비전 기반 제어 및 강인 학습을 통한 시각 서보잉 연구

Vision-Based Control with Robust Learning for Visual Servoing

연구 내용

카메라 기반 피드백에서 기하 제약과 학습을 결합해 강인한 제어를 수행하고, 반복학습 및 상태관측으로 로봇 제어 안정성을 높이는 연구

카메라 인-핸드 환경에서 외부 파라미터와 깊이 정보에 대한 의존을 줄이기 위해, 투영 기하를 활용한 오차 벡터와 기하 제약을 기반으로 학습형 시각 서보잉을 구성합니다. CMAC 기반 온라인 Jacobian 추정을 수행하면서, 피처 개수 변화에도 고정 크기 오차 함수를 적용해 계산 복잡도를 낮춥니다. 또한 예측이 물리적으로 불가능한 제어 입력으로 이어지지 않도록 투영 기하의 원리를 네트워크 업데이트 과정에 반영합니다. 반복 주행 조건에서는 로봇 매니퓰레이터에 대해 강인 적응 반복학습 제어를 적용하여 궤적을 개선하고, 탄성 관절에 대해서는 가속도 센서를 활용한 상태관측기를 통해 비선형 마찰·탄성 모델 불확실성을 다룹니다.

관련 프로젝트

0건

연구 흐름

2022년에는 탄성 관절의 비선형 마찰을 포함한 모델에서 가속도 센서 기반 상태관측을 설계하고 수렴 특성을 검증했습니다. 이후 2024년에는 비전 기반 시각 서보잉을 포함하는 매니퓰레이터 제어에서 반복학습과 강인 제어를 결합해 수행 안정성을 높이는 방향으로 연구를 확장했습니다. 2025년에는 카메라 내재 파라미터·깊이 정보·로봇 기구학 모델에 의존도를 낮추는 기하 제약 학습형 비전 서보잉을 제안하며, 강인성과 온라인 학습 효율을 함께 다루었습니다. 결과적으로 상태추정-학습제어-시각서보잉으로 제어 파이프라인을 단계적으로 통합하는 흐름입니다.

활용 가능성

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

기하 제약 기반 학습형 시각 서보잉
카메라 인-핸드 제어
깊이 의존도 저감 제어
온라인 Jacobian 추정
부분 가림 상황 강인 제어
반복학습 제어 기반 궤적 개선
탄성 관절 비선형 마찰 제어
가속도 센서 기반 상태추정
LMI 기반 관측기 설계
시뮬레이션-실험 연계 제어 검증