The University of Sydney, Australian Centre for Field Robotics2013#078제어·MPC박사학위논문

부정확한 예측의 학습과 대응: 자율 굴착 응용

Learning and Reacting with Inaccurate Prediction: Applications to Autonomous Excavation

Guilherme Jorge Maeda · The University of Sydney PhD thesis

한줄 요약 — 피드백만으로는 인과성과 유압 대역폭 때문에 큰 굴착외란을 제거할 수 없고 토양힘 예측도 본질적으로 부정확하다는 이중 문제에 대해, 반복 성분은 ILC로 선제 보상하고 비반복 예측오차는 DOB로 반응 보상하는 P-DOB-ILC를 구성해 이질적 현장 토양의 다중 패스 굴착과 트렌칭에서 정량 검증했다.

1.연구 배경 및 동기

예측이 필요하지만 정확할 수 없는 굴착제어의 역설

대형 유압 매니퓰레이터는 산업용 전기 로봇과 다른 외란 규모를 경험한다. 논문이 비교한 Komatsu PC05-7의 최대 적재량은 팔 질량의 303.3%이며, 대형 PC8000도 310.4%에 이른다. 반면 Kuka KR 30-3의 비율은 9.8%다. 굴착 중 토양력은 단순한 작은 섭동이 아니라 구동기 명령을 포화시키는 주된 동역학이므로, 공장 로봇에서 흔한 비례 피드백만으로 같은 추종정밀도를 기대할 수 없다.

피드백 이득을 높이는 해법에도 근본 한계가 있다. 인과적인 안정 피드백계에서는 Bode 적분의 waterbed effect 때문에 어떤 주파수의 감도를 낮추면 다른 주파수에서 증폭이 발생한다. 미래 외란을 미리 알면 이 한계를 넘어설 수 있지만, 토양-도구 힘은 압밀·조성·암석 포함량과 이전 패스의 파쇄 상태가 달라져 정확히 예측하기 어렵다. 실제 선행모델도 대략 20~32% 수준의 예측오차를 보고한다.

논문의 문제설정은 따라서 ‘예측 또는 반응’의 선택이 아니라 두 기능의 역할분담이다. 이전 패스와 비슷한 저주파·반복 외란은 ILC가 다음 패스 전에 보상하고, 갑작스러운 토층 변화나 암석처럼 반복되지 않는 부분은 시간영역 외란관측기가 실행 중 억제한다. 계획된 최종 절단면이 첫 패스의 유량한계보다 깊어도 실패로 보지 않고, 포화가 자연스럽게 얕은 slice를 만들도록 같은 기준궤적을 반복한다.

원문 Figure 1.2, PDF 22쪽
원문 Figure 1.2 · PDF p.22 — Figure 1.2 (a) shows a sequence of experimentally-measured bucket tip trajectories
원문 Figure 1.3, PDF 25쪽
원문 Figure 1.3 · PDF p.25 — Figure 1.3 – The waterbed effect. (a) For a feedback controller the negative and positive areas must sum to zero. (b) For a controller with a disturbance preview the integral can be reduced, potentially improving disturbance rejection over a larger range of frequencies.
원문 Figure 1.4, PDF 25쪽
원문 Figure 1.4 · PDF p.25 — Figure 1.4 shows the sequence of disturbances at each joint actuator of the excavator
선행 연구의 한계
이 연구의 기여

2.방법론 및 시스템 구성

기준경로는 숙련 작업자에게서 관찰한 사다리꼴 절단 패턴으로, 침투·수평 끌기·인양·덤프 구간을 포함한다. 목표는 중간 층별 경로가 아니라 최종 80 cm 깊이 절단면 하나뿐이다. 첫 패스에서 붐이나 스틱 유량이 포화되면 버킷은 기준보다 얕게 지나가지만 토양을 제거하고, 다음 패스가 같은 경로를 다시 시도한다. 작은 굴착기의 구조와 relief valve가 과도한 힘을 제한하므로 포화를 힘에 따른 자연스러운 궤적 변조로 이용한다.

자유공간 관절동역학은 servo-valve 입력에서 관절속도로 가는 1차 시스템으로 근사하고, 그 역모델이 기준궤적용 feedforward 명령을 만든다. 실제 굴착에서 생긴 등가 입력외란은 관절 위치오차와 모델을 통해 추정된다. ILC 갱신은 이전 패스의 외란 추정치를 다음 패스의 보상명령으로 저장한다. 시간영역 DOB는 예측명령이 실제 외란을 먼저 상쇄한 뒤 남은 차이만 보게 배치되므로, 전체 외란이 아니라 ILC 예측오차를 추정한다.

정밀도는 버킷 끝과 기준 절단면 사이의 RMS 거리오차로, 도구 자세의 적절성은 RMS 버킷 방향오차로 평가한다. 또한 disturbance PSD와 compensation residual PSD의 비로 sensitivity-like function을 구성해, 전향예측이 기존 피드백 감도보다 외란을 더 줄였는지 분석한다. 컨트롤러는 목표 RMS 오차에 도달할 때까지 같은 절단을 반복하고, 트렌칭에서는 장비가 뒤로 이동할 때 ILC 메모리를 초기화한다.

처리 파이프라인

1

최종 절단면과 느린 기준궤적 설계

80 cm 깊이·1.2 m 길이의 침투-끌기-인양-덤프 경로를 만들고, 버킷 표면 마찰을 줄이도록 약 5° 자세 오프셋을 적용한다. 한 패스는 인양 전까지 약 10초, 덤프까지 약 14초이다.

2

자유공간 동역학 역모델

각 관절을 gain Kv와 시정수 τ의 1차 모델로 식별하고 역모델로 기준궤적 feedforward를 계산한다. 속도 프로파일을 평활화해 유량 피크를 낮춘다.

3

포화 기반 반복 절삭

첫 패스가 깊이 요구를 만족하지 못해도 최대 유압력을 사용한 중간 slice로 인정한다. 동일 최종궤적을 반복하며 토양이 제거될수록 외란과 오차가 줄어든다.

4

ILC 전향예측

직전 패스의 위치오차, 피드백 명령, 역모델 출력을 결합해 등가 외란을 추정하고 다음 패스의 servo-valve 보상명령으로 사용한다.

5

DOB 반응보상

ILC 명령과 실제 외란 사이의 잔차를 시간영역에서 추정해 저주파 예측오차와 overshoot를 억제한다.

6

마감 판정과 위치 이동

RMS 거리오차가 지정 품질에 도달하면 현재 cut을 종료한다. 긴 트렌치에서는 90 cm 후진해 이전 절단의 평탄부와 겹치도록 다음 cut을 시작한다.

원문 수식과 의미

Predictive-reactive ILC 갱신

uj+1(t)=Q(z)[C(z)ye,j(t)+uj(t)−P^−1(z)yj(t)]=d^j(t)u_{j+1}(t)=Q(z)\left[C(z)y_{e,j}(t)+u_j(t)-\hat{P}^{-1}(z)y_j(t)\right]=\hat{d}_j(t)

직전 패스 j의 추종오차와 입출력에서 등가 외란을 추정해 다음 패스 j+1의 선제 보상명령으로 사용한다.

버킷 끝 RMS 거리오차

dxy,jRMS=1N∑t=0N−1dxy,j(t)2d_{xy,j}^{\mathrm{RMS}}=\sqrt{\frac{1}{N}\sum_{t=0}^{N-1}d_{xy,j}(t)^2}

붐·스틱·버킷 세 관절의 오차를 하나의 Cartesian 마감정밀도 값으로 통합한다.

버킷 RMS 방향오차

θjRMS=1N∑t=0N−1(θr(t)−θj(t))2\theta_j^{\mathrm{RMS}}=\sqrt{\frac{1}{N}\sum_{t=0}^{N-1}(\theta_r(t)-\theta_j(t))^2}

버킷이 토양을 올바른 자세로 전단·포집했는지를 보조적으로 나타낸다.

Sensitivity-like function

Sd,e=F^e(ω)/F^d(ω)S_{d,e}=\sqrt{\hat{F}_e(\omega)/\hat{F}_d(\omega)}

실제 외란의 PSD와 보상 후 등가 입력의 PSD를 비교해 부정확한 preview가 제공한 외란감쇠를 정량화한다.

원문 Figure 3.5, PDF 97쪽
원문 Figure 3.5 · PDF p.97 — Figure 3.5 – The path defining an 80 cm deep cut used for evaluating controllers. Each controller has to achieve the desired cut by iteratively tracking a fixed reference trajectory, defined by the path of the cut and indexed uniformly by time. The orientation of the bucket is defined by an offset angle θAB between the segment AB and the path of the cut during penetration and dragging.
원문 Figure 5.2, PDF 144쪽
원문 Figure 5.2 · PDF p.144 — Figure 5.2 – Proposed predictive-reactive controller structure. The blocks P and ˆP are respectively the plant and the invertible plant estimate in free motion. The signals r, y, ye and uff are the reference, the position output, the tracking error and the feedforward reference compensation command respectively. The terms dj, uj and ddob are the disturbances arising from the interaction, the estimated disturbance and the DOB output, respectively. (a) The conventional representation with an ideal feedforward reference compensation (shown dashed). (b) At the left, the rearranged controller with the DOB and position feedback C grouped as a feedback controller K. Note from the representation on the right that the disturbance dj is compensated preemptively by uj before the feedback compensation.

3.핵심 기술

예측과 반응을 직렬로 배치한 외란보상

ILC는 같은 기준궤적을 반복할 때 직전 패스의 저항력 이력을 다음 패스 전에 재생한다. 토양력을 별도 힘센서로 실시간 측정하지 않고 servo-valve 입력과 관절 위치로 본 등가 외란을 학습하므로 구현이 단순하다. 실제 335패스 자료에서는 예측오차의 파워가 원 외란보다 평균적으로 작았고, 특히 1 rad/s 이하에서 감소가 컸다.

DOB는 예측명령을 더한 뒤 남은 residual을 보므로 ILC의 정확한 부분을 지우지 않고 부정확한 부분만 반응적으로 줄인다. 8패스 예에서 전 관절 평균 보상오차가 28% 감소했으며, 현장 궤적에서는 순수 P-ILC의 과굴착을 P-DOB-ILC가 완화했다.

  • ILC: 패스 간 반복 외란의 선제 보상
  • DOB: 패스 내부 비반복 예측오차의 반응 보상
  • Q-filter로 고주파 비반복 성분의 학습을 억제할 수 있음
  • 관절 엔코더만으로 실시간 제어가 가능해 힘센서 의존을 낮춤

유량 포화를 실패가 아닌 작업 프리미티브로 활용

첫 패스에서 붐·스틱이 포화되어 기준을 못 따라가도 동일 최종궤적을 다시 시도하면 얕은 절삭층이 순차적으로 제거된다. 이는 숙련자의 slicing과 유사하며, 중간 깊이 경로를 토질별로 설계하지 않아도 된다.

이 가정은 소형 굴착기와 전단 가능한 토양에서 유효하다. 현장시험의 350회가 넘는 패스 대부분에서 하나 이상의 실린더가 유량 포화를 경험했지만 버킷이 토양에 걸려 빠져나오지 못한 사례는 없었다. 다만 대형 장비에서는 구조 피로를 막기 위해 힘 제한 신호가 포화의 역할을 대신해야 한다.

  • 최종 절단면 하나를 모든 패스의 기준으로 사용
  • 얕은 초기 패스를 정상적인 중간 상태로 해석
  • 인양 구간은 이미 전단된 토양을 지나므로 탈출 가능하다는 가정
  • 파쇄암이나 버킷을 완전히 정지시키는 큰 암석은 범위 밖

간결한 유압 관절 모델과 가상 힘센서

1.5톤 Komatsu PC05-7의 붐·스틱·버킷에는 Moog D633 유량제어 servo-valve와 12-bit 절대엔코더가 장착된다. 자유공간에서는 1차 모델로 관절별 입출력을 근사하며, 실제 굴착에서 모델과 다른 유량효과를 입력외란으로 취급한다.

비접촉 저속운동에서 버킷 속도모델 RMS 오차는 4.1°/s였지만 고속운동에서는 6.5°/s, 토양 접촉에서는 18.9°/s로 커졌다. 이 결과는 정교한 고정 모델보다 외란관측과 반복학습이 필요한 이유를 직접 보여준다.

  • 제어기와 PLC 모두 100 Hz
  • 붐·스틱·버킷 3관절만 굴착제어에 사용
  • load pin은 오프라인 비교용이며 실시간 제어루프에는 미사용
  • 등가 외란 단위는 토양력 자체가 아니라 servo-valve 명령 mA

감도함수로 보는 부정확한 예측의 가치

논문은 예측기가 정확한가만 묻지 않고, 그 예측이 피드백계에 들어갔을 때 실제 외란감도를 얼마나 낮추는지를 본다. 84패스의 sensitivity-like function은 평균적으로 순수 비례제어의 감도보다 낮았고, 붐과 버킷에서는 정보이론적 하한의 89%와 79%에 해당하는 감쇠를 얻었다.

오프라인 FEE 기반 경험모델은 적절한 50-point 회귀창에서 ILC보다 더 큰 감쇠를 냈지만 load cell, 힘 제어루프, 토질에 따른 창크기 조정이 필요했다. ILC는 최대 감쇠 일부를 포기하는 대신 센싱과 계산을 단순화하는 선택으로 해석된다.

  • 예측오차를 통신채널의 잡음으로 해석
  • 주파수별로 예측 사용이 이득인지 손해인지 판별
  • FEE 경험모델과 ILC를 동일 외란·시뮬레이션 피드백계에서 비교
  • 성능뿐 아니라 구현 가능성을 제어기 선택기준으로 포함
원문 Figure 3.2, PDF 86쪽
원문 Figure 3.2 · PDF p.86 — Figure 3.2 shows a simplified diagram of the whole system; a more detailed diagram
원문 Figure 5.3, PDF 152쪽
원문 Figure 5.3 · PDF p.152 — Figure 5.3 – Evaluating the validity of Equation (5.8) using real excavation data. .
원문 Figure 5.5, PDF 155쪽
원문 Figure 5.5 · PDF p.155 — Figure 5.5 – Attenuation of the disturbance prediction error by the sensitivity function of the feedback controller. At each joint the value of D and U represents the average over 335 passes.

4.실험 결과

실험 환경·장비·데이터

실험 프로토콜

비교 기준

평가 지표

원문 Figure 6.1, PDF 173쪽
원문 Figure 6.1 · PDF p.173 — Figure 6.1 – Location of field experiments.
원문 Figure 6.2, PDF 174쪽
원문 Figure 6.2 · PDF p.174 — Figure 6.2 – Heterogeneous soil conditions during experiments. (a) The wall of a cut shows changes in soil composition with depth. The topsoil is approximately 40 cm deep. (b) Different areas presented different incidence of rocks.
원문 Figure 6.3, PDF 175쪽
원문 Figure 6.3 · PDF p.175 — Figure 6.3 – Measurements of the soil shear resistance made using a penetrometer (left). The cross marks are additional measurements taken at the bottom of a cut after the digging was completed, indicating that the soil shear strength increased with the depth, even on the fractured surface.

핵심 결과 해석

35개 cut, 총 245패스의 직접 비교에서 제안한 P-DOB-ILC가 거리와 자세오차 모두 가장 빠르게 수렴했다. 7번째 패스의 평균 거리오차는 P 11 cm, PI 3 cm, P-ILC 2 cm, P-DOB 4 cm, P-DOB-ILC 1 cm였다. 10 cm rough-cut 기준은 두 ILC 제어기가 평균 4번째 패스, P-DOB가 5번째, PI가 6번째에 도달했으며 P는 7패스 안에 도달하지 못했다.

전향예측의 효과만 보면 P-ILC는 P보다 평균 45% 기준면에 가까웠고, P-DOB-ILC는 P-DOB보다 29% 개선되었다. 반응보상의 효과는 P-DOB-ILC가 P-ILC보다 평균 추종오차를 25% 줄인 것으로 정리된다. 순수 P-ILC는 비반복 외란 때문에 목표 아래로 overshoot하는 사례가 있었고, DOB를 결합하면 공격적인 수렴을 유지하면서 과굴착을 줄였다.

3.6 m 트렌칭에서 P-ILC와 P-DOB-ILC는 각각 34패스와 30패스로 5 cm RMS 마감기준을 달성했다. P-DOB-ILC 궤적은 P-ILC보다 overshoot가 적었다. 다만 지중 인프라처럼 과굴착이 절대 허용되지 않는 작업에서는 저자도 더 느리더라도 순수 반응형 P-DOB를 선호할 수 있다고 명시한다. 즉 제안법은 정밀안전과 생산성 사이의 운용 선택을 없애기보다 정량적으로 드러낸다.

정량 결과

평가 항목정량 결과조건·맥락원문 근거
컨트롤러 비교 규모245패스5개 제어기×각 7개 cut×cut당 7패스, 약 40 m×40 m 현장PDF p.177
7번째 패스 평균 거리오차P 11 cm, PI 3 cm, P-ILC 2 cm, P-DOB 4 cm, P-DOB-ILC 1 cm80 cm 깊이·1.2 m 길이 절단의 dxy,RMSPDF p.178
10 cm rough-cut 도달P-ILC·P-DOB-ILC 4패스, P-DOB 5패스, PI 6패스, P는 7패스 내 미달평균 수렴곡선 기준PDF p.180
ILC preview 개선45%P-ILC의 평균 거리오차가 Proportional 대비 개선된 상대값PDF p.182
Predictive-reactive 개선29%P-DOB-ILC의 평균 거리오차가 P-DOB 대비 개선된 상대값PDF p.183
DOB의 예측오차 보정 효과25%P-DOB-ILC가 P-ILC보다 달성한 평균 추종오차 개선PDF p.195
보상오차 감소평균 28%8패스 예에서 모든 패스와 관절의 ILC 잔차에 DOB를 적용한 결과PDF p.153
트렌칭 성과3.6 m 길이, 80 cm 깊이, 5 cm RMS; P-ILC 34패스, P-DOB-ILC 30패스90 cm씩 후진하며 연결한 proof-of-concept 트렌치PDF p.193
ILC 감도감쇠의 이론한계 도달률붐 89%, 버킷 79%84패스 sensitivity-like function과 채널용량 하한 비교PDF p.188
현장 토양·플랫폼 데이터표토 약 40 cm, 암석 최대 15 cm, penetrometer 106점Marulan sandy clay loam 시험구역PDF p.174
실패 사례와 경계조건
원문 Figure 6.4, PDF 177쪽
원문 Figure 6.4 · PDF p.177 — Figure 6.4 summarizes a total of 245 passes where each of the Proportional, PI,
원문 Figure 6.6, PDF 180쪽
원문 Figure 6.6 · PDF p.180 — Figure 6.6 shows examples of cuts made with the P-DOB, P-ILC, and P-DOB-ILC
원문 Figure 6.12, PDF 192쪽
원문 Figure 6.12 · PDF p.192 — Figure 6.12 (a) shows a proof-of-concept experiment where the proposed predictive-

5.한계 및 향후 연구

현재 한계

  • 참조궤적이 모든 패스에서 동일해야 하므로 패스별 속도최적화와 full-bucket 조기인양을 직접 결합하기 어렵다.
  • 단일 sandy clay loam 현장과 1.5톤 미니굴착기에서 검증되어 파쇄암·대형 광산장비·다른 유압구조로 일반화되지 않았다.
  • 제어 목표가 위치추종이므로 실제 적재량, 에너지, 생산성, 구조피로를 직접 최적화하지 않는다.
  • 몸체 기울기 센서가 없어 kinematic swept-volume 계산을 정량 성능지표로 사용할 수 없었다.
  • ILC는 각 90 cm 장비 이동 뒤 초기화되어 인접 cut이나 장기 작업에서 학습을 전이하지 않는다.
  • 지중 구조물 근처에서는 작은 overshoot도 위험하므로 공격적인 predictive 제어를 그대로 쓰기 어렵다.

향후 연구

  • 토질·패스별로 지속시간을 조절하는 iteration-variant trajectory와 시간정렬 가능한 학습법이 필요하다.
  • 버킷 충전량을 실시간 감지해 충분히 찼을 때 끌기를 끝내고 인양하도록 해야 한다.
  • sensitivity-like function을 단순 분석도구가 아니라 H∞ preview 제어기 설계와 자동 튜닝에 연결할 필요가 있다.
  • 고수준 지형·작업계획과 통합해 장거리 트렌치, 광산 face, 선택채굴의 cut 순서를 자동 생성해야 한다.
  • 대형 장비에서는 유량 포화 대신 구조하중·미끄럼·전복 안전한계를 명시적으로 적용해야 한다.
  • ILC, 토공역학 모델, 학습 힘예측을 조건별로 혼합하고 예측불확실성에 따라 반응제어 권한을 조절할 수 있다.

6.한마디로 정리

핵심 방법은?

이전 패스 외란은 ILC가 선제 보상하고, 실제 외란과 예측의 차이는 DOB가 패스 내부에서 반응 보상한다.

핵심 결과는?

현장 245패스 비교에서 결합 제어가 최종 평균 1 cm 오차와 가장 빠른 수렴을 보였고 3.6 m 트렌치를 30패스로 완성했다.

한계는?

반복되지 않는 토질과 과굴착 위험은 남으며, 고정 궤적·소형 장비·단일 토양조건을 넘어선 안전 검증이 필요하다.

#제어·MPC#학습·RL·IL·VLA#시스템통합·현장실증#iterative learning control#feedforward disturbance compensation#disturbance observer#sensitivity analysis

나의 의견 / 우리 연구와의 연관성

현대 자율굴착의 힘예측 모델은 Transformer나 신경망으로 바뀌었지만 ‘예측은 틀린다’는 구조적 문제는 그대로다. 이 논문의 통찰을 적용하면 학습모델의 출력을 직접 구동명령으로 신뢰하지 않고, 예측 평균은 feedforward나 MPC nominal model로 사용하며 잔차는 disturbance observer와 robust constraint가 흡수하는 구조를 만들 수 있다.

또한 한 패스의 실패를 작업 실패가 아니라 다음 반복을 위한 정보로 해석하는 점은 반복절토·grading에 적합하다. 우리 연구에서는 cut 위치, 토질 임베딩, 장비자세를 조건으로 이전 패스의 힘·슬립·적재량을 메모리에 저장하고, 위치 이동 뒤에도 유사조건의 보상을 warm-start하는 context-conditioned ILC로 확장할 수 있다.

7.전체 그림·표

섹션별 원문 근거 페이지

원문·기존 요약·관련 자료

추출·교차검증 근거