동적인 실내 환경에서 강건한 인간-로봇 협업(HRC)을 위해서는 정확한 3차원(3D) 위치추정이 필수적이다. 그러나 복잡한 상황에서 고정밀 위치추정을 구현하는 일은 다중경로 효과, 시야각 가림(field-of-view occlusion) 등과 같은 문제로 인해 여전히 어려움을 겪고 있다. 이러한 한계를 해결하기 위해 본 연구에서는 초광대역(ultra- wideband, UWB) 센서, 관성측정장치(inertial measurement unit, IMU), 기압 센서(barometric pressure, BMP)를 통합하는 기하 제약 기반 장단기 기억(geometry-constrained long short-term memory, LSTM) 프레임워크 Geo-LSTM을 제안한다. 먼저, 이중-BMP 센서와 IMU 센서를 사용하여 정밀한 높이 정보를 획득하고, UWB 태그와 앵커 간의 기하학적 관계를 활용해 초기 위치 추정치를 계산하는 Simplified Geometric Localization (SGL) 알고리즘을 제안한다. 이 초기 추정치는 Geo-LSTM 네트워크에 대한 사전(a priori) 입력으로 사용된다. 이후 Geo-LSTM 알고리즘은 다중 출처의 기하학적 정보를 통합하여 UWB 거리 측정 데이터와 태그의 사전 위치로부터 시계열 특징을 추출함으로써 3D 위치추정 정확도를 한층 향상시킨다. 가림이 존재하는 실제 HRC 과업을 포함하여 복잡한 실내 환경에서의 실험 결과에 따르면, Geo-LSTM 알고리즘은 평균 3D 위치추정 근평균제곱오차(root mean square error, RMSE) 0.103 m를 달성하였으며, 이는 가중최소제곱(weighted least squares, WLS) 방법과 거리 기반 LSTM 알고리즘 대비 각각 38.60%, 31.20%의 개선을 나타낸다. 이러한 결과는 HRC 응용에서 Geo-LSTM이 신뢰할 수 있는 다중 센서 3D 위치추정의 잠재력을 지님을 보여준다.

본 논문은 로봇이 목표 지점에 도달하는 과정에서 제거되는 장애물의 수를 줄여 로봇 조작의 효율을 향상시키는 새로운 알고리즘을 제시한다. 이로써 처리 시간이 단축되어 성능이 향상된다. 슈퍼마켓, 공장 등 복잡하고 혼잡한 환경에서(예: 실시간으로 변화가 계속 발생하는 환경) 로봇 조작이 직면하는 문제는 잘 알려져 있다. 이러한 문제를 해결하기 위해 로봇은 작업 효율을 높이기 위해 장애물의 이동(재배치)을 최소화하면서도 목표에 도달할 수 있는 충돌 회피 경로를 생성해야 한다. 이를 달성하기 위해 제안하는 작업 계획 알고리즘은 Rapidly-exploring Random Tree (RRT) 알고리즘과 수정된 Vector Field Histogram Plus (VFH+)를 통합한다. 해당 알고리즘은 시뮬레이션된 서비스 도메인 환경에서 선반 위에 물체를 배치한 조건으로 테스트한 뒤, 실제 로봇 실험을 수행하였다. 두 실험 모두에서 제안 알고리즘의 결과는 다른 기존 방법에 비해 장애물 제거 횟수가 더 적었으며(최대 37%), 그에 따라 처리 시간이 더 빠른 것으로 나타났다(최대 36% 향상). 따라서 제안 알고리즘은 기존 방법에 비해 장애물 재배치 횟수를 줄이고 처리 시간을 개선하는 것으로 확인되었다. 그 결과, 본 방법은 이전 접근 방식 대비 작업 효율의 향상으로 평가되었으며, 혼잡한 환경을 갖는 서비스 도메인에서의 로봇 조작 활용에 중요한 함의를 지닌다.

물리적 인간-로봇 상호작용(pHRI)에서 로봇이 수행하는 모든 작업에 대해 인간의 안전을 보장하는 것은 매우 중요하다. 감응성(admittance) 및 임피던스 제어와 같은 전통적인 컴플라이언스 제어 전략은 접촉 상실이나 예기치 않은 외력과 같은 사건으로 인해 로봇의 거동이 예측 불가능해지는 경우가 많으며, 이는 인간에게 심각한 위해를 초래할 수 있다. 이러한 한계를 극복하기 위해 본 연구는 운동학적으로 중복 자유도를 갖는 로봇을 위한 다중 작업 에너지 인지 임피던스 컨트롤러를 제안한다. 이 컨트롤러는 가상 전역 에너지 탱크(virtual global energy tank)를 사용하여 단일 작업의 수동성(passivity)과 안전을 보장하는 에너지 인지 임피던스 제어 전략을 다중 작업을 수행하는 운동학적 중복 자유도 로봇으로 확장한다. 제안된 컨트롤러는 단일 전역 에너지 탱크를 통해 로봇이 수행하는 모든 작업의 동력(power) 흐름을 효과적으로 조절하여, 각 작업의 안전성과 수동성을 보장한다. Franka Emika Panda의 말단 작업기(end-effector)와 세 번째 관절(third joint)에 외력을 동시에 가하는 공유 환경에서의 실험 결과, 로봇의 에너지와 동력 및 모든 작업의 동력이 사전에 정해진 임계값 범위 내에서 일관되게 유지되는 것으로 나타났다. 또한 제안된 컨트롤러를 동력 조절 단계에서 null space projection을 고려하지 않는 컨트롤러 및 로봇의 동력을 조절하지 않는 컨트롤러와 비교한 결과, 본 접근법은 로봇의 에너지와 동력 및 모든 작업의 동력을 효과적으로 관리하여 수동성을 유지하면서 안전성을 향상시켰다.

본 연구는 연성 슬라이딩 강성(soft sliding stiffness) 구조와 연성-강성 레이어 슬라이딩 메커니즘을 설계하고 검증하는 내용을 제시한다. 본 연구의 목적은 강성 지지를 제공함으로써 발목 염좌를 완화하고 만성 발목 불안정성의 진행을 해결하는 데 있다. 해당 구조의 연성-강성 레이어 슬라이딩 메커니즘은 컴팩트한 형상 유지와 함께 광범위한 강성 범위를 달성하도록 설계되었다. 구조는 각 레이어 내에 강성 리테이너(retainer) 조각을 포함하여 중공(cuboid) 구조 내에서 슬라이딩이 가능하게 하며, 이를 통해 강성 조절을 가능하게 한다. 서로 다른 슬라이딩 상태에 따른 강성 변화를 조사하기 위한 해석 모델을 제시한다. 구조의 강성 특성은 벤치 테스트와 사람 대상 테스트를 통해 검증되었다. 구조 레이어의 점진적 슬라이딩은 강성의 증가를 초래하였으며, 이는 해석 모델의 예측과 일치하였다. 가장 강성인 단계(0% 정렬)에서는 가장 유연한 단계(100% 정렬) 대비 강성이 유의하게 111.1% 증가하였다. 또한 사람 대상 테스트에서는 최대 93.8%까지 강성 증가가 확인되었다. 이러한 결과는 발목 보조(ankle support) 응용 분야에서 해당 연성 슬라이딩 구조의 적용 가능성을 뒷받침한다.

동적인 실내 환경에서 강건한 인간-로봇 협업(HRC)을 위해서는 정확한 3차원(3D) 위치추정이 필수적이다. 그러나 복잡한 상황에서 고정밀 위치추정을 구현하는 일은 다중경로 효과, 시야각 가림(field-of-view occlusion) 등과 같은 문제로 인해 여전히 어려움을 겪고 있다. 이러한 한계를 해결하기 위해 본 연구에서는 초광대역(ultra- wideband, UWB) 센서, 관성측정장치(inertial measurement unit, IMU), 기압 센서(barometric pressure, BMP)를 통합하는 기하 제약 기반 장단기 기억(geometry-constrained long short-term memory, LSTM) 프레임워크 Geo-LSTM을 제안한다. 먼저, 이중-BMP 센서와 IMU 센서를 사용하여 정밀한 높이 정보를 획득하고, UWB 태그와 앵커 간의 기하학적 관계를 활용해 초기 위치 추정치를 계산하는 Simplified Geometric Localization (SGL) 알고리즘을 제안한다. 이 초기 추정치는 Geo-LSTM 네트워크에 대한 사전(a priori) 입력으로 사용된다. 이후 Geo-LSTM 알고리즘은 다중 출처의 기하학적 정보를 통합하여 UWB 거리 측정 데이터와 태그의 사전 위치로부터 시계열 특징을 추출함으로써 3D 위치추정 정확도를 한층 향상시킨다. 가림이 존재하는 실제 HRC 과업을 포함하여 복잡한 실내 환경에서의 실험 결과에 따르면, Geo-LSTM 알고리즘은 평균 3D 위치추정 근평균제곱오차(root mean square error, RMSE) 0.103 m를 달성하였으며, 이는 가중최소제곱(weighted least squares, WLS) 방법과 거리 기반 LSTM 알고리즘 대비 각각 38.60%, 31.20%의 개선을 나타낸다. 이러한 결과는 HRC 응용에서 Geo-LSTM이 신뢰할 수 있는 다중 센서 3D 위치추정의 잠재력을 지님을 보여준다.

본 논문은 로봇이 목표 지점에 도달하는 과정에서 제거되는 장애물의 수를 줄여 로봇 조작의 효율을 향상시키는 새로운 알고리즘을 제시한다. 이로써 처리 시간이 단축되어 성능이 향상된다. 슈퍼마켓, 공장 등 복잡하고 혼잡한 환경에서(예: 실시간으로 변화가 계속 발생하는 환경) 로봇 조작이 직면하는 문제는 잘 알려져 있다. 이러한 문제를 해결하기 위해 로봇은 작업 효율을 높이기 위해 장애물의 이동(재배치)을 최소화하면서도 목표에 도달할 수 있는 충돌 회피 경로를 생성해야 한다. 이를 달성하기 위해 제안하는 작업 계획 알고리즘은 Rapidly-exploring Random Tree (RRT) 알고리즘과 수정된 Vector Field Histogram Plus (VFH+)를 통합한다. 해당 알고리즘은 시뮬레이션된 서비스 도메인 환경에서 선반 위에 물체를 배치한 조건으로 테스트한 뒤, 실제 로봇 실험을 수행하였다. 두 실험 모두에서 제안 알고리즘의 결과는 다른 기존 방법에 비해 장애물 제거 횟수가 더 적었으며(최대 37%), 그에 따라 처리 시간이 더 빠른 것으로 나타났다(최대 36% 향상). 따라서 제안 알고리즘은 기존 방법에 비해 장애물 재배치 횟수를 줄이고 처리 시간을 개선하는 것으로 확인되었다. 그 결과, 본 방법은 이전 접근 방식 대비 작업 효율의 향상으로 평가되었으며, 혼잡한 환경을 갖는 서비스 도메인에서의 로봇 조작 활용에 중요한 함의를 지닌다.

물리적 인간-로봇 상호작용(pHRI)에서 로봇이 수행하는 모든 작업에 대해 인간의 안전을 보장하는 것은 매우 중요하다. 감응성(admittance) 및 임피던스 제어와 같은 전통적인 컴플라이언스 제어 전략은 접촉 상실이나 예기치 않은 외력과 같은 사건으로 인해 로봇의 거동이 예측 불가능해지는 경우가 많으며, 이는 인간에게 심각한 위해를 초래할 수 있다. 이러한 한계를 극복하기 위해 본 연구는 운동학적으로 중복 자유도를 갖는 로봇을 위한 다중 작업 에너지 인지 임피던스 컨트롤러를 제안한다. 이 컨트롤러는 가상 전역 에너지 탱크(virtual global energy tank)를 사용하여 단일 작업의 수동성(passivity)과 안전을 보장하는 에너지 인지 임피던스 제어 전략을 다중 작업을 수행하는 운동학적 중복 자유도 로봇으로 확장한다. 제안된 컨트롤러는 단일 전역 에너지 탱크를 통해 로봇이 수행하는 모든 작업의 동력(power) 흐름을 효과적으로 조절하여, 각 작업의 안전성과 수동성을 보장한다. Franka Emika Panda의 말단 작업기(end-effector)와 세 번째 관절(third joint)에 외력을 동시에 가하는 공유 환경에서의 실험 결과, 로봇의 에너지와 동력 및 모든 작업의 동력이 사전에 정해진 임계값 범위 내에서 일관되게 유지되는 것으로 나타났다. 또한 제안된 컨트롤러를 동력 조절 단계에서 null space projection을 고려하지 않는 컨트롤러 및 로봇의 동력을 조절하지 않는 컨트롤러와 비교한 결과, 본 접근법은 로봇의 에너지와 동력 및 모든 작업의 동력을 효과적으로 관리하여 수동성을 유지하면서 안전성을 향상시켰다.

본 연구는 연성 슬라이딩 강성(soft sliding stiffness) 구조와 연성-강성 레이어 슬라이딩 메커니즘을 설계하고 검증하는 내용을 제시한다. 본 연구의 목적은 강성 지지를 제공함으로써 발목 염좌를 완화하고 만성 발목 불안정성의 진행을 해결하는 데 있다. 해당 구조의 연성-강성 레이어 슬라이딩 메커니즘은 컴팩트한 형상 유지와 함께 광범위한 강성 범위를 달성하도록 설계되었다. 구조는 각 레이어 내에 강성 리테이너(retainer) 조각을 포함하여 중공(cuboid) 구조 내에서 슬라이딩이 가능하게 하며, 이를 통해 강성 조절을 가능하게 한다. 서로 다른 슬라이딩 상태에 따른 강성 변화를 조사하기 위한 해석 모델을 제시한다. 구조의 강성 특성은 벤치 테스트와 사람 대상 테스트를 통해 검증되었다. 구조 레이어의 점진적 슬라이딩은 강성의 증가를 초래하였으며, 이는 해석 모델의 예측과 일치하였다. 가장 강성인 단계(0% 정렬)에서는 가장 유연한 단계(100% 정렬) 대비 강성이 유의하게 111.1% 증가하였다. 또한 사람 대상 테스트에서는 최대 93.8%까지 강성 증가가 확인되었다. 이러한 결과는 발목 보조(ankle support) 응용 분야에서 해당 연성 슬라이딩 구조의 적용 가능성을 뒷받침한다.

본 연구에서는 마비 환자를 위한 동작 보조 및 훈련을 목적으로 하는 지상(오버그라운드) 보행-재활 로봇 시제품을 제시한다. 기존의 보행-재활 로봇들이 고관절과 무릎의 시상면 운동에 초점을 두는 것과는 달리, 우리는 골반 비대칭(골반 경사) 보조 메커니즘과 하지 외골격을 포함하는 이동형 골반 지지 보행-재활 시스템의 개발을 목표로 한다. 이를 위해 마비 환자의 골반 비대칭 운동 및 체중 지지를 생성하기 위한 가위(scissor) 메커니즘을 제안한다. 또한 하반신 외골격 로봇을 개발된 시스템에 통합하여 기계적 보조를 교정함으로써 환자의 보행을 제공한다. 컴퓨터 보조 분석을 통해 시제품 하드웨어 자체의 성능을 검증하였다. 이러한 방법을 통해, 우리의 구동기는 가위 메커니즘을 통해 사용자의 체중 100 kg을 충분히 들어 올릴 수 있음을 확인하였고, 이동 구동 휠 모터는 사람의 보행 속도인 1.6 m/s에서 작동할 수 있어 저속이 필요한 환자의 보행 재활에 활용될 수 있음을 보여주었다. 더 나아가, 시스템이 골반 운동을 생성하여 모델을 구동함을 검증하였으며, 인체 더미(manquin) 및 시스템을 이용하여 고관절/무릎/골반의 운동을 형성함으로써 다중 자유도 운동을 지지하는 통합 시스템의 위치 제어기를 검증하였다. 제안된 시스템은 마비 환자의 복잡한 재활 동작 보조 및 훈련을 해결하는 데 도움이 될 수 있다고 믿는다.

본 논문은 인간-휴머노이드 협업을 위한 인간 중심의 선제적(proactive) 인체공학적 안전 프레임워크를 제시하며, 협동 작업 전반에 걸쳐 인간의 동작이 신체적으로 안전하고 인체공학적 요구사항을 준수하도록 보장하는 것을 목표로 한다. 벡터 자기회귀(vector auto-regressive) 모델은 반복 작업 데이터에 기반하여 단기 인간 관절 궤적을 예측하고, 예측된 동작은 가상 인간 모델을 통해 추적된다. 제어 장벽 함수(Control Barrier Functions)는 중심의압력(Center of Pressure)을 통한 자세 안정성과 힘 조작가능성 타원체(force manipulability ellipsoid)를 통한 노력 정합(effort alignment)을 포함하여 인체공학적 제약을 실시간으로 강제한다. 협동 들어올리기(lifting) 작업의 시뮬레이션 결과, 이 프레임워크가 예측된 동작을 인체공학적 안전 집합(ergonomic safety set) 내에서 효과적으로 구속함을 보여준다. 정량적 결과로서, 평균 과부하 관절 토크(overloading joint torque)는 어깨에서 24.6% 감소하였고, 총 생체역학적 노력(biomechanical effort)은 각각 어깨와 팔꿈치에서 48.1% 및 60.8% 감소하였다. 이러한 감소는 본 프레임워크가 물리적으로 협동하는 작업에서 인체공학적 안전을 유지하면서 인간의 동작에 선제적으로 적응할 수 있는 휴머노이드 시스템의 가능성을 시사한다.

가변 임피던스 제어(Variable impedance control)는 물리적 인간-로봇 협업(physical human-robot collaboration, pHRC) 및 물리적 인간-로봇 상호작용(physical human-robot interaction, pHRI)에서 널리 사용되는 제어 전략이다. 가변 강성 및 감쇠 파라미터는 변화하는 환경에 대한 적응성을 향상시키고 인간-로봇 상호작용에서의 안전성을 강화한다. 그러나 이러한 적응 파라미터는 특히 동적 환경에서 적절한 관리가 이루어지지 않으면 시스템의 안정성을 저해할 수 있다. 이를 해결하기 위해, 제어 랴푸노프 함수(Control Lyapunov Function, CLF)를 사용하는 모델 예측 제어(model predictive control, MPC) 기반의 가변 임피던스 제어를 위한 실시간 파라미터 예측 방법을 제안한다. 종단 제약을 평형 위치(equilibrium position)로 설정하는 기존 방법과 달리, 제안하는 방법은 파라미터가 변경되거나 외란이 발생하더라도 시스템 안정성을 보장하여 안전하고 적응적인 로봇 동작을 확보한다. 또한 평형 위치에 의존하는 대신 CLF를 적용함으로써 비적합(infeasibility) 문제를 해결한다. 더 나아가 예측 지평(prediction horizon) 전반에 걸친 안정성을 고려하여 시스템의 안정성을 엄격하게 보장한다. 제안 방법은 Franka Emika Panda 로봇을 사용하여 시뮬레이션 및 실제 환경에서 모두, 종단 제약을 평형 위치로 설정하는 방법과의 비교 실험을 통해 검증되었다. 이러한 실험에서 제안된 제어기는 파라미터 계산 시간의 유의미한 감소를 보였으며, 기존 방법에 비해 시뮬레이션 테스트에서 각각 약 97.13% 및 96.20% 더 빠른 계산 성능을 달성하면서도 인간 상호작용, 공구 진동(tool vibration), 접촉 상실(contact loss) 시나리오를 포함한 다양한 외란 하에서 안정성을 일관되게 유지하는 것으로 나타났다.

본 논문은 이질적인 이동형 매니퓰레이터를 이용한 협동 운반을 대상으로, 비선형 최적화와 전신(whole-body) 제어를 결합한 실시간 궤적 계획 방법을 제안한다. 소극적인 경로 추종에 의존하는 기존 접근법과 달리, 제안된 방법은 추종 로봇이 리더의 경로를 횡방향으로 오프셋한 뒤 비선형 최적화를 통해 이를 정밀화함으로써 자신의 궤적을 능동적으로 생성할 수 있도록 한다. 최적화 과정은 혼잡한 환경에서 로봇 간 거리 유지를 위한 조건, 기하학적 일관성, 그리고 장애물 회피를 동시에 고려한다. 최적화된 궤적은 이동 베이스와 매니퓰레이터 간의 임피던스 기반 협조를 통합하는 일반화된 계층적 제어 프레임워크를 통해 실행된다. 서로 다른 보행(로코모션) 및 제어 특성을 갖는 두 대의 이동형 매니퓰레이터를 이용한 실험적 검증을 통해, 본 시스템이 환경 변화에 적응하면서도 종단(말단) 실행기(end-effector) 간 거리를 일관되게 유지함을 보였다. 제안 방법은 고정밀 궤적 추종을 달성하였다(평균 오차: 0.037 m, 표준편차: 0.039 m). 또한 작업 수행 시간의 96.09% 동안 로봇 간 간격을 1.05–1.65 m 범위 내에서 유지하였다. 결과는 적응성, 정밀성, 로봇 간 협조의 필요성을 강조하면서, 제안된 프레임워크가 실제 환경에서의 협동 운반 상황에 대해 갖는 관련성을 입증한다.