진동 억제 및 말단 경로 매끄러짐을 위한 안전 궤적 제어 연구

Safe Trajectory Control for Vibration Suppression and End-Effector Smooth Path Planning

연구 내용

복잡한 동역학에서 jerk을 줄이는 딥 강화학습 궤적 생성과 Catmull-Rom 기반 MoveCR로 말단 경로를 매끄럽게 보정하여 진동과 떨림을 억제하는 안전 궤적 제어 연구

로봇 제어에서 진동과 떨림은 안전한 협업 경로를 방해하는 주요 요인으로 고려됩니다. 연구실은 복잡한 시스템 모델을 직접 분석하거나 힘 입력을 정밀하게 설계하기 어려운 상황에서도, 딥 강화학습 기반으로 jerk를 줄이는 궤적 생성 로직을 제안합니다. 신경망이 생성한 궤적을 사용해 출력 수준에서 진동을 억제하고, 경로 수준에서 제어 목표를 달성합니다. 또한 강화학습으로 만든 궤적에서 끝 구간 떨림이 나타나는 문제를 Catmull-Rom spline 기반 MoveCR로 보정하여 불연속 없이 매끄러운 경로를 제공하는 방법을 개발합니다. 이를 통해 안전 경로의 연속성과 동작 품질을 함께 확보합니다.

관련 프로젝트

2건

연구 흐름

초기 연구에서는 deep reinforcement learning을 이용해 진동 억제 목표를 jerk 기반 궤적 생성으로 연결하는 접근을 수행했습니다. 모델 기반 제어가 어렵거나 환경 복잡도가 높은 조건에서, 학습된 신경망 출력으로 진동을 줄이는 경로를 확보하는 절차를 검증했습니다. 이후 연구에서는 강화학습 궤적의 특정 구간에서 발생하는 떨림을 줄이기 위해 Catmull-Rom 곡선 기반 MoveCR 함수를 개발하고, 떨림 구간을 매끄러운 궤적으로 대체하는 방법을 적용했습니다. 최근 흐름은 이러한 궤적 품질 개선을 디지털 트윈과 실환경 안전성 평가 체계로 확장하는 방향으로 정리되고 있습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

진동 억제 기반 협업 로봇 동작 품질 개선
jerk 최소화 궤적 생성 모듈
말단 경로 매끄러짐 보정 알고리즘
강화학습-기반 궤적 후처리 파이프라인
안전 경로 연속성 검증 절차
로봇 시뮬레이션 기반 운용 조건 최적화
실환경 테스트를 위한 디지털 트윈 모델
고정밀 작업을 위한 궤적 안정화
떨림 구간 탐지 및 자동 교체
안전성 평가에 활용되는 동작 지표 설계