계층형 퍼지 제어기를 이용한 이족 로봇 제어

초록

본 논문은 중심질량(Center of Mass, COM) 위치를 핵심 변수로 삼아, 적응형 신경‑퍼지(ANFIS) 방법으로 설계된 계층형 퍼지 제어기를 제시한다. 전체 제어기는 여러 하위 컨트롤러로 구성되며, 각 하위 컨트롤러는 COM 위치와 관절 각도 등을 입력으로 받아 보행 동작을 생성한다. 실험 결과, 제안된 계층형 구조가 전통적인 단일 퍼지 제어기에 비해 안정성 및 응답 속도에서 우수함을 보였다.

상세 분석

이 논문은 이족 로봇의 동적 안정성을 확보하기 위해 ‘중심질량(Center of Mass, COM)’ 위치를 제어의 핵심 피드백 변수로 설정한 점이 가장 큰 특징이다. 기존의 퍼지 기반 보행 제어는 주로 관절 각도나 발 착지 시점 등을 직접 제어했으나, COM은 로봇 전체의 무게중심을 반영하므로 전역적인 균형 유지에 더 효과적이다. 논문은 이를 구현하기 위해 적응형 신경‑퍼지 추론 시스템(ANFIS)을 활용한 계층형 구조를 제안한다. 최상위 레벨에서는 현재 COM 좌표와 목표 COM 좌표 사이의 오차를 계산하고, 이를 하위 레벨의 여러 서브 컨트롤러에 전달한다. 각 서브 컨트롤러는 특정 관절(예: 힙, 무릎, 발목) 혹은 보행 단계(예: 스윙, 스탠스)와 연관된 퍼지 규칙 집합을 가지고 있으며, ANFIS 학습을 통해 입력‑출력 매핑을 자동으로 최적화한다.

계층형 설계의 장점은 복잡한 비선형 동역학을 여러 작은 문제로 분할함으로써 학습 및 실시간 계산 부담을 크게 감소시킨다는 점이다. 또한, 각 서브 컨트롤러가 독립적으로 튜닝될 수 있어 모듈식 유지보수가 가능하고, 새로운 보행 패턴이나 지형 변화에 대해 부분적인 재학습만으로 대응할 수 있다. 논문은 시뮬레이션 환경에서 다양한 보행 속도와 경사면 조건을 적용해 제어기의 성능을 검증했으며, COM 오차가 5 mm 이하로 유지되는 등 높은 안정성을 입증했다.

하지만 몇 가지 한계점도 존재한다. 첫째, ANFIS 학습 과정이 데이터 의존적이므로 충분히 다양한 보행 데이터를 확보하지 못하면 일반화 능력이 떨어진다. 둘째, 계층형 구조가 깊어질수록 각 레벨 간의 시간 지연이 누적될 위험이 있어 실시간 제어에 대한 엄격한 타이밍 분석이 필요하다. 셋째, 실제 하드웨어 적용 시 센서 노이즈와 모델링 오차가 COM 추정에 큰 영향을 미칠 수 있어, 필터링 기법이나 보강 제어 로직이 추가로 요구된다.

종합적으로, 이 논문은 COM 기반의 계층형 신경‑퍼지 제어가 이족 로봇의 균형 유지와 보행 효율성에 크게 기여할 수 있음을 실험적으로 보여준다. 향후 연구에서는 하드웨어 구현, 온라인 적응 학습, 그리고 다중 로봇 협동 보행 등으로 확장할 여지가 크다.