Probabilistic ROBOTICS
자율 로봇 제어를 위한 패러다임, 확률 로보틱스
확률 로보틱스(Probabilistic Robotics)란 단순히 확률을 이용해서 특정 문제를 해결하는 것이 아니라 베이즈의 정리(Bayes` theorem-두 확률 변수의 조건부 확률과 경계 확률 사이의 관계를 나타내는 정리), 마르코프 과정(Markov Process), 최적제어 이론을 중심으로, 설치된 로봇의 센서, 액추에이터, 업무에 대한 문제정의를 일반화한 것이다. 그간 베이즈의 정리를 로보틱스에 응용하려던 시도가 꾸준히 이어졌고, 2005년 ‘THRUN’의 저서「Probabilistic ROBOTICS」에 의해 지금까지의 연구가 정리됨에 따라 본격적으로 주목 받게 된 확률 로보틱스. 이를 기반으로 한 센서와 액추에이터 연구를 본지에서 소개한다.
근육을 모델링한 액추에이터의 확률적 제어
인간과 동물의 생체시스템에서 볼 수 있는 매끄러운 동작과 로봇과 같은 기계 시스템에서의 동작사이에는 분명한 차이가 있다. 재질, 신호처리, 에너지 공급방법 등에서 많은 차이가 궤도 계획에 영향을 주기 때문에 최종적으로 다른 인상을 갖는 동작을 만들어 내는 것은 극히 당연한 것이다. 동작 생성 시 제일 중요한 것은 H/W인 액추에이터 즉, 골격근이다. 근육은 즉응성과 콤팩트성에서 대단히 뛰어나나 다른 한편 재질에 기인한 비선형성이나 근피로(筋疲勞)등의 결점도 있다. 이러한 이유로 근육이 이상적인 액추에이터라고 할 수는 없지만 신경계는 근육 구조상의 특성을 살려 단점을 보완하는 것처럼 기묘한 제어를 하고 있다.
근육을 모델링한 액추에이터에는 다음과 같은 5가지 콘셉트를 가지고 있다. ①신경신호의 브로드 케스트 ②신호전달의 확률적 특성 ③액추에이터의 2종 (ON/OFF)제어 ④다수의 구동 유닛을 접속하는 셀 구조 ⑤액추에이터의 컴플라이언스가 바로 그것이다. 근육을 모델링한 셀룰러 액추에이터의 콘셉트는 ON/OFF 2개의 기능으로 제어되는 다수의 유닛(셀)을 직렬 또는 병렬로 배열해 전체적인 하나의 액추에이터로 구성하는데 있다. 각각의 액추에이터를 ON/OFF으로 제어하는 방식에는 두 가지의 이점이 있다.
하나는 재질의 신축에 의한 히스테리시스의 문제를 회피하는 것과 구동회로의 간략화이다. 셀룰러 액추에이터의 특징 중 하나는 모듈 구조이며, 다수의 액추에이터 유닛 배열방법을 용도에 따라 적절히 결정할 수 있다. 큰 변위가 필요한 경우 액추에이터 배열을 직렬로 구성하면 좋고, 힘이 필요한 경우는 병렬로 구성해 힘을 가산하는 구조로 만들면 된다. 일반적으로 액추에이터의 수가 증가함에 따라 가능한 배열방법은 지수관수적(指數關數的)으로 증가한다. 스펙을 만족시키는 배열을 수작업으로 찾는 것은 한계가 있다. 즉, 유닛의 직렬접속은 큰 변위가 발생하는 데 유리하지만 한편으로 힘이 적어지는 폐해도 있다. 변위나 힘이라는 액추에이터의 기본적 성질 외에 고장에 대한 저항성도 중요하다.
액추에이터의 배열에 포함되는 유닛의 수가 많아지면 중앙제어로 집중적인 관리가 어렵게 된다. 이에 중앙 제어로 유닛의 전부를 통괄하는 대신 방송극처럼 동시에 제어신호를 전달하는 방법을 고안했다. 개개의 유닛은 신호의 강약에 따라 ON-OFF라인에 천이 확률을 변화시키는 분산 컨트롤러를 갖는다. 이 때 지정하기 위한 신호선이 일체 불필요함으로 신호선이 간소화 된다. 액추에이터의 출력은 확률 제어에 수반한 노이즈의 성분에 따라 나타난다. 또한 Broadcast Control에 수반하는 액추에이터의 노이즈 성분은 지령치에 의존한다. 한편 ‘Harris’ 등은 근육 내와 노이즈 성분의 표준편차는 신호에 비례한다고 가정하였다. 생리시험은 반드시 이러한 비례관계를 나타내지 않으며 노이즈를 기술하는 관수의 선택에는 의론(議論)의 여지가 있다.
확률적인 Broadcast Control을 실시한 액추에이터를 사용한 로봇 암을 제어한다고 생각할 때 Broadcast Control에 의한 액추에이터의 2차 관수는 Harris 등이 제창하는 신호강도의존노이즈(SDN)와는 다르다. 이 2차 관수 노이즈를 발생하는 기구는 공학적으로 분명하다. 역으로 표준편차가 신호강도에 비례한다.
촉각의 확률공명
촉각은 환경과의 상호작용을 적극적으로 활용한 센싱이다. 촉각의 상호작용을 살펴보면, 대상에 접촉함에 따라 촉각기관인 손가락 표면이 변형함과 동시에 대상도 변형하게 된다. 이때의 변형은 재료특성 및 기하학 상에서 비선형이다. 또한 더욱더, 감각기관에 의해 얻어진 정보는, 뇌 내의 신경세포에 의해 처리되어 감각으로서 인지되게 된다. 이 신경세포는, 비선형·비평형 특성을 가지고 있다. 이상과 같이 촉각 센싱은 본질적으로 비선형 현상이다. 사람은 환경 노이즈 가운데서도 1μm정도의 요철까지 센싱할 능력을 가지고 있다. 이러한 능력에 대해서도 복잡계 과학의 입장에서 설명 할 수 있는 가능성이 있다.
특히 Hodgkin-Huxldey모델(HH모델)이나 Belousov-Zhaboti-Nsky반응(B-Z반응)으로 관찰되는 복잡계 과학현상 가운데 확률공명현상에서 착안했다. 확률공명이란 대상의 비선형·비평형 특성이 외란 노이즈에 반응해서 평형상태가 어느 상태로부터 별도의 상태로 천이(遷移)하기 위해 생기는 현상이다. 촉각은 외부 환경과의 상호작용에 의해 인지되는 감각인 관계로 외란 노이즈가 필연적으로 가해지게 된다. 로봇의 감각도 이와 같아 확률공명현상을 받아드리게 됨에 따라 현상의 촉각센서의 정도를 높이거나, 안정적인 계측이 가능하다.
실험을 통해 넓은 범위의 노이즈 강도에 대해 조사한 결과, 입력 노이즈의 변화에 대한 SN비는 격심하게 진동하고 있었다. 돌발적으로 생긴 SN비(Signal to Noise Ratio)의 피크 치를 제외하면 노이즈의 편차가 10μA부근에서 SN비가 극치를 나타내고 있었다. 이 결과로부터 다시 HH모델에 확률 공명현상이 있음을 확인됐고, 약간의 노이즈 레벨 변화가 SN비에 크게 영향을 주고 있음을 확인할 수 있었다. 로봇의 촉각 센싱에 적용할 것을 목적으로 슈미트 트리거(Schmitt trigger)회로를 베이스로 전자회로에 확률공명현상을 생기게 하는 연구를 실사한 결과에서 얻어진 내용은, 노이즈 강도 15mV에서는 큰 SN비를 얻지 못하지만 35mV로 증가시키면 SN비의 피크치를 얻게 된다.
생물에서 확인되는 확률공명이 사람의 촉각에서도 적용되는지 여부의 문제에 대해서 ‘Collins’ 등은 대형파상의 압각 신호(壓覺信號)가 포함된 기계자극과 포함되지 않은 기계자극을 무작위로 피험자의 손가락에 전하는 실험을 했다. 대형파상신호의 파형을 작게 하면 정답을 말할 확률이 50%였고, 작은 대형파상신호에 노이즈를 가하면 적절한 노이즈 레벨에서는 정답률이 75%를 초과했다. 이러한 연구로 개발한 인공적으로 확률공면현상을 발생시키는 회로를 촉각 센싱에 적용하면 검출 한계를 넘어 미세한 요철을 인지할 수 있다는 것을 알게 되었다.
더욱이 HH모델을 활용한 시뮬레이션으로부터 확률공명현상을 생기게 하는 방법은 아직도 개량의 여지가 있다. 로봇에 적용하기 위해서는 회로 조정에 조작이 필요한 점 등을 개량할 필요가 있다. 그러나 회로의 조정에 조작이 필요하다는 등 로봇에 적용하기에는 앞으로 개량을 할 필요가 있다. 더욱이 HH모델을 활용한 시뮬레이션으로부터 확률공명현상을 생기게 하는 방법은 아직도 개량의 여지가 있다.
