...)관절 간 협응 강제, 자유도 축소, 궤적 생성 단순화
물리적 리저버순환 신경망 (RNN)x_{t+1} = \tanh(W x_t + W_{in} u_t)고차원 투영, 비선형 변환, 단기 기억 (Fading Memory)

8. 참고 자료

  1. What Is Morphological Computation? On How the Body Contributes …, https://eprints.whiterose.ac.uk/id/eprint/109375/8/MullerWhat%20Is%20Morphological.pdf
  2. Morphological computation | Soft Robotics Class Notes - Fiveable, https://fiveable.me/soft-robotics/unit-4/morphological-computation/study-guide/3BpwMBnwRS7iAIYD
  3. (PDF) Morphological Computation: Connecting Brain, Body, and …, https://www.researchgate.net/publication/220935304_Morphological_Computation_Connecting_Brain_Body_and_Environment
  4. Mindless-Wandering: Embodied Intelligence for Robotic Locomotion, https://www.frontiersin.org/research-topics/72803/mindless-wandering-embodied-intelligence-for-robotic-locomotion
  5. e-book: Opinions and Outlook on Morphological Computation, https://www.morphologicalcomputation.org/e-book
  6. The Morphological Computation Principles as a New Paradigm for …, https://www.iris.sssup.it/retrieve/dd9e0b31-c18e-709e-e053-3705fe0a83fd/The%20Morphological%20Computation%20Principles%20as%20a%20New%20Paradigm%20for%20Robotic%20Design.pdf
  7. on biological inspiration, body morphology, and soft materials, https://ddrobotec.com/wp-content/uploads/2018/07/trends_may_2014.pdf
  8. Multifunctional physical reservoir computing in soft tensegrity robots, https://arxiv.org/html/2507.21496v1
  9. Multifunctional physical reservoir computing in soft tensegrity robots, https://pubs.aip.org/aip/cha/article/35/8/083111/3357406/Multifunctional-physical-reservoir-computing-in
  10. (PDF) What Is Morphological Computation? On How the Body …, https://www.researchgate.net/publication/307559761_What_Is_Morphological_Computation_On_How_the_Body_Contributes_to_Cognition_and_Control
  11. Control based on passive dynamic walking, https://pab47.github.io/papers/Bhounsule2017_Control_based_on_passive_dynamic_walking.pdf
  12. Efficient bipedal robots based on passive-dynamic walkers, http://ruina.tam.cornell.edu/hplab/downloads/walking_papers/CollinsRuinaTedrakeWisse/Collinsetal23.pdf
  13. Effective Viscous Damping Enables Morphological Computation in …, https://www.frontiersin.org/journals/robotics-and-ai/articles/10.3389/frobt.2020.00110/full
  14. case studies in a dynamic model of octopus-inspired soft robotic arm, https://www.frontiersin.org/journals/computational-neuroscience/articles/10.3389/fncom.2013.00091/full
  15. Physical Reservoir Computing in Robotics - ResearchGate, https://www.researchgate.net/publication/353712243_Physical_Reservoir_Computing_in_Robotics
  16. Morphological Computation Explained - Emergent Mind, https://www.emergentmind.com/topics/morphological-computation
  17. How Morphological Computation Shapes Integrated Information in …, https://www.frontiersin.org/journals/psychology/articles/10.3389/fpsyg.2021.716433/full
  18. Morphological Computation and Control Complexity, https://www.repository.cam.ac.uk/bitstreams/846ecf5d-10d4-4ec2-8ab1-45a584220015/download
  19. The Morphology-Control Trade-Off: Insights into Soft Robotic Efficiency, https://arxiv.org/html/2503.16127v1
  20. Co-Designing Hardware and Control for Robot Hands*, https://roam.me.columbia.edu/sites/default/files/content/papers/science2021_focus_co-optimization.pdf
  21. On The Equivalence of Second Order Impedance Control and …, https://www.ri.cmu.edu/pub_files/pub2/volpe_r_1995_1/volpe_r_1995_1.pdf
  22. Unified Impedance and Admittance Control, https://fileadmin.cs.lth.se/ai/Proceedings/ICRA2010/MainConference/data/papers/1462.pdf
  23. Impedance control - Wikipedia, https://en.wikipedia.org/wiki/Impedance_control
  24. Impedance Control: An Approach to Manipulation - CDN, https://bpb-us-e1.wpmucdn.com/sites.mit.edu/dist/5/1384/files/2025/02/1985-impedance-control-an-approach-to-manipulation-part-III-applications.pdf
  25. Designing Soft Robots as Robotic Materials - ACS Publications, https://pubs.acs.org/doi/10.1021/accountsmr.1c00071
  26. Towards Mechanical Intelligence In Soft Robotics Model-based …, https://repository.tudelft.nl/file/File_d590b279-cb9c-4cdf-89c6-e0a4b65ebfbc
  27. Effective Viscous Damping Enables Morphological Computation in …, https://pubmed.ncbi.nlm.nih.gov/33501277/
  28. A study of Morphological Computation by using Probabilistic …, https://cps.unileoben.ac.at/wp/ICMC2011Rueckert.pdf
  29. Stochastic Optimal Control Methods for Investigating the Power of …, https://www.researchgate.net/publication/233787235_Stochastic_Optimal_Control_Methods_for_Investigating_the_Power_of_Morphological_Computation
  30. Exploiting Natural Dynamics in the Control of a Planar Bipedal …, https://core.ac.uk/download/pdf/24313085.pdf
  31. The Evolution of Control and Adaptation in a 3D Powered Passive …, http://users.sussex.ac.uk/~inmanh/evaughan_alife9.pdf
  32. Morphological computation | Robotics and Bioinspired … - Fiveable, https://fiveable.me/robotics-bioinspired-systems/unit-8/morphological-computation/study-guide/Dav1bpfnVqZ34T5P
  33. Reservoir Computing in robotics: a review - arXiv, https://arxiv.org/pdf/2206.11222
  34. Physical reservoir computing in a soft swimming robot - ResearchGate, https://www.researchgate.net/publication/353383931_Physical_reservoir_computing_in_a_soft_swimming_robot
  35. Morphological computation-based control of a modular …, https://www.researchgate.net/publication/321290841_Morphological_computation-based_control_of_a_modular_pneumatically_driven_soft_robotic_arm
  36. Mass-Spring Damper Array as a Mechanical Medium for Computation, https://scispace.com/pdf/mass-spring-damper-array-as-a-mechanical-medium-for-4x87cry1z8.pdf
  37. Overview of various types of controllers for tensegrity robots and our…, https://www.researchgate.net/figure/Overview-of-various-types-of-controllers-for-tensegrity-robots-and-our-experiments_tbl1_263710064
  38. Two Orders of Magnitude Reduction in Computational Load …, https://pubs.acs.org/doi/10.1021/acsnano.5c06174
  39. Physical reservoir computing for Edge AI applications - The Innovation, https://www.the-innovation.org/article/doi/10.59717/j.xinn-mater.2025.100127
  40. Soft Robotics: Engineering Flexible Automation for Complex … - MDPI, https://www.mdpi.com/2673-4591/92/1/65
  41. Morphological design methodologies of soft robots - The Innovation, https://www.the-innovation.org/data/article/informatics/preview/pdf/TII-2025-0022.pdf
  42. A Palm-Shape Variable-Stiffness Gripper Based on 3D-Printed …, https://www.researchgate.net/publication/369989479_A_Palm-Shape_Variable-Stiffness_Gripper_based_on_3D-Printed_Fabric_Jamming
  43. A Modular Soft Gripper for Robust Cross-Scale Grasping - arXiv, https://arxiv.org/html/2510.27666v1
  44. (PDF) Whole-Body Proprioceptive Morphing: A Modular Soft Gripper …, https://www.researchgate.net/publication/397188703_Whole-Body_Proprioceptive_Morphing_A_Modular_Soft_Gripper_for_Robust_Cross-Scale_Grasping
  45. Optimizing soft robot design and tracking with and without …, https://www.cambridge.org/core/journals/robotica/article/optimizing-soft-robot-design-and-tracking-with-and-without-evolutionary-computation-an-intensive-survey/CB25C1727727ECEFE8B20917FDE283C6
  46. Computational Design Synthesis for the Co-Design of Morphology …, https://ethz.ch/content/dam/ethz/special-interest/mavt/design-materials-fabrication/engineering-design-and-computing-lab/DoctoralTheses/MerelvanDiepen_ThesisFinal.pdf
  47. Co-Design of the Morphology and Actuation of Soft Robots for …, https://asmedigitalcollection.asme.org/mechanicaldesign/article/144/8/083305/1140792/Co-Design-of-the-Morphology-and-Actuation-of-Soft
  48. Towards a theoretical foundation for morphological computation with …, https://www.researchgate.net/publication/221791575_Towards_a_theoretical_foundation_for_morphological_computation_with_compliant_bodies
  49. Morphological Computation and Morphological Control: Steps …, https://direct.mit.edu/artl/article/19/1/9/2747/Morphological-Computation-and-Morphological