촉각은 환경과 접촉한 상태에 대한 풍부한 정보를 제공한다. 미지의 환경 속 로봇 애플리케이션에서는 특히 촉각이 중요한 역할을 할 것으로 기대된다. 한편 일률적으로 촉각이라고 해도 다양한 성질의 정보가 포함되어 있어 로봇의 ‘촉각 정보’ 정의는 시각 정보에 비해 애매하다. 또한 촉각은 피부에 분포하는 감각이기 때문에 촉각을 모방한 센서 디바이스(촉각 센서)의 설계는 일반적으로 실장하는 로봇의 형상이나 기능에 따라 다르다.
물체의 파지나 조작을 목적으로 하는 로봇에서 촉각 센서는 주로 엔드 이펙터에 탑재되며, (1) 접촉이나 미끄러짐 발생과 같은 접촉 이벤트 검지, (2) 접촉 위치나 접촉력에 기초한 파지의 안정성 평가, (3) 접촉 위치·힘을 피드백하는 것에 의한 힘 제어, (4) 접촉을 통한 물체 특성의 인식·추정에 이용된다. 즉, 촉각 센서를 탑재한 엔드 이펙터는 목적하는 물리 작업을 하기 위한 반응기인 동시에 촉각 탐색(Tactile exploration)을 하기 위한 프로브이기도 하다. 촉각 센서의 설계나 실장에 있어서는 작업 능력과 지각 능력을 양립시키는 것이 중요하다.
촉각 센서의 검출 방식에는 저항식, 정전용량식, 광학식 등 여러 가지가 있는데, 그 대부분에 공통되는 특징은 센서 구조가 탄성을 가지며 접촉에 따른 구조 내의 변형이나 변위로부터 접촉 상태에 관한 정보를 얻는 것이다. 일반적인 센서와 마찬가지로 감도와 다이내믹 레인지를 양립하는 것은 어렵다. 또한 센서 구조의 유연성이나 내구성과 같은 기계적 특성이 엔드 이펙터 자체의 (나아가서는 로봇 시스템 전체로서의) 작업 성능을 저하시키는 것은 바람직하지 않다. 따라서 촉각 센서에 기초한 힘 제어를 하기 위해서는 목적 작업의 수행에 필요한 발생력을 고려한 구조 설계에 의해 적절한 감도·다이내믹 레인지·내구성을 가지는 것이 필요하다. 더욱이 촉각 탐색에 의해 물체 특성을 인식·추정하기 위해서는 촉각 센서가 감도 좋게 응답하는 접촉력의 레인지 내에 유지하는 것이 바람직하다.
즉, 양호한 촉각 센싱과 양호한 접촉력 제어는 상승적인 관계에 있다. 로봇 매니퓰레이션을 위한 촉각 센서의 이용에 있어서는 목적 달성을 위한 동작 생성과 센싱이 양립될 수 있도록 기구·센서·제어의 통합적인 설계가 요구된다. 그러나 촉각 정보로서 취득해야 할 정보는 로봇마다 다르기 때문에 설계는 시행착오적이 될 수밖에 없다.
이 글에서는 로봇 시스템에 대한 촉각 센서의 통합을 검토할 때에 참고가 되도록 ‘촉각 정보에는 어떤 것이 있는가’와 ‘로봇 매니퓰레이션의 촉각 정보 이용 방법’에 초점을 맞춰 기존 연구 사례의 경향을 정리한다.
촉각 정보의 분류
촉각 센서가 어떤 정보를 제공할 때 엔드 이펙터는 이미 환경과 접촉해 물리 작업을 실행 중에 있다. 촉각 정보는 즉시 동작 제어에 피드백되어 작업의 로버스트성과 신뢰성을 향상시키는 데에도, 능동적인 접촉 행동의 결과로부터 환경을 인식하고 다음 작업이나 동작을 계획하는 데에도 이용된다. 촉각 센서로부터 얻은 정보를 계층적으로 처리해 상위 작업 계획기에서부터 하위 제어기까지의 각 장소에 적합한 형태로 피드백하는 개념은 촉각 센서 연구 초기 단계에서부터 전망됐다.
최근에는 Li 등이 계층적인 분류 방법을 제시하고 있다. 이것은 가장 저차인 센서의 원시 데이터 계층(sensor-level. 이하, ‘센서 레벨’)을 기점으로 개별 접촉점의 접촉 정보 계층(contact-level 접촉 레벨), 촉각 탐색이나 다점 접촉에 의한 물체 전체의 정보 계층(object-level 물체 레벨), 환경과 인터랙션하기 위한 로봇의 행동에 관련된 정보 계층(action-level 행동 레벨)으로 이루어진다.
1. 센서 레벨
센서 레벨의 촉각 정보에는 접촉력, 진동, 열, 근접 등이 포함된다고 되어 있다. 단 이들은 촉각 센서의 출력 신호로부터 어떠한 연산을 통해 추정되는 물리량으로, 오히려 출력 신호의 원시 데이터 자체(저항식이면 아날로그 전압값, 광학식이면 화상 데이터)를 가장 저차의 촉각 정보로서 고려해야 할 것이다. 예를 들어, 데시가와라(勅使河原) 등은 저항식 촉각 센서에서 물체와의 미끄러짐이 발생하기 직전에 고주파 전압 변화가 생기는 것을 발견하고 그리퍼의 손가락 개폐량을 제어하는 데 이용했다. 이 고주파 성분은 센서 설계 시에는 의도하지 않았던 구조 내 부품 간의 어긋남으로 인한 전기적인 노이즈가 요인인 것으로 시사된다. 물리적인 접촉에 따른 출력 신호의 변화에 재현성과 이용 가능성이 있다면, 이들은 유익한 촉각 정보로 간주할 수 있다.
2. 접촉 레벨
접촉 레벨의 촉각 정보에는 접촉에 관한 기하적 정보(접촉 위치․법선 방향․곡률), 역학적 정보(법선력·접선력·모멘트), 접촉 이벤트(접촉의 발생 및 소실·미끄러짐·구름), 물체의 재료 특성(강성·마찰계수·텍스처)이 포함된다. 엔드 이펙터가 물체를 파지했을 때의 양호도 지표를 파지 품질이라고 부르며, 힘의 균형, 외란에 대한 로버스트성, 가조작성 등에 의해 평가된다. 여러 가지 평가 지표가 제안되어 있지만, 접촉에 관한 기하학적 및 역학적 정보는 파지 품질 평가에 있어 특히 유용하다. 대상 물체의 위치나 자세가 불확실성을 포함하는 조건 하에서 파지를 실행했을 때, 발생한 접촉의 조합이 낮은 파지 품질을 나타낸 경우 혹은 의도치 않은 접촉 이벤트가 검출된 경우, 시스템은 파지 실패로 판정해 재파지를 계획할 수 있기 때문에 작업 수행의 로버스트성을 높일 수 있다.
또한 센서 설계의 단계에서는 엔드 이펙터나 파지 물체의 형상이나 재료 특성에 기초한 접촉 모델(예를 들어 문헌 ‘Articulated Hands: Force Control and Kinematic Issues’)을 고려하는 것도 중요하다. 강체끼리의 접촉 영역은 점이 되고(점 접촉), 그 접촉은 접촉 위치와 힘만으로 표현할 수 있다. 한편, 어느 하나가 유연성을 가지면 접촉 영역은 면이 되고(유연 접촉) 접촉면의 형상이나 압력 분포, 법선 주위의 모멘트 등 공간적 확장을 가진 정보가 매니퓰레이션에 영향을 미치는 요소로서 포함된다. 따라서 작업 수행에서 발생할 것으로 예상되는 접촉 모델에 적합하도록 접촉 레벨의 촉각 정보를 제공할 수 있는 센서 설계와 선정을 적재적소에서 해야 할 것이다. 예를 들어 유연 접촉의 상태를 추정하기 위해서는 고해상도 어레이 형태의 촉각 센서가 강점을 발휘한다. 점 접촉의 위치와 힘의 추정이라면, 촉각 센서를 사용하지 않고 엔드 이펙터 구조 내에 6축 역각 센서를 탑재하는 편이 유리한 경우도 생각할 수 있다.
3. 물체 레벨
물체 레벨의 촉각 정보에는 물체의 위치·자세, 형상, 질량 등이 포함된다. 대상 물체가 컵 등의 용기인 경우, 그 내용물의 양이나 특성도 촉각 정보로 간주되는 경우가 있다. 특히 많이 다루고 있는 것이 촉각 탐색에 의한 위치·자세의 동정 및 형상의 추정이다. 환경 속 물체의 3차원 위치·자세나 형상은 심도 화상 센서와 같은 시각 센서에 의해 추정할 수 있지만, 조명 조건이나 차폐물의 영향으로 추정 오차나 정보 결여가 생긴다. 또한 시각 센서의 좌표계에서 로봇의 기준 좌표계로 변환하는 데서 생기는 오차나 엔드 이펙터의 위치결정 오차도 생긴다. 촉각 센서에 의해 물체와의 접촉을 지각하는 것은 이러한 오차에 기인하는 불확실성에 대해 엔드 이펙터와 물체 사이의 확정적인 정보를 제공한다.
물체 레벨의 촉각 정보의 추정에는 반복적인 접촉 동작, 추적 동작, 파지 물체를 흔드는 동작과 같은 능동적인 탐색 행동이 이루어진다. 이 경우, 촉각 센서 단체의 성능보다 움직임과 관련된 인식 기술이 중요해져 촉각 탐색에 적합한 엔드 이펙터의 형상이나 암의 운동 자유도 설계, 효율적으로 탐색하기 위한 동작 계획을 고려하게 된다. 또한 센서 선정으로는 한 번에 광역의 정보를 얻을 수 있는 광학식을 이용하는 사례를 많이 볼 수 있다.
4. 행동 레벨
행동 레벨의 촉각 정보는 앞에서 말한 세 계층의 정보에 기초한 연산 처리의 출력으로, 제어 시스템의 각 장소에 피드백하는 데 적합한 형식을 갖는다. 예를 들어 압력 분포에 기초한 엔드 이펙터의 다음 시간 단계의 위치·자세 목표값이나 접촉 이벤트 검지에 기초한 동작 양상의 전환 지령 정보이다.
그림 1은 매니퓰레이션의 촉각 정보 이용의 흐름을 정리한 것이다. 어떤 시각에 측정된 촉각 센서의 출력 신호는 즉시 다음 단계에 이용되기도 하고, 물리 모델 내에서 다루기 쉬운 기하적․역학적 정보의 추정, 나아가 여러 촉각 정보의 통합이나 시계열 행동과 관련된 촉각 정보에 기초한 환경 특성의 추정을 통해 이용되기도 한다.
이상에서 설명한 촉각 정보의 분류는 어디까지나 일례일 뿐으로 그 정의가 공통 인식으로 되어 있지는 않지만, 매니퓰레이션 작업의 촉각 정보 이용 전망을 좋게 한다. 모델 기반의 관점에서 보면, 촉각 센서를 시스템에 실장할 때 중요한 것은 작업 계획·동작 계획·동작 제어의 각 단계에서 환경 및 환경과 로봇의 인터랙션을 어떻게 모델화할지, 모델 내의 어떤 촉각 정보가 미지 혹은 불확실한지, 촉각 정보를 얻기 위한 촉각 센서에 대한 요구 사양은 무엇인지, 또한 촉각 센서의 추가에 의해 인터랙션 모델에 중대한 영향은 없는지를 명확하게 하는 것이다.
촉각 정보에 기초한 동작 생성
촉각 정보 중 물체 레벨의 정보나 일부 접촉 레벨의 정보는 그들을 얻은 시점에서 이미 알려진 환경 특성이 되어, 이미 알려진 환경을 전제로 한 제어 기법을 적용할 수 있다. 한편, 보다 저차의 촉각 정보에 기초한 동작 생성은 접촉 상태가 다이내믹하게 변화하는 작업을 주된 대상으로 하며, 순간의 촉각 정보에 기초한 순차적인 동작 생성을 하는 국소적인 피드백 루프에 이용되는 경우가 많다.
Son 등은 다양한 작업 세그먼트에 적합한 기본적인 센싱과 제어 모드로서 프리미티브(Primitives)라는 표현을 이용했다. 촉각 정보에 기초한 프리미티브(Tactile primitives 촉각 프리미티브) 중 접촉 이벤트 검출에 기초한 작업의 세그먼트화를 실시하는 것을 작업 공간 어프로치(Task-space approach), 연속적인 제어를 위한 피드백을 실시하는 것을 센서 공간 어프로치(Sensor-space approach)라고 불렀다.
센서 공간 어프로치의 요점은 작업 공간상의 기하 구속에서 센서 공간상의 구속으로 변환하는 매핑과 센서 공간의 최적화가 작업 공간에서 원하는 기하 구속의 달성을 의미하도록 설계하는 것이다. 예를 들어, 평행 그리퍼의 손가락 끝에 촉각 센서 어레이를 설치해 반응량 분포의 중심 위치 편중과 손끝 자세의 회전 각속도를 매핑하고 중심 위치의 편중을 0으로 제어함으로써 접촉 대상 물체와 그리퍼의 자세를 맞출 수 있다. 문헌 ‘Multilayered Center-of-Pressure Sensors for Robot Fingertips and Adaptive Feedback Control’은 유사한 동작 생성을 다관절 손가락으로 실시했다. 여기서는 손가락 끝 상의 접촉 위치·법선력·접선력에 상관되는 특징량을 센서 공간에서 추출, 각 관절의 목표 토크에 매핑함으로써 원하는 접촉 상태를 유지하는 것이다.
센서 공간과의 매핑 대상은 반드시 작업 공간이 아니어도 된다. 촉각이 아니라 근접각의 사례이지만 문헌 ‘Pre-shaping for Various Objects by the Robot Hand Equipped with Resistor Network Structure Proximity Sensors’에서 고야마(小山) 등은 손가락 끝의 센서에서 본 근방 물체 표면과의 자세와 거리에 상관되는 출력 신호를 손가락 각 관절의 각속도(즉 관절 공간)에 매핑하고 있다. 여기서 롤 방향의 자세 오차를 근원의 선회 관절, 피치 방향의 자세 오차를 끝 측의 굴곡 관절, 거리 오차를 근본 측의 굴곡 관절에 일대일로 대응시키고 있는 점도 중요하다. 로봇의 운동 자유도와 센서의 출력 정보 사이에 정합성이 있는 경우, 단순한 제어기로 합목적의 행동을 생성할 수 있음을 시사한다.
한편, Hogan 등은 촉각 정보에 기초한 제어를 접촉 상태 제어(Contact state control)와 물체 상태 제어(Object state control)로 분류해 이용했다. 전자는 손끝과 물체의 접촉 형태(접촉·비접촉, 고정·미끄러짐)를 바람직한 상태로 유지하기 위한 것으로, 예를 들어 미끄러짐이 발생했을 때에 부가적인 손끝 자세 변위나 힘을 부여함으로써 매니퓰레이션을 계속 가능하게 한다. 단, 미끄러짐 발생으로 당초의 궤도에서 벗어날 가능성이 있다. 후자는 이 문제에 대처하는 것으로, 물체의 자세를 추정해 궤도를 계속적으로 재계획함으로써 목표 달성에 기여한다. 즉, 동일한 촉각 센서 출력에 기초해 접촉 레벨과 물체 레벨의 촉각 정보를 이용한 피드백 제어를 병렬 또한 계층적으로 실행함으로써 외란이나 환경의 불확실성 속에서도 로버스트하게 목표 작업을 달성한다. 유사한 틀은 She 등에 의해 케이블 매니퓰레이션에도 응용됐다. 이와 같이 계층적으로 촉각 정보를 추출해 병렬적․계층적으로 제어기에 입력하는 것은 반응기에 탑재되는 센서의 이용 방법으로 합리적이라고 생각된다.
이상의 사례는 물체 조작이 작업 목적이며, 촉각 정보의 피드백은 주로 힘의 상호작용 불확실성을 억제하기 위해 이용된다. 이에 반해 촉각 탐색에 의한 물체·환경의 기계적 특성 인식을 목적으로 하는 경우도 있다. 이 경우 촉각 정보의 피드백은 정보 취득의 효율이나 확실성 향상에 기여하는 것이 중요하다.
Lepora 등은 촉각 센서를 갖춘 손가락 끝에 의한 탭 조작에 의해 물체의 텍스처를 인식하는 작업에서 약간의 압입 깊이의 차이가 추정에 크게 영향을 미치는 경우가 있음을 지적하고, 촉각 정보에 기초한 능동적인 센서 위치 제어 및 그 과정의 확률적 추론을 이용했다. 기계학습을 이용해 촉각 정보로부터 물체의 기계적 특성을 추정하는 경우, 학습 데이터 수집 시와 동일한 접촉 조건(압입 깊이나 접촉력)을 재현하는 것이 바람직하지만, 구조화되지 않은 환경에서는 손가락 끝과 물체의 위치 관계에 불확실성이 존재하기 때문에 곤란하다. 이 문제에 대해 접촉 레벨의 촉각 정보에 기초한 동작 생성과 조합함으로써 로버스트 추정이 가능하다는 것을 보여준다.
촉각 탐색에 의한 물체의 등급 분류나 3차원 형상 재구성에서는 물체 레벨의 촉각 정보가 능동적인 탐색 계획에 이용된다. 이때 촉각 정보는 3차원 점군과 같은 물체 형상을 표현할 수 있는 형식을 갖는다. 한 번의 접촉으로 전체 형상을 얻을 수 없기 때문에 여러 개의 이산적 혹은 연속적인 접촉 동작이 필요하다. 따라서 촉각 정보는 형태를 표현하는 동시에 다음 탐색 장소의 후보를 결정하는 데 이용할 수 있는 것이 바람직하다. 예를 들어, 가우스 과정 음함수 곡면(GPIS: Gaussian Process Implicit Surface)을 이용해 물체의 표면 형상을 표현하는 기법에서는 각 영역의 불확실성을 제공할 수 있기 때문에 촉각 탐색 궤도 계획의 효율화를 할 수 있다.
촉각 탐색에 기초한 3차원 형상 재구성의 과제로서 환경 내에 놓인 물체의 형상을 탐색하는 경우, 접촉에 의해 물체의 위치·자세가 어긋날 가능성이 있다. 이에 대해 Pan 등은 능동 회전이 가능한 롤러에 촉각 센서를 내장한 구조의 손가락 끝을 가진 두 손가락 그리퍼를 이용해 손안에서 물체를 회전시키면서 연속적인 촉각 센싱을 함으로써 물체의 형상과 자세를 추정하는 방법을 제안하고 있다. 로봇 기구 측의 어프로치에 의해 효과적인 촉각 정보의 취득과 이용을 실현하는 예라고 할 수 있다.
또한 문헌 ‘Proximity-based Non-contact Perception and Omnidirectional Point-cloud Generation Based on Hierarchical Information on Fingertip Proximity Sensors’에서는 접촉이 없는 근접각 센싱에 의해 물체의 3차원 형상을 추정하는 기법을 제안했다. 근접각 정보에 기초한 피드백 제어에 의해 물체 표면과의 접촉을 피하고 근거리를 유지하면서 정보 취득을 함으로써 고정도의 3차원 형상 추정을 가능하게 했다.
맺음말
마지막으로 문헌 ‘Exploratory Tactile Servoing With Active Touch’에 따르면 촉각 센서에 기초한 제어와 인식을 조합한 어프로치 중 제어가 주목적인 것을 촉각 서보(Tactile servoing), 탐색(Exploration), 조작(Manipulation)이라고 부르며, 인식이 주목적인 것을 능동적 지각(Active perception), 능동적 탐색(Active exploration)이라고 부른다. 용어 자체에 의미는 없지만, 어프로치는 다르더라도 동일한 구조로 통합할 수 있다는 것에 다시금 주의해야 한다고 생각한다.
물리적 인터랙션의 국소 합리성을 유지하는 것은 접촉 대상에 관한 지속적인 정보 취득을 가능하게 한다. 축적된 정보에 기초한 고도의 지각은 더욱 교묘한 물리적 인터랙션을 가능하게 한다. 이러한 촉각 정보에 기초한 제어와 인식의 상호 이용은 아직 충분히 연구되어 있다고 말하기 어렵다. 특히 단일 작업 요소가 아니라 환경도 로봇 자체도 시간이 지남에 따라 변화·열화하는 장기적 또는 반복적인 작업에서 특히 의미가 있을 것으로 예상된다.
