KR20100105143A - 칼만 필터를 이용한 로봇 기구학 변수 추정 방법 및 시스템 - Google Patents

Abstract

칼만 필터를 이용한 로봇 기구학 변수 추정 방법 및 시스템이 개시된다. 로봇의 자세 제어를 위한 기구학 변수 추정 방법으로서, 측정 시스템으로부터 상기 로봇의 자세에 관한 측정값 정보를 획득하는 단계; 상기 로봇에 관하여 정기구학 모델링 식을 이용하여 정기구학 모델링 결과 정보를 획득하는 단계; 및 상기 측정값 정보 및 상기 정기구학 모델링 결과 정보에 기초하고, 상기 측정값 정보 및 상기 로봇의 모델링에 포함되는 노이즈 성분을 고려하여, 칼만 필터를 적용함으로써, 상기 로봇의 기구학 변수를 추정하는 단계를 포함하는 로봇 기구학 변수 추정 방법이 제공된다. 이에 의하면 측정 시스템에서의 센서 노이즈 및 기구학 모델링에서의 불확실성에 강건한 로봇 기구학 변수 추정 방법을 구현할 수 있다.

칼만 필터, 모델링 노이즈, 센서 노이즈, POE

Description

칼만 필터를 이용한 로봇 기구학 변수 추정 방법 및 시스템 {Robot parameter estimation method using Kalman filter}

본 발명은 칼만 필터를 이용한 로봇 기구학 변수 추정 방법 및 그 시스템에 관한 것이다.

선박 건조 과정의 용접 자동화에 사용되는 로봇 시스템의 제어 기술은 많은 발전을 거듭하고 있다. 이러한 로봇 시스템(매니퓰레이터, manipulator)들의 정확한 제어를 저해하는 장애물로는 기구학 변수 오차, 기계 가공에서의 공차, 연결되는 구성 요소들의 오정렬 등이 있다. 이러한 방해 요소들은 로봇 시스템의 일단부에 위치하는 용접봉 등의 말단장치(end-effector)의 정확한 위치 제어를 힘들게 한다.

앞서 언급된 요인들에 의한 위치 제어 오차를 최소화 하기 위해 여러가지 보정(calibration)방법들이 적용되어 왔다. 종래 기술에 따른 보정 방법들은 측정 시스템을 통해 로봇 시스템의 위치 및 자세에 대한 정보를 획득하고, 획득된 정보와 로봇 정기구학 식의 결과를 비교하여 오차를 최소화 하는 기구학 변수 추정 방법을 적용하여 왔다.

이에 따르면, 측정 시스템에서의 신호와 로봇 정기구학 식에서의 결과를 비교하여 로봇의 위치 및 자세 오차를 구하고, 이에 대하여 로봇 기구학 변수 추정 알고리즘을 적용함으로써 기구학 변수를 추정한다. 추정된 기구학 변수를 이용하여 로봇 끝단의 위치 및 자세를 보정함으로써 원하는 형태의 로봇 자세 제어를 구현하고자 한다.

이러한 종래의 로봇 기구학 변수 추정 알고리즘이 보여주는 한계점 및 문제점은 다음과 같다. 종래의 로봇 기구학 변수 추정 알고리즘에서는 측정 시스템의 노이즈 성분과 로봇 정기구학식의 모델링 오차(노이즈)가 고려되지 않는다. 이러한 요소를 고려하지 않음으로 인해 반복적인 연산과정을 통해 최적 값을 구하는 과정에서 기구학 변수 추정의 신뢰성이 저하된다.

또한, 측정 시스템의 노이즈는 기구 변수의 수렴성을 저해하는 요소로서 정확한 값의 추정이 어려우며, 기구학적인 요소 이외에 백래쉬(backlash), 제어기 성능 등의 영향으로 그 추정 값의 정확도가 저하되는 현상이 발생한다.

따라서, 로봇 기구학 변수의 추정에 있어서 측정 시스템의 센서 노이즈 성분 및 기구학 모델의 불확실성까지 함께 고려하는 로봇 기구학 변수 추정방법의 개발이 요구된다.

본 발명은 로봇의 자세 제어에 관하여, 측정 시스템의 노이즈 및 로봇 기구학 모델링 노이즈를 고려하는 칼만 필터를 적용하는 로봇 기구학 변수 추정 방법 및 시스템을 제공하는 것이다.

본 발명의 일 측면에 따르면, 로봇의 자세 제어를 위한 기구학 변수 추정 방법으로서, 측정 시스템으로부터 상기 로봇의 자세에 관한 측정값 정보를 획득하는 단계; 상기 로봇에 관하여 정기구학 모델링 식을 이용하여 정기구학 모델링 결과 정보를 획득하는 단계; 및 상기 측정값 정보 및 상기 정기구학 모델링 결과 정보에 기초하고, 상기 측정값 정보 및 상기 로봇의 모델링에 포함되는 노이즈 성분을 고려하여, 칼만 필터를 적용함으로써, 상기 로봇의 기구학 변수를 추정하는 단계를 포함하는 로봇 기구학 변수 추정 방법이 제공된다.

또한, 본 발명의 다른 측면에 따르면, 로봇의 자세 제어를 위한 기구학 변수 추정 시스템으로서, 상기 로봇의 측정 시스템으로부터 측정 값 정보를 획득하는 측정 값 정보 획득부; 상기 측정 값 정보 획득부에 의하여 획득된 측정값 정보 및 로봇에 관하여 정기구학 모델링 식을 이용하여 정기구학 모델링 결과 정보에 기초하여 상기 로봇의 기구학 변수를 추정하는 기구학 변수 추정부를 포함하고, 상기 기구학 변수 추정부는 상기 측정값 정보 및 상기 로봇의 모델링에 포함되는 노이즈 성분을 고려하여, 칼만 필터를 적용함으로써 상기 로봇의 기구학 변수를 추정하는 로봇 기구학 변수 추정 시스템이 제공된다.

제어 대상 로봇의 정기구학 식은 그 제어 대상 로봇의 조인트 회전 각도에 관한 POE 기반으로 구성될 수 있다.

칼만 필터를 통한 기구학 변수 추정과정에 있어서, 시스템 다이나믹스를 나타내는 행렬은 시간에 따라 변화하지 않는 단위 행렬로 가정될 수 있다.

전술한 것 외의 다른 측면, 특징, 이점이 이하의 도면, 특허청구범위 및 발명의 상세한 설명으로부터 명확해질 것이다.

본 발명의 바람직한 실시예에 따르면 로봇 제어 시스템에서 있어서 측정 시스템의 노이즈 및 기구학 모델의 불확실성을 함께 고려하는 로봇 기구학 변수 추정 방법을 제공할 수 있다.

이하, 본 발명에 따른 로봇 기구학 변수 추정 방법의 실시예를 첨부도면을 참조하여 상세히 설명하기로 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변환, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 본 발명을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다. 또한, 첨부 도면을 참조하여 설명함에 있 어, 동일하거나 대응하는 구성 요소는 동일한 도면번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다.

도 1은 본 발명의 일 실시예에 따른 로봇 기구학 변수 추정 방법이 활용되는 제어 환경을 예시한 도면이다.

제어 대상 로봇(100)은 다수의 조인트를 포함하는 로봇으로서, 로봇의 자세에 대한 정보를 측정하는 센서를 포함하는 측정 시스템(102) 및 모터 등의 액츄에이터(actuator)를 포함하는 구동 시스템(104)을 포함할 수 있다. 측정 시스템(102)은 가변 저항 및 스트레인 게이지 등의 소자를 포함하는 센서를 이용하여 제어 대상 로봇(100)의 조인트 회전 각도, 링크 내지 암의 변위 등을 측정할 수 있다. 구동 시스템(104)은 모터, 실린더 등의 구성요소를 포함할 수 있다. 측정 시스템(102) 및 구동 시스템(104)의 구현은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 사람에게 자명한 사항이므로 이하 그 구체적인 설명은 생략된다.

한편, 제어 대상 로봇(100)은 선박 건조 과정에서 이용되는 용접 자동화 로봇일 수 있다. 제어 대상 로봇의 일단부에는 말단 장치(end effector)가 부착될 수 있다. 제어 대상 로봇이 선박 건조 등에 사용되는 용접 자동화 로봇인 경우 그 말단 장치는 용접봉 내지 용접 기구가 될 것이다.

이러한 제어 대상 로봇(100)은 로봇 자세 제어 시스템(120)에 의하여 제어된다. 본 발명의 일 실시예에 따른 로봇 자세 제어 시스템(120)은 측정 값 정보 획득부(122), 기구학 변수 추정부(124) 및 제어 신호 생성부(126)를 포함할 수 있다.

측정 값 정보 획득부(122)는 측정 시스템(102)으로부터 로봇의 자세에 관한 센서들의 측정 결과 정보를 획득한다. 측정 시스템(102)과 측정 값 정보 획득부(122)사이의 신호 전달은 유선 케이블 또는 무선 통신을 통해 이루어질 수 있다. 측정 값 정보 획득부(122)에 의하여 획득된 정보는 기구학 변수 추정부(124)로 전달되어 제어 대상 로봇의 기구학 변수를 추정하는 기초 자료로서 활용될 수 있다. 본 발명의 일 실시예에 따른 기구학 변수 추정부(124)는 칼만 필터를 이용하는 것을 특징으로 하며, 일반적인 칼만 필터와 다르게 측정 시스템(102)에서의 센싱 노이즈 및 시스템 모델링 노이즈를 고려함으로써 개선된 추정 성능을 보이는 것을 특징으로 한다. 또한, 본 발명의 일 실시예에 따른 기구학 변수 추정부는 칼만 필터의 적용과 관련하여 시간 도메인에서 이산화된 칼만 필터의 상태 벡터 계산과정에서 시스템 다이나믹스 매트릭스를 단위 행렬로 가정함으로써 종래의 칼만 필터 적용 기법과 차별화 될 수 있다. 칼만 필터를 이용한 기구학 변수 추정 방법의 구체적인 과정은 도 2 내지 도 4를 참조하여 상세히 설명될 것이다.

제어 신호 생성부(126)는 추정된 기구학 변수에 기초하여 제어 대상 로봇(100)의 자세를 원하는 대로 제어하기 위해 구동 시스템(104)에 전달할 제어 신호를 생성할 수 있다. 생성된 제어 신호는 구동 시스템(104)의 구성 요소인 모터 및/또는 유압 실린더에 반영되어 제어 대상 로봇(100)의 자세를 변경할 수 있다.

도 2는 본 발명의 본 발명의 일 실시예에 따른 로봇 기구학 변수 추정 방법의 흐름도이다. 도 3은 본 발명의 일 실시예에 따른 로봇 기구학 변수 추정 과정을 예시한 도면이다. 도 4는 본 발명의 일 실시예에 따른 제어 대상 로봇의 영점 자세 를 예시한 도면이다.

도 2를 참조하면, 본 발명의 일 실시예에 따른 로봇 기구학 변수 추정 방법은 측정 시스템으로부터 측정 값 정보를 획득하는 단계(S210), 정기구학 모델링 결과 정보를 획득하는 단계(S220), 칼만 필터를 이용하여 기구학 변수를 추정하는 단계(S230), 추정된 기구학 변수를 이용하여 제어 신호를 생성하는 단계(S240)를 포함할 수 있다.

측정 시스템으로부터 측정 값 정보를 획득하는 단계(S210)는 제어 대상 로봇(100)의 측정 시스템(102)으로부터 센서 신호를 획득하는 단계이다. 획득되는 측정 값 정보의 유형은 설치된 센서의 종류에 상응하여 변화될 수 있으며, 로봇 기구학 변수 추정에 이용되는 상태 변수에 상응하는 측정 값 정보를 획득할 수 있도록 측정 시스템(102)을 구성하는 것도 가능하다. 획득된 측정 값 정보는 로봇 정기구학 모델링에 의한 계산 결과와 함께 기구학 변수 추정의 기초 자료로 활용될 수 있다.

정기구학 모델링 결과 정보를 획득하는 단계(S220)는 제어 대상 로봇(100)의 모델링을 통하여 로봇 기구학 변수 추정의 기초 자료가 되는 모델링 결과 정보를 획득하는 과정이다. 이하에서는 본 발명의 일 실시예에 따른 로봇 기구학 변수 추정 기법이 적용되는 제어 대상 로봇의 정기구학 모델링에 대하여 구체적으로 살펴본다.

도 4를 참조하면 제어 대상 로봇(100)은 6개의 조인트를 포함한다. 제어 대상 로봇의 영점 자세는 도 4에서 예시된 바와 같이 각 로봇 조인트의 각 암(링크) 들이 직교하는 상태로 설정될 수 있다. 제어 대상 로봇이 원하는 작업을 수행하기 위해 제어되어야 할 변수는 그 말단 장치(end-effector)의 자세(위치 및 각도)이다.

본 발명의 일 실시예에서 말단 장치의 자세는 각 조인트의 각도에 기초하여 계산될 수 있다. 아래의 수학식은 도 4에 예시된 영점자세에 기초하여, POE(product-of-exponentials)기반으로 표현되는 말단 장치의 자세(위치 및 방향)이다.

는 말단 장치의 자세(위치 및 방향),

는 호모지니어스 좌표계(homogeneous coordinate)에서의 정기구학식(forward kinematics),

는 각 조인트의 각도,

는 기구학 파라미터(kinematic parameter),

은 영점 자세 호모지니어스 매트릭스(zero-configuration homogenous matrix)를 의미한다.

수학식 1에서 표현된 바와 같은 POE 기반으로 표현된 기구학 식에서 각 링크의 길이와 같은 모든 기구학 파라미터는 각 회전축(조인트)의 회전각도 및 각 회전축 사이의 변위로 표현될 수 있다. 또한, 각 조인트 오프셋 역시 모델링 되어 모델링에 포함될 수 있다.

도 4에서 예시된 제어 대상 로봇(100)의 경우 일반적으로 사용되는 D-H 파라미터를 적용하면 4개의 파라미터 만으로도 로봇의 자세가 표현될 수 있으나, 본 발 명의 일 실시예에 따른 모델링에서는 6개의 정보 즉, 각 조인트에서의 회전각 정보를 이용하는 POE 기반의 모델링을 적용할 수 있다. 이와 같이 POE 기반의 모델링을 적용할 경우 역기구학에서 과도한 프레임을 적용하지 않고도 보다 효율적으로 해를 구할 수 있다는 장점이 있다.

또한, 본 발명의 일 실시예에 따른 로봇 기구학 변수 추정 방법에서는 다음과 같이 선형화된 기구학 변수 오차 방정식을 적용할 수 있다.

수학식 2에서 선형화된 오차 방정식은 공간 좌표계에서의 말단 장치의 속도를 의미하는 다음 수학식 3으로부터 획득된다.

이상의 수학식에서

는 측정된(measured 또는 real)

및 명목(nominal)

을 사용하여 다음 수학식과 같이 근사적으로 표현될 수 있다.

이상의 수학식에서 보여진 바와 같이 제어 대상 로봇(100)의 각 조인트의 오프셋(offset)만으로 구성된 선형화된 기구학 변수 오차 방정식이 유도될 수 있다. 이와 같은 특징은 일반적인 칼만 필터와, 시스템 다이나믹스 행렬(system dynamics matrix)가 단위 행렬(indentity matrix)로 가정된다는 점에서 명확히 구분된다. 즉, 기구학 파라미터가 시간에 따른 변화없이 일정하게 유지될 것이므로 시스템 다이나믹스를 표현하는 행렬이 단위 행렬로 가정될 수 있으며, 이러한 가정은 제안된 칼만 필터의 성능을 개선시켜 로봇의 기구학 파라미터 추정 성능을 개선시키는 성과를 거둘 수 있다.

한편, 수학식 5에서 적용된 수반 변환(adjoint transformation)과 수반 행렬 (adjoint matrix) A에 대한 상세한 설명은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 자명한 사항으로 구체적인 설명은 이하 생략된다.

칼만 필터를 이용하여 기구학 변수를 추정하는 단계(S230)는 측정 값 정보 획득부(122)가 측정 시스템(102)으로부터 획득한 측정 값 정보 및 로봇 정기구학 모델링 결과값에 기초하여, 칼만 필터를 적용함으로써 로봇 기구학 변수를 추정하 는 단계이다. 시간적으로 이산화된 시스템에 대한 칼만 필터의 적용은 다음과 같은 수학식으로 표현될 수 있다.

는 상태 벡터,

는 시스템 입력,

및

는 시스템 다이나믹스(system dynamics)를 의미한다.

는 측정 값,

및

는 각각 측정 시스템 및 기구학 모델링에서의 노이즈 성분을 의미한다.

칼만 필터의 적용 과정에서 제어 대상 로봇(100)의 자세를 표현하는 상태 벡터는 두 개의 업데이트 단계를 반복적으로 수행함으로써 추정될 수 있다. 이 두 업데이트 단계들은 각각 시간 갱신(time update) 단계 및 측정 업데이트(measurement update) 단계이다. 본 발명의 일 실시예에 따른 칼만 필터를 이용한 로봇 기구학 변수 추정의 과정은 다음 수학식으로 표현될 수 있다.

각 공변 매트릭스(covariance matrix) 및 게인 값들은 시간에 따라 변할 수 있으며, 주어진 모델링 노이즈 크기

,측정 노이즈 크기

및 초기 조건들에 대하여 추정 오차들을 최소화하는 방향으로 결정된다. 칼만 필터의 적용에 관한 두 업데이트 단계 중 측정 업데이트 단계는 다음의 수학식들에 의하여 표현될 수 있다.

칼만 필터의 적용에 관한 시간 업데이트 단계는 다음의 수학식으로 표현될 수 있다.

완벽한 모델링이 존재하지 않는 다는 가정하에서,

는 일종의 시스템 디스터번스를 고려하기 위해 앞서 언급된 업데이트 단계들에서 고려된다. 이와 같이 시스템 디스터번스를 고려함으로써 업데이트 과정에서 상태 벡터가 실제 값으로 수렴하지 못하는 현상을 예방할 수 있다. 이상에서 언급된 칼만 필터링을 적용한 모의 실험 결과는 도 6A 내지 도 6F, 그리고 도 7을 참조하여 상세히 설명될 것이다.

기구학 변수를 이용하여 제어 신호를 생성하는 단계(S240)는 기구학 변수 추정부에 의하여 추정된 기구학 변수에 기초하여 제어 대상 로봇(100)의 자세를 보정하기 위한 제어 신호를 생성하는 단계이다. 기구학 변수들의 추정 결과 제어 대상 로봇(100)의 자세가 원하는 자세와 오차를 가지는 경우, 제어 신호 생성부(126)은 그 오차를 보정하기 위한 제어 신호를 생성하여 제어 대상 로봇(100)의 구동 시스템(104)로 전달한다.

도 5는 종래의 일반적인 로봇 기구학 변수 추정 방법의 모의 실험 결과를 예시한 도면이다. 도 4를 참조하면, 6개의 각 조인트 회전 축에 대하여 서로 다른 두 노이즈 레벨 (v=0.05 또는 0.005)에 따라서 로봇 기구학 변수인 조인트 회전 각도 추정결과의 수렴성이 변화하는 것을 관찰할 수 있다.

상대적으로 큰 노이즈 레벨을 가지는 경우(v=0.05)의 기구학 변수 추정값은 빨간색 점선으로 표시되어 있으며, 상대적으로 작은 노이즈 레벨을 가지는 경우(v=0.005)의 기구학 변수 추정값의 수렴 성능은 파란색 실선을 이용하여 표시되어 있다.

도 5를 참조하면, 상대적으로 큰 노이즈 레벨을 가지는 경우 기구학 변수 추정 값의 수렴속도 역시 저하되며 그 수렴값과 역시 실제 변수 값의 차이 역시 상대적으로 큰 값을 가짐을 알 수 있다. 즉, 측정 값의 노이즈가 클 수록, 기구학 변수 추정 값의 수렴성에 큰 영향이 있음을 알 수 있다.

도 6A 내지 도 6F는 본 발명의 일 실시예에 따른 기구학 변수 추정 알고리즘의 모의 실험 결과를 예시한 도면이다. 도 7은 도 6A 내지 도 6F의 모의 실험에 적용된 노이즈 세트를 예시한 도면이다.

도 2 내지 도 4를 참조하여 설명된 칼만 필터의 적용 방법을 모의 실험에서 적용하기 위하여 적용된 수학식 6 내지 8의 각 인자는 다음과 같다. 센서 노이즈 및 모델 노이즈는 도 7에서 예시된 4개의 조합을 대상으로 모의 실험이 수행되었 다.

도 6A 내지 도 6F를 참조하면, 제어 대상 로봇의 각 조인트에 대하여 4개의 서로 다른 노이즈 환경에서의 기구학 변수 추정 결과의 수렴성향이 예시되었다. 도 6A 내지 도 6F의 변수 추정 과정에서도 노이즈 레벨에 따라서 그 수렴 속도가 달라짐을 확인할 수 있다. 그러나, 도 5에서 관찰된 바와 같이 노이즈 레벨에 따라 서로 다른 값으로 수렴하거나, 참 값에 수렴하지 못하는 현상이 관찰되지 않는다. 이는 본 발명의 일 실시예에 따른 기구학 변수 추정 방법이 측정 시스템(102)의 노이즈 및 제어 대상 로봇(100)의 정기구학 모델의 불확실성(노이즈)에 강건한 특징으로 가지고 있음을 보여준다.

본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다.

본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특 징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.

제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.

이제까지 본 발명에 대하여 그 실시예를 중심으로 살펴보았다. 전술한 실시예 외의 많은 실시예들이 본 발명의 특허청구범위 내에 존재한다. 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자는 본 발명이 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 구현될 수 있음을 이해할 수 있을 것이다. 그러므로 개시된 실시예는 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 한다. 본 발명의 범위는 전술한 설명이 아니라 특허청구범위에 나타나 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 본 발명에 포함된 것으로 해석되어야 할 것이다.

도 1은 본 발명의 일 실시예에 따른 로봇 기구학 변수 추정 방법이 활용되는 제어 환경을 예시한 도면이다.

도 2는 본 발명의 본 발명의 일 실시예에 따른 로봇 기구학 변수 추정 방법의 흐름도이다.

도 3은 본 발명의 일 실시예에 따른 로봇 기구학 변수 추정 과정을 예시한 도면이다.

도 4는 본 발명의 일 실시예에 따른 제어 대상 로봇의 영점 자세를 예시한 도면이다.

도 5는 종래의 일반적인 로봇 기구학 변수 추정 방법의 모의 실험 결과를 예시한 도면이다.

도 6A 내지 도 6F는 본 발명의 일 실시예에 따른 기구학 변수 추정 알고리즘의 모의 실험 결과를 예시한 도면이다.

도 7은 도 6A 내지 도 6F의 모의 실험에 적용된 노이즈 세트를 예시한 도면이다.

<도면의 주요부분에 대한 부호의 설명>

100 : 제어 대상 로봇 102 : 측정 시스템

104 : 구동 시스템 120 : 로봇 자세 제어 시스템

124 : 기구학 변수 추정부

Claims (6)

1. 로봇의 자세 제어를 위한 기구학 변수 추정 방법으로서,

   측정 시스템으로부터 상기 로봇의 자세에 관한 측정값 정보를 획득하는 단계;

   상기 로봇에 관하여 정기구학 모델링 식을 이용하여 정기구학 모델링 결과 정보를 획득하는 단계; 및

   상기 측정값 정보 및 상기 정기구학 모델링 결과 정보에 기초하고, 상기 측정값 정보 및 상기 로봇의 모델링에 포함되는 노이즈 성분을 고려하여, 칼만 필터를 적용함으로써, 상기 로봇의 기구학 변수를 추정하는 단계를 포함하는 로봇 기구학 변수 추정 방법.
2. 제1항에 있어서,

   상기 로봇에 관한 정기구학 모델링 식은 상기 로봇의 조인트 회전 각도에 관한 POE (product of exponential) 기반으로 구성되는 것을 특징으로 하는 로봇 기구학 변수 추정 방법.
3. 제1항에 있어서,

   상기 칼만 필터를 적용하여 기구학 변수를 추정하는 단계는,

   칼만 필터 적용시의 시스템 다이나믹스 행렬(system dynamics matrix)를 단위 행렬로 가정하여 수행되는 것을 특징으로 하는 로봇 기구학 변수 추정 방법.
4. 로봇의 자세 제어를 위한 기구학 변수 추정 시스템으로서,

   상기 로봇의 측정 시스템으로부터 측정 값 정보를 획득하는 측정 값 정보 획득부;

   상기 측정 값 정보 획득부에 의하여 획득된 측정값 정보 및 로봇에 관하여 정기구학 모델링 식을 이용하여 정기구학 모델링 결과 정보에 기초하여 상기 로봇의 기구학 변수를 추정하는 기구학 변수 추정부를 포함하고,

   상기 기구학 변수 추정부는 상기 측정값 정보 및 상기 로봇의 모델링에 포함되는 노이즈 성분을 고려하여, 칼만 필터를 적용함으로써 상기 로봇의 기구학 변수를 추정하는 로봇 기구학 변수 추정 시스템.
5. 제4항에 있어서,

   상기 로봇에 관한 정기구학 모델링 식은 상기 로봇의 조인트 회전 각도에 관한 POE (product of exponential) 기반으로 구성되는 것을 특징으로 하는 로봇 기구학 변수 추정 시스템.
6. 제4항에 있어서,

   상기 기구학 변수 추정부는

   칼만 필터 적용시의 시스템 다이나믹스 행렬(system dynamics matrix)를 단위 행렬로 가정하여 상기 로봇의 기구학 변수를 추정하는 것을 특징으로 하는 로봇 기구학 변수 추정 시스템.

Images