원전 작업용 로봇을 위한 병렬형 다리와 학습 기반 보행 제어 알고리즘 개발

Abstract

본 논문의 목적은 원전 작업용 로봇의 태스크 수행 능력을 유지하면서 이동성을 향상시키는 것이다. 보행로봇의 경우 구동기가 차지할 수 있는 부피가 한정되므로 로봇의 무게에 의해 이동성이 저하된다. 또한 ZMP보행은 push-off를 이용하는 사람의 보행보다 비효율적이며 도달할 수 있는 속도가 제한된다. 이를 해결하기 위해 push-off를 이용한 보행로봇이 제작되었지만 양발 지지상태에서 균형을 잡을 수 없는 한계를 가진다. 따라서 본 연구에서는 경량으로 높은 부하를 버틸 수 있는 병렬형 다리와 Push-off를 이용한 보행제어 기법을 제안했다. 병렬형 다리의 요구토크가 최소화 되도록 비선형 최적화를 수행하고자 한다. 그리고 보행제어 시 복잡한 모델링을 수행하지 않고 잡음이 심한 센서정보를 이용하지 않기위해 신경망을 사용하여 접촉력 모델을 학습시키고자 한다. 그리고 신경망 접촉력 모델과 Push-off 제어기를 동적 보행 시뮬레이션에 적용하여 제한되 알고리즘의 성능 및 외란에 대한 강인함을 검증한다. 또한 Push-off 보행제어의 파라미터를 심층 학습으로 최적화하여 최대 속도를 향상시키고자 한다. 심층 학습 에이전트와 균형제어기를 분리하여 실제 로봇에 적용시 혹은 온라인 학습과정에서 모델 오차가 존재하거나 외란이 있더라도 최대한 넘어지지 않도록 한다. 이 에이전트가 임의의 모델 오차를 가지는 상황에서도 전복 확률을 최소화 할 수 있음을 시뮬레이션으로 검증한다. 본 연구에서 사용된 제어기와 학습 모델은 복잡한 병렬 로봇의 접촉력 제어에 대해 가능성 있는 해법을 제시한다.