▲ 휴머노이드형 팽창 로봇 ‘킹 루이(King Louie)’(사진=테크엑스플로어)

부풀어 오르는 유연한 소재로 만들어진 로봇은 가벼운 무게와 높은 수준의 탄력성 등 여러 바람직한 특성을 갖고 있어 체계적이지 않은 환경 또는 인간과 밀접한 환경에서 작업을 수행하는 데 적합하다. 물론 이 로봇이 가장 효율적으로 작동하기 위해선 그것의 강직과 위치를 빠르고 효과적으로 제어해야 하는데, 지금까지는 로봇의 강성(stiffness) 및 위치(position) 제어를 위한 대부분의 기존 모델이 다소 제한적인 상황이라 불만족스러운 결과를 낳는 경우가 많았다.

테크 엑스플로어에 따르면 미국 브리검영대(Brigham Young University) 연구팀이 최근 팽창식 로봇(inflatable robots)의 강성과 위치를 동시에 제어하기 위해 여러 방법을 평가· 비교하는 연구를 통해 강성을 상태 변수(state variable)로 나타내는 모델을 발표했다. 이 모델은 팽창 로봇의 강성과 위치를 보다 효율적으로 제어하는 ​​데 사용된다는 게 연구팀의 설명이다. 이번 연구 결과는 로봇 분야 국제학술지 국제로봇연구저널(The International Journal of Robotics Research)에 게재됐다

이번 연구를 수행한 ‘마크 킬팩(Marc Killpack)’은 "소프트 로봇은 공장 또는 다른 구조적 환경에서 로봇이 조작 작업에 접근하는 방식을 변화시킬 수 있다고 말했다. 반대 방향에서 토크를 발생시키는 두 개의 공압 챔버(pneumatic chamber) 등 대립적인 액추에이터를 갖춘 소프트 로봇의 장점 중 하나는 종종 관절 강직을 제어하기 위해 간과되거나 또는 명시적으로 사용되지 않는다는 점이다”라고 했다.

▲ 킹 루이(사진=테크엑스플로어)

인간을 비롯한 생물학적 유기체는 지속적으로 관절의 경직을 조절한다. 덕분에 상이한 상황에 적응해 주변에 있는 사물 및 사람들과 상호작용하는 게 가능하다. 과거 일부 연구자들은 능동 제어 전략을 사용해 기존의 강성 로봇에 이 같은 능력을 복제한 적이 있다. 그러나 이 같은 전략에서는 보통 매우 빠른 속도로 실행되는 코드를 통해 로봇을 제어해야 한다. 이는 로봇의 성능을 떨어뜨릴 가능성이 있으며, 특히 힘 센서가 고장난 경우 로봇이 오작동을 일으킬 수 있다.

소프트 로봇의 강성 및 위치를 제어하는 일이 강성(rigid) 로봇을 제어하는 일보다 훨씬 쉽다. 가변강성에서 유사한 결과를 얻기 위해 고속제어 및 힘 센서가 필요하지 않기 때문이다. 사실 소프트 로봇의 강성은 계산 모델 및 알고리즘을 사용해 제어할 수 있다. 연구팀은 이 같은 가능성을 연구해 팽창 로봇의 강성을 제어하기 위한 새로운 모델을 도입했다고 말했다.

킬팩은 “우리는 비선형적이면서 보다 복잡한 공압 및 압력-토크 모델을 검토하는 작업을 여러번 수행했다. 그러나 모델 기반 제어를 달성하려는 첫 시도에서 복잡한 모델이 반드시 보다 나은 성능을 제공할 필요는 없으며, 나아가 실시간 모델예측 제어(model predictive control·MPC)를 수행하는 우리 능력에 상당한 영향을 미친다는 사실을 깨달았다”라고 전했다.

연구팀은 이처럼 모델이 가지는 복잡성이 소프트 로봇의 강성을 제어하는 데 있어 크게 영향을 미치지 않는다는 것을 깨달은 후, 이전 연구에서 개발한 단순화된 버전의 '동적 모델'을 개발키로 결정했다. 이들은 원래 ‘QP 콘벡스 최적화 솔버(QP convex optimization solver)’라고 알려진 정교한 모델을 사용, 모델 기반 제어를 달성하려고 했다. 그러나 최근 연구에서 개선, 단순화된 비선형 모델을 바탕으로 한 GPU 기반 최적화를 사용하면 보다 나은 제어 성능을 얻을 수 있다는 점을 발견했다.

킬팩은 “이번 연구에서 가장 중요한 발견은 소프트한 대규모 공압 제어 로봇의 조인트 강성과 위치를 동시에 제어 할 수 있다는 점이다. 소프트 로봇이 강성과 위치를 둘 다 효과적으로 제어하는 능력은 사용 가능한 소스 압력과 최대 허용 제어압력의 기능이었다"라고 말했다.

연구팀은 자신들의 모델예측 제어 접근 방식을 평가했을 때, 훨씬 전망 있는 결과를 얻었다고 밝혔다. 또 개별적인 소프트 로봇 관절의 모드 제어에 기반한 이전에 고안한 접근 방식보다 훨씬 튜닝하기가 쉽다는 지적이다.

보도에 따르면 이 같은 기술은 결국 모델예측 제어 접근방식을 고안하는 데 필요한 배경 지식이 없는 로봇 공학자들을 안내해 팽창 로봇의 강성과 위치를 보다 잘 제어 하도록 돕는다. 연구팀은 현재 이번에 소개한 접근방법을 향상시키기 위해 노력하고 있다.

킬팩은 "우리는 소프트 로봇의 성능을 향상시키기 위해 최적 모델 기반 제어와 딥 뉴럴 네트워크(소프트 로봇의 비선형 및 확률론적 행동을 학습하는 데 유용)에 기반한 머신러닝을 결합하는 것을 고려하고 있다. 이는 실제 조작 작업을 위한 소프트 로봇의 실행 가능성을 높일 것이다. 앞으로 소프트 로봇이 작업 내내 자신의 강성을 어떻게 변경해야 하는지를 지정하는 방법을 개발할 생각이다”라고 전했다.