ROS2 기반 학습 로봇을 위한 로봇‑무관 컴플라이언트 토크 컨트롤러 CRISP

초록

CRISP는 ROS2 control 표준에 맞춰 C++로 구현된 로봇‑무관 컴플라이언트 Cartesian·관절 토크 컨트롤러이다. Python·Gymnasium 인터페이스를 제공해 학습 기반 정책이나 텔레오퍼레이션을 실시간(1 kHz)으로 로봇에 적용하고, Franka FR3, Kuka IIWA14, Kinova Gen3 등 다양한 매니퓰레이터에서 하드웨어·시뮬레이션 검증을 수행한다.

상세 분석

CRISP는 ROS2 control 프레임워크와 직접 연동되는 토크‑레벨 인터페이스를 전제로 설계되었다. 이를 위해 로봇의 URDF를 파싱하고 고속 동역학 계산을 수행하는 Pinocchio 라이브러리를 활용한다. 핵심 제어법은 Cartesian Impedance(CI)와 Operational Space Control(OSC) 두 가지 모델을 제공하는데, CI는 가상 스프링‑댐퍼를 통해 접촉 상황에서도 부드러운 순응성을 보장하고, OSC는 관절 관성 매트릭스를 포함해 보다 정밀한 트래킹을 가능하게 한다.

특히, 중복 자유도를 가진 로봇을 위한 Null‑Space 제어를 구현해 ① 정적 투영, ② 동적 투영, ③ 단순 관절 임피던스 제어 등 세 가지 옵션을 제공한다. 동적 투영은 로봇 모델의 정확도가 충분히 높을 때 주 작업의 추적 오차를 최소화한다는 장점이 있다. 또한, 관절 제한 장벽(Joint Barrier)과 마찰 보상(Friction Compensation) 모듈을 포함해 안전성을 강화했으며, 중력·코리올리 보상은 Pinocchio의 RNEA 알고리즘을 이용해 실시간으로 계산한다.

CRISP의 파라미터는 ROS2 파라미터 서버를 통해 런타임에 동적으로 조정 가능하며, 강성·감쇠·토크 레이트 제한·오류 한계 등 다양한 설정을 사용자 정의할 수 있다. 이를 통해 학습 기반 정책이 5~10 Hz 정도의 저주파·불연속 목표를 제공하더라도, 1 kHz 주기의 저레벨 토크 컨트롤러가 부드럽게 보간·추적한다.

소프트웨어 스택 측면에서 CRISP PY는 ROS2 토픽을 통해 목표 포즈를 수신하고, CRISP GYM은 Gymnasium 환경을 래핑해 데이터 수집·정책 평가 파이프라인을 일원화한다. 텔레오퍼레이션 시에는 리더 로봇의 30 Hz 포즈 스트림을 팔로워에 전달하고, 팔로워는 토크 기반 CI 컨트롤러로 추적하면서 힘‑토크 피드백을 리더에 반환한다. 이렇게 구현된 피드백 루프는 인간 연산자에게 자연스러운 촉감 정보를 제공한다.

실험 결과는 Franka FR3 하드웨어와 Kuka IIWA14·Kinova Gen3 시뮬레이션에서 각각 위치·회전 오차를 정량화했으며, CI‑clipped 설정이 가장 낮은 정착 오차(위치 ≈ 0.8 mm, 회전 ≈ 0.003 rad)를 달성했다. 또한, Diffusion Policy(≈30 Hz)와 SmolVLA(≈10 Hz) 두 가지 학습 정책을 동일한 CRISP GYM 인터페이스로 배포했을 때, 목표 포즈를 안정적으로 추적하며 작업 성공률을 유지함을 보였다.

전반적으로 CRISP는 ROS2 ecosystem에 자연스럽게 녹아들어 로봇‑무관, 고성능, 고유연성의 토크 기반 컴플라이언스 제어를 제공함으로써, 학습 기반 조작 정책 및 텔레오퍼레이션 연구의 진입 장벽을 크게 낮춘다.