[논문]정확한 던지기를 위한 기계학습 기반의 4자유도 로봇팔 설계 및 분석

정웅열; 신동민; 유인재; 윤지용; 이광현; 이영준

문제 정의

따라서 본 연구에서는 와 같이 독립변인의 범위를 지정하여 공이 항상 과녁 위로 떨어지게 하였다.
본 연구에서는 던지기에 영향을 미치는 변인들이 정확한 던지기 동작에 기여하는 정도를 분석하고자 데이터를 수집하고 통계적으로 처리하였다. 수집한 데이터의 예시는 <표 1>과 같다.
본 연구에서는 로봇팔이 사람의 개입 없이 스스로 물체를 던지면서 학습할 수 있도록 자동화 시스템을 제작하였다.
본 연구에서는 물체를 정확하게 던지는데 영향을 주는 변인들을 설정하여 유전알고리즘을 설계하였다. 그리고 이를 기반으로 한 4자유도 로봇팔을 설계, 제작하여 물체를 정확히 던지는 방법을 스스로 학습하도록 하여, x축 기준 17세대, z축 기준 23세대 만에 학습에 성공함을 확인하였다.

제안 방법

결과적으로 본 연구에서는 던지기 동작을 나타내는 변인으로 ω1, ω2, ω3, t2, t3, t4의 6가지를 설정하였다.
또한, 종의 다양성을 확보함으로써 지역 해에 빠지는 것을 막기 위해 교배 연산 과정에 돌연변이를 추가하였다. 돌연변이는 조상 개체와 관련이 없는 무작위적인 변인을 의미하며, 이를 추가하여 다양한 해가 나올 수 있도록 하였다.
본 연구에서 사용한 기계학습 알고리즘이 다양한 하드웨어와 환경에 적용하여 최적 해를 찾을 수 있다는 것을 입증하고자 x축 던지기와는 다른 상황인 z축 던지기 상황에서 학습을 진행시켰다. 이 결과 23세대가 지난 뒤 학습이 완료되었다.
본 연구에서는 기계학습 알고리즘을 적용하여 원하는 위치에 물체를 던지는 로봇팔을 설계하였고, x축 던지기 상황에서 학습을 진행시켰다. 총 17세대가 지난 뒤 학습이 완료되었다.
본 연구에서는 던지기의 정확도에 대한 변인들의 상대적 기여도를 구하기 위해 인공신경망 분석을 활용하였다. <표 4>는 인공신경망 모델 분석을 통해 얻은 변인들의 상대적 기여도이다.
둘째, 본 연구를 통하여 사람의 던지기 동작을 분석하여 스포츠 과학과 같은 인체와 관련된 분야에 사용될 수 있다. 셋째, 본 연구에서는 기계학습을 통해 물리적 문제를 해결하였다. 이와 같은 접근법을 활용하면 역학적 분석이 어려운 상황에서 보다 쉽게 최적화된 해를 찾을 수 있을 것이다.

대상 데이터

본 연구에서는 <표 2>에서 지정한 변인의 범위내에서 학습을 진행시켰고, 이 과정에서 수집한 총 2259개의 개체를 통계분석에 활용하였다. 또한 하드웨어상의 한계로 인해 학습을 진행하는 과정에서 컨트롤러 배터리 전압이 지정한 범위를 벗어나는 경우를 제외한 데이터만 통계분석에서 사용하였다.
본 연구에서는 에서 지정한 변인의 범위내에서 학습을 진행시켰고, 이 과정에서 수집한 총 2259개의 개체를 통계분석에 활용하였다.

데이터처리

본 연구에서는 물체를 던질 때 각 변인들의 데이터를 수집하고, 이를 통계적으로 분석하여 각각의 변인이 던지기의 정확도에 미치는 기여도를 구하고자 다항로지스틱 회귀분석을 사용하였다. 이 방법을 통계분석 방법으로 설정한 까닭은 종속변인인 던져진 거리가 연속적이지 않은 범주형 변수이고, 독립변인과 종속변인의 관계가 비선형적이기 때문이다.

이론/모형

이 방법을 통계분석 방법으로 설정한 까닭은 종속변인인 던져진 거리가 연속적이지 않은 범주형 변수이고, 독립변인과 종속변인의 관계가 비선형적이기 때문이다. 또한 각각의 변인이 정확한 던지기에 영향을 주는 상대적 기여도를 분석하고자 인공신경망 모델을 사용하였다. 이때 인공신경망을 구성하는 인공 뉴런들의 연결 강도를 계산하면 변인의 상대적 기여도를 구할 수 있다.
본 연구에서는 기계학습 구현을 휘해서 유전 알고리즘을 이용하였다. 던지는 방법을 결정하는 6가지 변인, 즉 ω1, ω2, ω3, t2, t3, t4는 하나의 개체, 즉 유전자를 구성하며 유전 알고리즘에서 교배 및 선택의 대상이 된다.

성능/효과

변인은 각 모터 별 각속도(ω1～ω4)와 제어 시각(t1～t4)으로 구성된다. 8가지 변인 중 모터 4는 물체를 잡거나 놓는 역할인 손가락을 움직이는 모터이므로 각속도가 영향을 미치지 않는다고 판단하였다. 그리고 제어 시각의 기준을 모터 1이 작동하는 시각인 t1로 지정하였기 때문에 t1은 항상 0이므로 변인에서 제외할 수 있다.
본 연구에서는 물체를 정확하게 던지는데 영향을 주는 변인들을 설정하여 유전알고리즘을 설계하였다. 그리고 이를 기반으로 한 4자유도 로봇팔을 설계, 제작하여 물체를 정확히 던지는 방법을 스스로 학습하도록 하여, x축 기준 17세대, z축 기준 23세대 만에 학습에 성공함을 확인하였다. 또한, 각 변인들이 정확한 던지기에 미치는 상대적 기여도를 분석한 결과 어깨의 각속도, 손가락의 제어 시작 시간, 팔꿈치의 각속도, 팔꿈치의 제어 시작 시간, 손목의 각속도 순으로 정확한 던지기에 영향을 끼친다는 것을 알 수 있다.
돌연변이는 조상 개체와 관련이 없는 무작위적인 변인을 의미하며, 이를 추가하여 다양한 해가 나올 수 있도록 하였다. 돌연변이는 6가지 변인 모두에서 발생할 수 있으며, 본 연구에서 얻은 실험 결과에 따라 돌연변이 발생 확률을 5%로 설정하였다.
그리고 이를 기반으로 한 4자유도 로봇팔을 설계, 제작하여 물체를 정확히 던지는 방법을 스스로 학습하도록 하여, x축 기준 17세대, z축 기준 23세대 만에 학습에 성공함을 확인하였다. 또한, 각 변인들이 정확한 던지기에 미치는 상대적 기여도를 분석한 결과 어깨의 각속도, 손가락의 제어 시작 시간, 팔꿈치의 각속도, 팔꿈치의 제어 시작 시간, 손목의 각속도 순으로 정확한 던지기에 영향을 끼친다는 것을 알 수 있다.
모터 값은 –100부터 100까지의 범위를 갖는 정수이며 절댓값이 클수록 모터는 빠르게 회전한다. 본 연구에서는 모터 값은 각속도와 선형적인 관계를 이룬다는 사실과 모터 값이 같아도 배터리 전압과 전류에 따라서 모터의 각속도가 달라진다는 선행 연구 결과를 실험적으로 재확인하였다. 따라서 로봇팔의 각 모터를 제어하는 컨트롤러와 모터보드의 전압과 전류를 일정하게 유지하였다.
이 결과 23세대가 지난 뒤 학습이 완료되었다. 이를 통해 본 연구에서 사용한 기계학습 알고리즘은 z축 던지기에서 적용되어서 최적 해를 찾을 수 있었고, 이를 통해 다른 환경과 하드웨어에서도 최적 해를 도출해 낼 것이라고 예측할 수 있었다.
총 17세대가 지난 뒤 학습이 완료되었다. 이를 통해 본 연구에서 사용한 알고리즘을 적용하면 1차원 x축 던지기에서 최적해를 찾을 수 있음을 보였다.

후속연구

이를 위해 각 변인의 기여도를 로봇에 적용하기 위한 후속 연구가 필요하다. 둘째, 본 연구를 통하여 사람의 던지기 동작을 분석하여 스포츠 과학과 같은 인체와 관련된 분야에 사용될 수 있다. 셋째, 본 연구에서는 기계학습을 통해 물리적 문제를 해결하였다.
또한, 같은 행위를 계속해서 반복할수록, 물체를 던지는 사람은 일정한 힘을 오랫동안 유지하지 못하고 점차 오차가 발생하기 마련이다[1]. 따라서 물체의 던지기에 있어서 물체 도달 위치의 정확도와, 장시간 유지되는 일의 안전성을 보장해 줄 로봇의 개발이 필요하다.
첫째, 본 연구의 확장을 통해 공간에서 정확한 위치에 던질 수 있는 로봇을 개발할 수 있고, 이를 산업현장을 포함한 다양한 상황에서 활용될 수 있다. 이를 위해 각 변인의 기여도를 로봇에 적용하기 위한 후속 연구가 필요하다. 둘째, 본 연구를 통하여 사람의 던지기 동작을 분석하여 스포츠 과학과 같은 인체와 관련된 분야에 사용될 수 있다.
이상의 결과를 통해 다음과 같은 시사점을 얻을 수 있었다. 첫째, 본 연구의 확장을 통해 공간에서 정확한 위치에 던질 수 있는 로봇을 개발할 수 있고, 이를 산업현장을 포함한 다양한 상황에서 활용될 수 있다. 이를 위해 각 변인의 기여도를 로봇에 적용하기 위한 후속 연구가 필요하다.

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

정확한 던지기를 위한 기계학습 기반의 4자유도 로봇팔 설계 및 분석
Design and Analysis of 4-Degree-Freedom Robotic Arm based on Machine Learning for Accurate Throwing 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

데이터처리

이론/모형

성능/효과

후속연구

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

정확한 던지기를 위한 기계학습 기반의 4자유도 로봇팔 설계 및 분석 Design and Analysis of 4-Degree-Freedom Robotic Arm based on Machine Learning for Accurate Throwing 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

데이터처리

이론/모형

성능/효과

후속연구

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

정확한 던지기를 위한 기계학습 기반의 4자유도 로봇팔 설계 및 분석
Design and Analysis of 4-Degree-Freedom Robotic Arm based on Machine Learning for Accurate Throwing 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper