로봇 핸드-암 통합 제어는 인간의 손과 팔의 협동 동작을 모방하여, 로봇이 다양한 물체를 정밀하게 조작할 수 있도록 하는 핵심 기술입니다. 본 연구실은 'Virtual Spring-Damper Hypothesis'와 같은 생체 모사 기반 제어 이론을 바탕으로, 다자유도 로봇 암과 핸드의 통합 제어 알고리즘을 개발해왔습니다. 이를 통해 복잡한 조립 작업, 예를 들어 Peg-in-Hole 어셈블리와 같은 고난이도 작업에서도 높은 성공률과 안정성을 확보할 수 있습니다. 핸드-암 통합 제어는 단순히 동작을 명령하는 수준을 넘어서, 센서 피드백과 환경의 불확실성에 대응하는 적응적 제어 전략을 포함합니다. 연구실에서는 2D 및 3D 환경에서의 손-팔 협동 조작, 8DOFs 암과 16DOFs 핸드를 활용한 엔벨로프 그리핑, 그리고 시각 및 촉각 피드백을 활용한 자연스러운 파지 동작을 실현하였습니다. 이러한 연구는 실제 산업용 조립 라인, 서비스 로봇, 의료용 로봇 등 다양한 응용 분야로 확장될 수 있습니다. 핸드-암 통합 제어 기술의 발전은 로봇이 인간과 유사한 수준의 기민함과 유연성을 갖추는 데 필수적입니다. 앞으로는 인공지능 기반의 의사결정, 강화학습을 통한 자율적 동작 최적화, 그리고 다양한 센서 융합을 통한 환경 적응성 강화 등으로 연구가 심화될 예정입니다. 이로써 로봇이 복잡하고 예측 불가능한 환경에서도 인간과 협력하여 작업할 수 있는 기반을 마련하고자 합니다.

본 연구실은 인간의 손가락 구조와 동작 원리를 모사한 로봇 핸드 및 핑거팁 구조, 그리고 감각 피드백 시스템 개발에 주력하고 있습니다. 특히, 'Natural and human-like pinching based on sensory feedback'과 같이 인간의 촉각 및 근육 긴장 효과(Muscle Tension Effect)를 반영한 제어 알고리즘을 연구하여, 로봇이 섬세하고 자연스러운 조작을 수행할 수 있도록 합니다. 이러한 생체 모사 기반 연구는 로봇이 시각 정보뿐만 아니라 촉각, 힘, 위치 등 다양한 센서 데이터를 통합적으로 활용하여, 미지의 물체나 불확실한 환경에서도 안정적으로 물체를 파지하고 조작할 수 있게 합니다. 예를 들어, 블라인드 그리핑(Blind Grasping)이나 비정형 물체 조작, 그리고 소프트 그리퍼를 위한 멀티모달 센서 개발 등은 실제 산업 현장과 서비스 로봇 분야에서 매우 중요한 역할을 합니다. 향후 연구 방향으로는 인공지능 및 딥러닝 기반의 감각 데이터 해석, 실시간 피드백을 통한 적응적 조작, 그리고 인간-로봇 협업 환경에서의 안전하고 직관적인 인터페이스 개발 등이 있습니다. 이를 통해 로봇이 인간과 유사한 감각 및 조작 능력을 갖추고, 다양한 실생활 응용에 적용될 수 있도록 연구를 지속하고 있습니다.

다관절 로봇과 듀얼 암 시스템은 복잡한 조립 작업이나 대형 물체의 이송, 협동 조작 등에서 탁월한 성능을 발휘합니다. 본 연구실은 KITECH Dual Arm Robot, KITECH Arm 등 자체 개발한 하드웨어를 기반으로, 듀얼 암 협동 조작, 비정형 환경에서의 조립 자동화, 그리고 인간-로봇 협업을 위한 제어 전략을 연구하고 있습니다. 특히, Peg-in-Hole 어셈블리와 같은 고정밀 조립 작업에서 듀얼 암 시스템의 시너지 효과를 극대화하기 위해, 시각 및 촉각 피드백, 힘 제어, 경로 계획 알고리즘 등을 융합한 통합 제어 시스템을 개발하였습니다. 또한, 강화학습 기반의 경로 계획, 실시간 장애물 회피, 그리고 다양한 작업 환경에 적응 가능한 소프트웨어 플랫폼을 구축하여, 실제 산업 현장에 적용 가능한 솔루션을 제시하고 있습니다. 이러한 연구는 가구 조립, 전자제품 생산, 자동차 부품 조립 등 다양한 산업 분야에서 자동화 수준을 높이고, 작업 효율성과 품질을 동시에 향상시키는 데 기여하고 있습니다. 앞으로는 더욱 복잡한 협동 작업, 다로봇 시스템 간의 통신 및 협력, 그리고 인간 작업자와의 안전한 상호작용을 위한 연구로 확장될 예정입니다.