[논문]인공지능을 이용한 휴머노이드 로봇의 자세 최적화

최국진

doi:10.21289/ksic.2019.22.2.87

Abstract ▼ AI-Helper

This research deals with posture optimization for humanoid robot against external forces using genetic algorithm and neural network. When the robot takes a motion to push an object, the torque of each joint is generated by reaction force at the palm. This study aims to optimize the posture of the hu...

This research deals with posture optimization for humanoid robot against external forces using genetic algorithm and neural network. When the robot takes a motion to push an object, the torque of each joint is generated by reaction force at the palm. This study aims to optimize the posture of the humanoid robot that will change this torque. This study finds an optimized posture using a genetic algorithm such that torques are evenly distributed over the all joints. Then, a number of different optimized postures are generated from various the reaction forces at the palm. The data is to be used as training data of MLP(Multi-Layer Perceptron) neural network with BP(Back Propagation) learning algorithm. Humanoid robot can find the optimal posture at different reaction forces in real time using the trained neural network include non-training data.

주제어

표/그림 (11)

그림 Fig. 1 Architecture of the proposed methods.
그림 Fig. 2 Degree of freedoms of the robot
표 Table 1. Objective functions.
표 Table 2. Specifications of the robot
그림 Fig. 3 Photograph of the robot.
그림 Fig. 4 Experimental setup.
그림 Fig. 5 Block diagram of motion control.
그림 Fig. 6 Change of the fitness function
그림 Fig. 7 Comparison of torque ratio for Exp. 1
그림 Fig. 8 Comparison of torque ratio for Exp. 2
표 Table 3. Comparison of optimized results between Exp. 1 and Exp. 2표 18

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

기존에 선행연구로서 인공지능을 이용한 휴머노이드 로봇의 자세 최적화를 수행하였으나, 시뮬레이션을 통한 검증에 머물렀다 [4-5]. 본 논문에서는 인공지능을 이용한 휴머노이드 로봇의 자세 최적화를 실제 로봇에 적용하여 그 결과를 검증하고 향후 휴머노이드 로봇의 대량생산에 적용 가능성을 제시하고자 한다.
본 연구에서는 외부의 힘에 대한 휴머노이드 로봇의 자세를 인공지능을 이용하여 최적화하였다. 시뮬레이션을 통한 선행연구의 결과를 실제 로봇에 적용하여 그 효율성을 검증하고자 하였으며, 이를 위해 총 12자유도의 하반신 휴머노이드 로봇을 설계 제작하고, 물체를 미는 동작을 구현하기 위한 실험 장치를 구성하였다.

제안 방법

기존의 선행연구에서는 외부의 힘에 대한 휴머노이드 로봇의 자세를 최적화하였는데, 로봇의 모델링과 실험을 컴퓨터 시뮬레이션을 통해 수행하였다. 이에 대한 전체적인 구성은 Fig.
선행연구에서의 최적화 결과가 실제 로봇에서도 적용이 가능한지 검증하기 위하여 실제 로봇을 제작하였다. 시뮬레이션에서는 전신 18자유도의 로봇을 모델링하여 사용하였지만, 실제 로봇 제작에 있어서는 비용적인 제약이 있어 하반신 12자유도의 로봇을 제작하였다.
본 연구에서는 외부의 힘에 대한 휴머노이드 로봇의 자세를 인공지능을 이용하여 최적화하였다. 시뮬레이션을 통한 선행연구의 결과를 실제 로봇에 적용하여 그 효율성을 검증하고자 하였으며, 이를 위해 총 12자유도의 하반신 휴머노이드 로봇을 설계 제작하고, 물체를 미는 동작을 구현하기 위한 실험 장치를 구성하였다. 실험은 로봇이 미는 힘을 다르게 하여 초기 자세와 유전알고리즘을 통한 최적화 자세의 토크 비율의 변화를 비교 분석하였으며, 그 결과 두 가지 모두 각 관절의 토크 비율의 편차가 크게 줄어들어 목적함수에 부합하는 결과를 보였다.
휴머노이드 로봇이 특정 자세를 취할 때 특정 외부의 힘에 대해 각 관절의 토크가 최적화될 수 있는 자세들을 유전알고리즘을 통해 찾아내었고, 이 최적화 값을 신경회로망의 학습 데이터로 활용하여 다양한 외부의 힘에 대한 자세를 실시간으로 최적화 할 수 있도록 하였다. 이를 위해 먼저 전신 18자유도의 휴머노이드 로봇을 모델링하여 물체를 미는 자세를 취하게 하였고, 이때의 토크를 계산하여 이 값들을 유전알고리즘의 목적 함수를 계산하기 위한 변수로 사용하고, 로봇의 무게 중심의 위치와 자세 값을 유전알고리즘의 설계 변수로 설정하였다. 최적화를 위한 목적함수로는 Table 1.
에 나타내었다. 휴머노이드 로봇이 특정 자세를 취할 때 특정 외부의 힘에 대해 각 관절의 토크가 최적화될 수 있는 자세들을 유전알고리즘을 통해 찾아내었고, 이 최적화 값을 신경회로망의 학습 데이터로 활용하여 다양한 외부의 힘에 대한 자세를 실시간으로 최적화 할 수 있도록 하였다. 이를 위해 먼저 전신 18자유도의 휴머노이드 로봇을 모델링하여 물체를 미는 자세를 취하게 하였고, 이때의 토크를 계산하여 이 값들을 유전알고리즘의 목적 함수를 계산하기 위한 변수로 사용하고, 로봇의 무게 중심의 위치와 자세 값을 유전알고리즘의 설계 변수로 설정하였다.

대상 데이터

선행연구에서의 최적화 결과가 실제 로봇에서도 적용이 가능한지 검증하기 위하여 실제 로봇을 제작하였다. 시뮬레이션에서는 전신 18자유도의 로봇을 모델링하여 사용하였지만, 실제 로봇 제작에 있어서는 비용적인 제약이 있어 하반신 12자유도의 로봇을 제작하였다. 로봇의 기본적인 사양은 Table 2.

이론/모형

하나는 로봇의 원점에서부터 세 축이 한 점에서 교차하는 지점까지의 위치 값을 구하여 처음 세 관절의 회전각을 기하학적으로 구하는 부분이고, 다른 하나는 먼저 구해진 세 관절의 회전각과 처음 주어진 말단 장치의 위치와 자세 값을 이용하여 대수적으로 나머지 세 관절을 구하는 부분이다. 본 논문에서는 이 Pieper 방식으로 역기구학을 해석하기 위해 설계 단계부터 관절의 배치를 고려하였다.

성능/효과

본 연구를 통해 시뮬레이션을 통한 휴머노이드 로봇의 실시간 자세 최적화가 실제 로봇에도 적용이 가능하다는 것을 검증하였다. 그러나, 유전알고리즘은 최적화 수행 시간이 길기 때문에 로봇의 실시간 자세 최적화에 적용하기 위해서는 일정한 수의 학습 데이터를 도출하여 신경회로망을 학습시키고, 학습된 신경회로망을 통해 로봇의 실시간 최적화 자세를 출력하는 시스템이 필요하게 되는데, 향후 다양한 실험을 통해 학습데이터를 도출하고 실제 휴머노이드 로봇에 적용 가능한 신경회로망 시스템을 구축하고자 한다.
시뮬레이션을 통한 선행연구의 결과를 실제 로봇에 적용하여 그 효율성을 검증하고자 하였으며, 이를 위해 총 12자유도의 하반신 휴머노이드 로봇을 설계 제작하고, 물체를 미는 동작을 구현하기 위한 실험 장치를 구성하였다. 실험은 로봇이 미는 힘을 다르게 하여 초기 자세와 유전알고리즘을 통한 최적화 자세의 토크 비율의 변화를 비교 분석하였으며, 그 결과 두 가지 모두 각 관절의 토크 비율의 편차가 크게 줄어들어 목적함수에 부합하는 결과를 보였다. 이것은 어느 한 관절에 무리하게 토크가 편중되는 것을 피할 수 있으며 동시에 외부 작용력의 증대 효과도 가져올 수 있다.

후속연구

본 연구를 통해 시뮬레이션을 통한 휴머노이드 로봇의 실시간 자세 최적화가 실제 로봇에도 적용이 가능하다는 것을 검증하였다. 그러나, 유전알고리즘은 최적화 수행 시간이 길기 때문에 로봇의 실시간 자세 최적화에 적용하기 위해서는 일정한 수의 학습 데이터를 도출하여 신경회로망을 학습시키고, 학습된 신경회로망을 통해 로봇의 실시간 최적화 자세를 출력하는 시스템이 필요하게 되는데, 향후 다양한 실험을 통해 학습데이터를 도출하고 실제 휴머노이드 로봇에 적용 가능한 신경회로망 시스템을 구축하고자 한다.
이러한 결과는 최종적으로 실제 휴머노이드 로봇이 여러 가지 동작을 할 때, 설정된 목적함수에 따라 외부 작용력 증대나 에너지 소모 최소화 같은 기능을 갖도록 하는데 적용될 수 있다.

질의응답

핵심어	질문	논문에서 추출한 답변
	휴머노이드 로봇의 실시간 자세 최적화가 실제 로봇에 적용되기 위해서 유전알고리즘에 필요한 것은?	본 연구를 통해 시뮬레이션을 통한 휴머노이드 로봇의 실시간 자세 최적화가 실제 로봇에도 적용이 가능하다는 것을 검증하였다. 그러나, 유전알고리즘은 최적화 수행 시간이 길기 때문에 로봇의 실시간 자세 최적화에 적용하기 위해서는 일정한 수의 학습 데이터를 도출하여 신경회로망을 학습시키고, 학습된 신경회로망을 통해 로봇의 실시간 최적화 자세를 출력하는 시스템이 필요하게 되는데, 향후 다양한 실험을 통해 학습데이터를 도출하고 실제 휴머노이드 로봇에 적용 가능한 신경회로망 시스템을 구축하고자 한다.
	로봇 연구의 최종 목표는 무엇인가?	로봇을 사용하기 위한 별도의 환경 구축이 필요 없이 인간이 일상생활을 수행하는 모든 공간에 공존할 수 있으며, 인간이 사용할 수 있는 모든 도구와 장치들을 공유할 수 있기 때문이다. 결국 휴머노이드 로봇 기술의 완성은 모든 로봇 연구의 최종 목표라고 볼 수 있다. 이러한 이유로 1973년 일본 와세다 대학의 최초의 전신 휴머노이드 로봇인 WABOT-1을[1] 필두로 시작된 휴머노이드 로봇 개발은 한국 KAIST의 HUBO와 일본 HONDA의 ASIMO를 비롯하여 미국 Boston Dynamics의 ATLAS까지 비약적인 발전을 하고 있다.
	휴머노이드 로봇 개발 중 보행기술의 수준은?	이러한 이유로 1973년 일본 와세다 대학의 최초의 전신 휴머노이드 로봇인 WABOT-1을[1] 필두로 시작된 휴머노이드 로봇 개발은 한국 KAIST의 HUBO와 일본 HONDA의 ASIMO를 비롯하여 미국 Boston Dynamics의 ATLAS까지 비약적인 발전을 하고 있다. 초기 휴머노이드 로봇 개발의 가장 최우선 과제였던 보행은 현재 인간의 보행기술과 유사한 수준까지 발전하였으며, 이제는 인공지능을 이용한 각종 과제 수행을 위한 기술 개발 단계로 접어들었다. 그러나 인공지능을 이용한 휴머노이드 로봇 관련 기술 개발은 대부분이 사물의 인식, 추론, 사물회피, 경로계획 등에 한정되어 있다[2-3].

참고문헌 (5)

I. Kato, S. Ohteru, H. Kobayashi, K. Shirai and A. Uchiyama, "Information-power machine with senses and limbs (WABOT-1)," Proc. of the 1st CISM-IFoMM Symposium on Theory and Practice of Robots and Manipulators, pp. 11-24, (1973).
Arakawa and T. Fukuda, "Natural motion generation of biped locomotion using hierarchical trajectory generation method consisting of GA, EP layers," Proc. of IEEE Int. Conf. on Robotics and Automation, pp. 211-216, (1997).
D. Katic and M. Vukobratovic. "Intelligent soft-computing paradigms for humanoid robot," Proc. of IEEE/RSJ Int. Conf. on Intelligent Robots and Systems, pp. 2533-2538, (2002).
Y. K. Hwang, K. J. Choi and D. S. Hong, "Self-learning control of cooperative motion for humanoid robots," Int. Journal of Control, Automation, and Systems, pp. 725-735, (2006).
K. J. Choi and D. S. Hong, "Posture Optimization for a Humanoid Robot using a Simple Genetic Algorithm," Int. Journal of Precision Engineering and Manufacturing, pp. 381-390, (2010).

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

인공지능을 이용한 휴머노이드 로봇의 자세 최적화
Optimization of Posture for Humanoid Robot Using Artificial Intelligence 원문보기

Abstract ▼ AI-Helper

주제어

표/그림 (11)

표/그림 (11)

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

이론/모형

성능/효과

후속연구

질의응답

참고문헌 (5)

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

연관된 기능

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

인공지능을 이용한 휴머노이드 로봇의 자세 최적화 Optimization of Posture for Humanoid Robot Using Artificial Intelligence 원문보기

Abstract ▼ AI-Helper

주제어

표/그림 (11) 모든 표/그림 보기

표/그림 (11) 슬라이드로 보기

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

이론/모형

성능/효과

후속연구

질의응답

참고문헌 (5)

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

연관된 기능

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

인공지능을 이용한 휴머노이드 로봇의 자세 최적화
Optimization of Posture for Humanoid Robot Using Artificial Intelligence 원문보기

표/그림 (11)

표/그림 (11)

AI 본문요약
AI-Helper