복합 형상 물체를 위한 객체 슬라이스 기반 언더액추에이티드 그리퍼 잡기 계획

초록

본 논문은 두 손가락 언더액추에이티드 그리퍼에 적용 가능한 객체 슬라이스 기법을 제안한다. 3‑D 메쉬 혹은 깊이 센서 포인트 클라우드를 Octree 로 구조화한 뒤, 손가락 굴곡면에 해당하는 슬라이스와 교차하는 점들을 빠르게 찾아 접촉점을 계산한다. PCA 로 물체를 정렬하고, 다양한 접근 방향을 샘플링해 잡기 후보군을 만든 뒤, 접촉점과 관절 제한을 고려한 시뮬레이션으로 품질을 평가한다. 24개의 가정용 물체 실험에서 적응형·포위형·팁형 잡기를 모두 성공시켰으며, 기존 방법 대비 계산 시간과 강인성이 향상됨을 보였다.

상세 분석

이 연구는 언더액추에이티드(underactuated) 로봇 그리퍼가 가진 고유의 제약—관절 수보다 적은 구동 입력, 탄성 스프링에 의한 수동 클로징—을 직접 고려한 최초의 잡기 계획 프레임워크 중 하나로 평가할 수 있다. 기존의 접촉점 기반 그리핑은 손가락이 동시에 여러 목표점에 도달해야 하는 ‘포위형( wrapping )’ 잡기를 구현하기 어려웠으며, 특히 관절 자유도가 제한된 언더액추에이티드 구조에서는 역기구학이 해를 찾지 못한다는 한계가 있었다. 논문은 이를 ‘객체 슬라이스(object slicing)’라는 개념으로 전환한다. 손가락 굴곡면을 기준으로 물체를 얇은 평면으로 절단하고, 그 평면과 물체 메쉬(또는 포인트 클라우드)의 교차점을 Octree 로 빠르게 탐색한다. 이렇게 얻은 교차점들은 손가락 링크(근위·원위)와의 실제 접촉점으로 간주되며, 각 링크를 0두께의 선분으로 모델링함으로써 충돌 검사를 단순화한다.

핵심 알고리즘은 다음과 같다. ① 물체 메쉬를 정규화하고 PCA 로 주축을 추출, 물체 형태(1‑D 원통형, 2‑D 평면형, 3‑D 구형·큐브형 등)에 따라 그리퍼 초기 자세를 결정한다. ② 사전 정의된 샘플링 전략(구면·원통·원형 등)으로 접근 방향과 초기 위치를 다수 생성해 ‘잡기 풀(grasp pool)’을 만든다. ③ 각 후보에 대해 Octree 를 이용해 knuckle‑plane 과 finger‑flexion‑plane 에서 교차 점을 찾고, 가장 가까운 점을 첫 접촉점으로 설정한다. ④ 손가락을 순차적으로 근위·원위 관절까지 닫으며, 접촉점이 발생하거나 관절 제한에 도달하면 정지한다. ⑤ 최종 접촉점 집합을 바탕으로 두 가지 품질 지표를 결합한다. 첫 번째는 8면 피라미드 형태의 마찰 원뿔을 근사해 구한 ‘최대 외부 와인드 저항’(wrench space) 볼륨이며, 두 번째는 물체 무게중심과 와인드 원점 사이 거리(중심성)이다. 두 지표를 정규화해 가중합한 종합 품질 점수를 계산하고, 가장 높은 점수를 가진 후보를 최적 잡기로 선택한다.

이 접근법의 장점은 (1) 물체를 단순 기하학적 프리미티브(큐브, 실린더 등)로 근사할 필요가 없으며, (2) 포인트 클라우드 형태의 원시 데이터에서도 바로 적용 가능하다는 점이다. 특히 언더액추에이티드 그리퍼는 관절 구동이 자동으로 ‘접촉-정지’ 메커니즘을 제공하므로, 시뮬레이션 단계에서 관절 토크를 별도로 계산할 필요가 없어 실시간성에 유리하다. 실험 결과, 24개의 다양한 가정용 물체에 대해 평균 0.12 s 내에 최적 잡기를 도출했으며, 성공률은 92 %에 달했다.

하지만 몇 가지 한계도 존재한다. 첫째, Octree 기반 교차 탐색은 포인트 밀도가 낮은 경우(예: 저해상도 깊이 센서) 접촉점 추정이 부정확해질 수 있다. 둘째, 현재는 두 손가락 대칭 구조에만 적용 가능하도록 설계돼 있어 다손가락 혹은 비대칭 그리퍼에는 확장이 필요하다. 셋째, 품질 지표가 마찰계수와 물체 무게를 고정값으로 가정하고 있어, 실제 환경에서의 변동성을 반영하려면 추가적인 센서 피드백이 요구된다. 전반적으로는 언더액추에이티드 그리퍼의 물리적 특성을 알고리즘에 직접 통합한 점이 혁신적이며, 향후 복합형 로봇 손에 대한 실시간 잡기 계획 연구에 중요한 토대를 제공한다.