힘 반향 햅틱장치를 이용한 협동로봇의 모방학습 기반 위치/힘 제어에 관한 연구 = A Study on Imitation Learning-Based Position and Force Control of a Collaborative Robots Using a Force-Feedback Haptics Device

국문 초록 (Abstract)

최근 산업, 의료, 서비스, 연구 분야에서 매니퓰레이터의 활용 범위가 점차 확대됨에 따라, 복잡하고 정밀한 조작 작업, 특히 위치/힘 동시 제어 작업 수행이 가능한 로봇 시스템의 수요가 증가하고 있다. 기존의 티칭 펜던트(Teaching Pendant)를 이용한 작업 교시 방식은 고난도 작업을 정의하기 어렵고, 다자유도 시스템에서는 직관성과 효율성이 낮다는 한계가 있다. 이러한 한계를 극복하기 위해 본 논문에서는 사용자의 시연 데이터를 효과적으로 수집하고 학습하는 모방학습 기반의 Master–Slave 교시 시스템을 제안한다.

제안하는 시스템은 Action Chunking with Transformers (ACT) 알고리즘을 기반으로 위치와 힘 정보를 동시에 처리할 수 있도록 확장하였다. 시연 데이터에 직교공간 위치와 힘/토크(Wrench) 데이터를 관찰데이터로 통합하여, 외력 변화에 대응하는 사용자의 감각적 조절 능력을 학습모델이 명시적으로 학습하도록 구성하였다. 사용자는 Tendon Driven 방식의 Master Arm을 조작하여 협동로봇(Slave Arm)의 움직임을 직관적으로 시연하며, 작업 중 발생하는 외력 정보를 실시간으로 반향(feedback)받는다. Master Arm은 저마찰·저관성 특성을 갖도록 설계되어 사용자의 섬세한 조작이 가능하며, Slave Arm은 직교공간 상의 목표 위치 명령을 실시간으로 추종하도록 구성하였다. 또한, Webots 기반 물리엔진 시뮬레이터를 이용하여 힘 반향 성능을 검증하고, 동일한 제어 알고리즘을 실제 로봇 시스템에 적용하여 Master Arm의 힘 반향 특성과 학습 안정성을 실험적으로 검증하였다.

본 연구는 고난도 로봇 작업 교시를 위해 힘 정보가 결합된 협동로봇의 모방학습 기반 로봇 교시 시스템을 제시하였다는 점에서 의의가 있다. 나아가, 비정형 환경에서의 로봇 조작 지능 구현을 위한 기반 기술로 활용될 수 있을 것으로 기대된다.

다국어 초록 (Multilingual Abstract)

As the utilization of manipulators continues to expand across industrial, medical, service, and research fields, there is an increasing demand for robotic systems capable of performing complex and precise manipulation tasks, particularly those requiring simultaneous position and force control. While conventional teaching pendant methods offer high precision in positioning, they face significant limitations in defining complex, dexterous tasks. Furthermore, they suffer from low operational efficiency and increased control complexity when applied to multi-degree-of-freedom collaborative robots. To overcome these limitations, this paper proposes a Master–Slave teaching system based on imitation learning, designed to effectively collect and learn from user demonstration data.

The proposed imitation learning algorithm is an extended version of the Action Chunking with Transformers (ACT). In this framework, the demonstration data integrates both Cartesian position and the force/torque vector (Wrench) as observation inputs, enabling the explicit learning of position–force interactions. Consequently, the learned imitation policy reflects the operator’s tactile and force perception under varying external forces, allowing the collaborative robot to reproduce stable and generalized motions even in tasks requiring hybrid position–force control. The operator manipulates a tendon-driven Master Arm to intuitively demonstrate motions for the Slave Arm, while receiving real-time force feedback during task execution. The Master Arm is designed with low friction and low inertia to ensure precise human manipulation, while the Slave Arm tracks target Cartesian positions in real time. Furthermore, the proposed control algorithm was validated through a Webots-based physics simulator, and the same framework was applied to a real robotic system to experimentally verify the force-feedback characteristics and learning stability.

This study presents a novel imitation learning–based robot teaching system that integrates position and force information, contributing to the development of intuitive and efficient teaching frameworks for collaborative robots. Ultimately, the results of this research are expected to serve as a foundational technology for implementing robotic manipulation intelligence in unstructured and dynamic environments.

목차 (Table of Contents)

• 국문요약 = ⅵi
• I. 서 론 = 1
• 1.1 연구의 필요성 및 목적 = 1
• 1.2 사용자 시연 데이터 기반 작업 교시 방법 = 2
• 1.3 본 연구의 구성 = 6
• II. 모방학습 알고리즘 개발 = 7
• 2.1 모방학습 개요 = 7
• 2.2 시연 데이터 수집 = 8
• 2.2.1 이미지 데이터 기록 = 8
• 2.2.2 작업 로봇의 위치 및 동작 시퀀스 데이터 정의 = 9
• 2.2.3 힘/토크 데이터 기록 = 10
• 2.3 수집된 시연 데이터 학습 과정 = 11
• 2.4 기존의 모방학습 시스템 구성 수행 = 13
• III. 모방학습 작업 교시 로봇 시스템 개발 = 16
• 3.1 협동로봇 모방학습 시스템 구성 = 16
• 3.2 양팔 협동로봇 모방학습 시스템 구성 = 18
• IV. 힘 반향 기능을 갖는 Master Arm 개발 = 22
• 4.1 Tendon Driven 기반 Master Arm 설계 = 22
• 4.1.1 기구부 설계 및 위치해석 = 22
• 4.1.2 자코비안 해석 = 28
• 4.2 Master Arm 제어 알고리즘 및 제어기 구성 = 31
• V. 로봇 시스템 인터페이스 및 작업 교시 실험 = 37
• 5.1 물리엔진 시뮬레이터를 이용한 힘 반향 실험 = 37
• 5.2 실제 6축 로봇을 이용한 힘 반향 실험 = 39
• 5.3 실제 6축 로봇을 이용한 시연데이터 수집 및 학습 수행 = 41
• VI. 결론 = 48
• 참고문헌 = 49
• ABSTRACT = 51