로봇 매니퓰레이션에 관한 두 가지 연구: 경량 순응형 6자유도 로봇팔 개발과 동적 비파지 물체 이송 = Two Studies in Robotic Manipulation: Development of a Lightweight Compliant 6-DoF Arm and Dynamic Non-Prehensile Object Transfer

국문 초록 (Abstract)

본 논문은 비정형적인 실생활 환경에서 로봇 매니퓰레이션의 효용성과 작업 범위를 확장하기 위해 하드웨어 플랫폼 개발과 제어 방법론이라는 두 가지 측면에서 수행된 이중 연구를 기술한다. 기존의 로봇 연구가 고강성 하드웨어와 정적인 파지 중심의 조작에 의존해 온 한계를 극복하기 위해 본 연구는 경량 순응형 매니퓰레이터와 동적 비파지 조작을 해결 방향으로 제안한다.

첫째, 비정형 환경에서의 안전한 물리적 상호작용과 모바일 플랫폼의 기동성을 보장하기 위해 경량 순응형 6자유도 로봇팔을 개발하였다. 본 로봇팔은 카본 파이버와 3D 프린팅 부품을 결합한 하이브리드 설계를 적용하여 2.9 kg의 경량화를 달성하였으며 준직구동 액추에이터와 임피던스 제어를 통해 외력에 유연하게 반응하는 내재적 컴플라이언스를 구현하였다. 이러한 설계는 충돌이 빈번한 실환경 서비스 작업에서도 시스템 파손을 방지하고 사람과의 안전한 협업을 가능하게 한다. 개발된 시스템의 효용성은 RoboCup at Home OPL 2025 경진대회 우승을 통해 극한의 운용 환경에서도 우수한 내구성과 작업 성능을 유지함을 실증적으로 입증하였다.

둘째, 기존의 그리퍼로 파지하기 어려운 박형 물체를 신속하게 이송하기 위해 스쿱 앤 플릭이라는 새로운 동적 비파지 조작 전략을 제안하였다. 이 방식은 파지 과정을 생략하고 충격량을 이용해 지면의 물체를 순간적으로 퍼올린 뒤 뒤틀림 탄성에너지의 방출을 통해 손가락의 고속 회전 동작을 생성하고 이를 이용해 물체를 목표 지점으로 투척하는 메커니즘이다. 이를 구현하기 위해 핑거의 비선형 동역학은 학습 기반으로 로봇팔의 이송은 모델 기반으로 제어하는 하이브리드 프레임워크를 구축하였다. 실험 결과 제안된 시스템은 학습되지 않은 물체를 포함한 다양한 박형 물체를 높은 성공률로 목표 바구니에 투척하였으며 로봇의 기구학적 도달 범위를 넘어서는 작업 공간 확장과 작업 시간 단축 효과를 확인하였다.

결론적으로 본 논문은 실환경에서의 안전성과 적응성을 높이기 위한 유연한 하드웨어 플랫폼과 동역학을 활용한 고속 비파지 조작 기법이라는 두 개의 독립적인 연구를 제시함으로써 실용적인 매니퓰레이션 기술의 발전 방향을 보여준다.

다국어 초록 (Multilingual Abstract)

This thesis presents two studies in robotic manipulation that aim to extend the utility and workspace of robots operating in unstructured real-world environments. To move beyond the prevailing reliance on high-stiffness hardware and static, grasp-centric manipulation, the thesis investigates (i) the development of a lightweight, compliant manipulator and (ii) a dynamic non-prehensile manipulation strategy for rapid object transfer.
First, a lightweight and compliant 6-DoF robotic arm is developed to enable safe physical interaction and improve the mobility of mobile platforms. The arm achieves a total mass of 2.9 kg through a hybrid structural design that combines carbon fiber tubes with 3D-printed components. Quasi-direct drive (QDD) actuators together with impedance control are employed to realize inherent compliance, allowing the arm to respond flexibly to external disturbances. This design enhances safety in human–robot collaboration and mitigates the risk of damage during service tasks that involve frequent collisions. The practical utility and robustness of the system are empirically demonstrated by a championship victory in the RoboCup@Home OPL 2025 competition, where the arm maintained reliable performance under demanding operating conditions.
Second, a novel dynamic non-prehensile manipulation strategy, termed “Scoop-and-Flick”, is proposed for fast transport of low-profile objects that are difficult to grasp with standard grippers.
The method bypasses explicit grasping by using an impulse to momentarily scoop an object from the supporting surface, followed by the release of torsional elastic energy to drive a high-speed finger rotation that flicks the object toward a target. To realize this behavior, a hybrid control framework is constructed: the nonlinear finger dynamics are handled via a learning-based controller, while the arm’s transport motion is governed by a model-based controller. Experiments show that the proposed system achieves high success rates when throwing a variety of low-profile

목차 (Table of Contents)

• 제1장 서론 1
• 1.1 연구 배경 및 필요성 1
• 1.2 연구 목표 및 논문의 구성 2
• 제2장 경량 순응형 6자유도 로봇팔 개발 4
• 2.1 연구 배경 4
• 2.1.1 물체 조작과 모바일 매니퓰레이션 4
• 2.2 관련 연구 9
• 2.2.1 고관성고강성 기반의 연구용 매니퓰레이터 및 모바일 플랫폼 9
• 2.2.2 경량형 매니퓰레이터의 개발 시도와 한계 10
• 2.2.3 동적 상호작용을 위한 경량순응형 하드웨어의 필요성 10
• 2.3 개발 목표 12
• 2.4 팔 설계, 조립 및 제어 13
• 2.4.1 하드웨어 설계 13
• 2.4.2 제어 19
• 2.5 실환경 검증 29
• 2.5.1 RoboCup@Home 29
• 2.5.2 경진대회에서의 매니퓰레이터 셋업 30
• 2.5.3 매니퓰레이터 관점에서 본 주요 태스크 분석 32
• 2.5.4 경진대회 결과 관점에서의 매니퓰레이터 평가 34
• 2.6 결론 및 향후 연구 35
• 제3장 동적 비파지 물체 이송 37
• 3.1 비파지 및 동적 물체 조작 개요 37
• 3.2 연구 배경 및 관련 연구 40
• 3.2.1 준정적 밀기 조작과 계획의 발전 40
• 3.2.2 동적 비파지 조작: 투척 및 타격 41
• 3.2.3 박형 물체 조작의 난제와 기존 접근의 한계 42
• 3.2.4 기존 연구의 한계점 및 제안하는 스쿱-앤-플릭 전략 43
• 3.3 스쿱-앤-플릭 동적 비파지 물체 조작 모델 44
• 3.3.1 제안 모델의 이론적 가능성 검토 44
• 3.3.2 실환경에서의 구현 가능성 검증 46
• 3.3.3 제어 방법론 49
• 3.4 평가: Throw-in-bucket task 56
• 3.5 결론 58
• 제4장 통합 결론 및 향후 연구 59
• 4.1 연구 요약 및 기여 59
• 4.2 향후 연구 방향 60
• 4.2.1 기계학습과 하드웨어의 공동설계 (Hardware-Software Co-design) 60
• 4.2.2 새로운 매니퓰레이션 방법론 제시 60
• 참고문헌 61
• Abstract 65