다리 로봇의 접촉 선택 가속화하는 CTCS 알고리즘

다리와 로봇팔을 함께 가진 '이동조작(loco-manipulation)' 로봇은 작업을 수행하는 동안 벽이나 턱, 기타 구조물에 몸의 일부를 지지대로 삼아 안정성을 확보해야 할 때가 많습니다. 그런데 어디에 몸을 지지할지 고르는 일은 간단하지 않습니다. 강한 물리적 지지를 제공하는 접촉면이 오히려 작업에 필요한 동작 자체를 가로막을 수 있기 때문입니다. arXiv(cs.RO)에 게재된 한 논문은 이 문제를 하나의 최적화 문제로 정식화하고, 이를 효율적으로 풀어내는 방법을 제안했습니다.

연구진은 로봇이 특정 지지 접촉을 선택한 뒤에도 유지할 수 있는 세 가지 '수행 능력' 지표를 정의했습니다. 남은 힘·토크 여유를 뜻하는 '잔여 렌치(residual wrench)', 로봇팔이 뻗을 수 있는 범위인 '엔드이펙터 도달거리', 그리고 몸체가 얼마나 자유롭게 움직일 수 있는지를 나타내는 '베이스 이동성'입니다. 이 세 지표는 해당 접촉을 확보하는 데 드는 비용과 함께 저울질됩니다. 문제는 후보 접촉마다 이 값을 정확히 계산하려면 매번 전신 최적화(whole-body optimization)를 반복 실행해야 해서 계산 비용이 크다는 점입니다.

이 연산 부담을 줄이기 위해 연구진은 CTCS(Capability-Tradeoff Contact Selection)를 개발했습니다. CTCS는 먼저 접촉 및 작업 실행 가능성 기준에 미달하는 후보를 걸러내고, 같은 지지면 안에서 비슷한 후보들을 묶어 그룹화합니다. 이어 소수의 정확한 기준점(anchor) 평가값에 국소 민감도 분석(local sensitivity analysis)을 적용해 나머지 후보들의 수행 능력을 예측합니다. 필요한 경우 일부 후보를 다시 정확히 평가해 예측값을 검증한 뒤, 예측된 수행 능력 순으로 후보를 순위 매기고, 최종적으로 상위 후보 목록만 전신 최적화로 정밀 평가해 최종 접촉을 선택합니다.

연구팀은 유니트리(Unitree) Go2 사족보행 로봇에 아질렉스(AgileX) NERO 로봇팔을 장착한 시스템으로 시뮬레이션과 실제 하드웨어 실험을 진행했습니다. 총 392가지 작업 조건과 9개의 지지면 후보를 대상으로 검증한 결과, CTCS는 지면 접촉만 사용하는 방식이나 고정된 접촉면만 사용하는 방식보다 우수한 성능을 보였습니다. 이는 CTCS가 각 작업에 맞춰 유리한 수행 능력 트레이드오프를 제공하는 지지면을 적응적으로 선택할 수 있었기 때문입니다. 모든 후보를 하나하나 정확히 평가하는 전수 탐색 방식과 비교했을 때, CTCS는 평균 목적함수 값을 거의 그대로 유지하면서도 약 3배의 속도 향상을 달성했습니다.

이번 연구는 로봇이 어떻게 움직일지뿐 아니라 그 과정에서 어디에 몸을 기댈지까지 스스로 판단하는 능력을 갖추는 데 실용적인 진전을 보여줍니다. 이는 공사 현장, 재난 지역, 창고처럼 즉흥적인 지지 구조물이 흔한 복잡한 현실 환경에서 활동하는 서비스 로봇에 도움이 될 수 있습니다. 논문 제목은 'Contact as a Decision Variable: Capability-Tradeoff Contact Selection for Legged Loco-Manipulation'이며, 총 9페이지 6개의 그림으로 구성되어 있습니다.