강체‑연성 언액추에이터 시스템을 위한 모델 기반 최적 제어

초록

본 논문은 기하학적 가변 변형(Geometric Variable Strain, GVS) 모델의 해석적 도함수를 활용해, 하이‑다이멘션 연성 로봇의 동적 스윙업 과제를 해결한다. 직접 콜로케이션, 차분 동적 프로그래밍, 비선형 모델 예측 제어 등 세 가지 최적 제어 기법을 비교하고, 강체‑연성 시스템에 적합하도록 암시적 통합과 박스 제약을 결합한 Box‑Implicit DDP를 제안한다. Soft Cart‑Pole, Soft Pendubot, Soft Furuta Pendulum을 대상으로 시뮬레이션 실험을 수행해 정확도와 계산 비용의 트레이드오프를 분석한다.

상세 분석

이 연구는 연성 로봇의 무한 자유도 특성을 고차원 ODE 형태로 축소하는 Geometric Variable Strain(GVS) 모델을 기반으로 한다. 기존의 저차원 템플릿 모델은 실제 연성 구조의 굽힘·비틀림·신장·전단 변형을 충분히 포착하지 못했으나, GVS는 Legendre 다항식 기반의 변형 모드 전개를 통해 필요한 자유도를 선택적으로 늘릴 수 있다. 특히 최근 제시된 해석적 도함수(∇q FD, ∇ẋ FD)는 RNEA를 변형한 알고리즘으로 계산되며, 이는 고차원 시스템에 대한 그래디언트 기반 최적화의 계산 복잡도를 크게 낮춘다.

논문은 세 가지 최적 제어 접근법을 체계적으로 비교한다. Direct Collocation(DC)은 트라페zo이달 콜로케이션을 이용해 상태·입력 변수를 모두 결정 변수로 두는 직접 전사 방식이며, 대규모 NLP를 Interior‑Point 방법으로 해결한다. DC는 비선형 제약을 자연스럽게 다룰 수 있지만, 오프라인 최적화에 머물러 실시간 제어에 한계가 있다.

Differential Dynamic Programming(DDP)은 Bellman 원리를 역방향 패스로 적용해 2차 근사 비용‑함수를 구축하고, 전방 패스로 궤적을 갱신한다. 기존 DDP는 명시적 시간 이산화와 입력 제약 미지원이라는 두 가지 제약이 있었는데, 저자들은 이를 Box‑DDP와 Implicit DDP(IDDP)를 결합해 Box‑Implicit DDP(Box‑IDDP)를 설계하였다. 이 알고리즘은 암시적 통합(예: 뒤틀린 뉴턴‑라프슨)으로 stiff한 연성 동역학을 안정적으로 해석하고, 박스 제약을 통해 실제 액추에이터의 일방향·분포형 구동 한계를 반영한다.

또한, GVS 구조를 활용한 해상도 기반 워밍 스타트 전략을 도입해 초기 궤적을 빠르게 생성하고, 역방향·전방 패스의 수렴 속도를 크게 향상시켰다. 이는 특히 수백 차원의 자유도를 가진 연성 시스템에서 계산 비용을 실시간 수준에 가깝게 낮추는 데 기여한다.

실험에서는 Soft Cart‑Pole, Soft Pendubot, Soft Furuta Pendulum이라는 세 가지 하이‑오더 하이브리드 시스템에 대해 스윙업 과제를 수행하였다. DC는 전역 최적성을 확보하지만 계산 시간이 수십 초에 달해 실시간 적용이 어려웠다. Box‑IDDP는 평균 5~10배 빠른 수렴을 보이며, 제약 위반 없이 안정적인 스윙업을 달성했다. NMPC는 재계산 주기가 짧아 실시간 제어에 적합했지만, 모델링 오차에 민감해 성능이 다소 낮았다. 전체적으로, 고차원 연성 로봇에 해석적 도함수를 결합한 최적 제어는 정확도와 효율성 사이의 균형을 맞출 수 있음을 입증한다.

이 논문의 주요 시사점은 (1) GVS 모델의 해석적 도함수가 고차원 연성 시스템의 최적 제어를 실현 가능하게 만든다, (2) Box‑IDDP와 같은 암시적·제약 기반 DDP 변형이 stiff한 연성 동역학과 입력 제한을 동시에 처리한다, (3) 워밍 스타트 전략이 고차원 최적화의 초기화 비용을 크게 감소시킨다, (4) 각 제어 기법은 정확도·계산 시간·실시간 적용 가능성에서 뚜렷한 트레이드오프를 보이며, 실제 로봇 시스템 설계 시 목적에 맞는 방법 선택이 필요하다는 점이다.