로보틱스 리서치 노트 Research Review · Dynamics & Identification
Paper Review / 2018

최소제곱에
물리 법칙을 더하다 4×4 행렬로 보는 관성 파라미터 식별

측정 토크를 잘 설명하는 모델이 실제로 존재할 수 있는 물체를 뜻하지는 않는다. 질량 분포의 공분산에서 출발하면, 이 간극을 작은 행렬 하나로 제약할 수 있다.

논문 · Patrick M. Wensing, Sangbae Kim, Jean-Jacques E. Slotine IEEE RA-L · 2018 노트 작성 ·
The central idea
J(π) ≻ 0

질량과 관성을 묶은 4×4 유사관성 행렬.
비퇴화 질량 분포의 실현 가능성을 볼록 제약으로 표현한다.

Why it matters

링크당 관성 파라미터는 10개다. 이 값들을 자유롭게 맞추는 대신 존재 가능한 질량 분포의 범위에서 오차를 최소화하면, 물리 일관성과 볼록최적화의 장점을 함께 얻는다.

Abstract

오차를 줄이면서, 물리적으로 가능한 해를 고른다

강체의 역동역학은 관성 파라미터에 선형이므로 최소제곱으로 식별할 수 있다. 그러나 제약 없는 해에는 음의 질량이나 실제 질량 분포로 만들 수 없는 회전관성이 포함될 수 있다.

Wensing·Kim·Slotine은 회전관성의 삼각부등식을 질량 분포의 2차 모멘트와 연결하고, 비퇴화 분포의 물리 일관성을 4×4 유사관성 행렬의 양의 정부호 조건으로 표현한다. 여기에 CAD 기반 경계 타원체 조건을 더하면, 볼록최적화 안에서 물리적으로 실현 가능한 관성 파라미터를 추정할 수 있다. MIT Cheetah 3의 3자유도 다리에서는 링크·로터 관성과 마찰을 함께 식별했다.

01

물리 조건도 볼록하게

삼각부등식을 포함한 관성 조건을 파라미터에 선형인 작은 행렬로 묶는다.

02

형상 정보까지 반영

질량중심의 위치뿐 아니라, 분포 전체가 타원체 안에서 실현 가능한지 제약한다.

03

적은 데이터에서의 이점

제시된 실험에서는 강한 물리 제약이 적은 표본에서도 검증 오차를 낮추는 데 기여했다.

01 / Problem & Context

잘 맞는 파라미터와
존재 가능한 파라미터의 차이

모델 기반 전신 제어에는 정확한 동역학이 필요하다. 그 핵심인 질량·질량중심·회전관성을 데이터로 맞출 때, 잔차만 최소화하면 물리적으로 불가능한 값까지 후보에 들어온다. 이 논문은 최적화가 탐색하는 해의 범위 자체를 물리적으로 제한한다.

MIT Cheetah 3 다리의 관성 파라미터 식별 장치와 링크의 질량, 질량중심, 회전관성 표시
Figure 1MIT Cheetah 3 다리 식별 장치. 링크의 질량과 관성을 물리적으로 일관되게 추정하는 것이 목표다. 원 논문 Fig. 1.

선형 회귀가 가능한 좌표를 택한다

링크 하나를 나타내는 파라미터는 질량 1개, 1차 모멘트 3개, 대칭 회전관성 행렬의 독립 성분 6개다. 질량중심 좌표를 직접 쓰는 대신 1차 모멘트 h = mc와 원점 기준 관성 Ī를 쓰면 역동역학은 π에 선형이 된다.

H(q)ν̇ + Cν + g = Y(q, ν, ν̇)π
원 논문 식 (2)
πi = [m, hx, hy, hz, Ixx, Ixy, Ixz, Iyy, Iyz, Izz]T
minπ ∑k ‖Y(k)π − τ(k)‖²
최소제곱 식별 · 식 (4), 표본 첨자는 k로 표기
이 글에서 사용하는 핵심 기호
기호의미
Y위치·속도·가속도로 구성되는 역동역학 회귀행렬
m, c, h질량, 질량중심, 1차 모멘트 h = mc
Ī, ĪC각각 좌표 원점 기준, 질량중심 기준 회전관성
Σ, ΣC원점 기준 2차 모멘트, 질량중심 기준의 밀도 가중 2차 모멘트
J(π)질량·1차 모멘트·2차 모멘트를 묶는 4×4 유사관성 행렬
트윈의 관성을 옮길 때는 기준점부터 확인한다 평행축 정리는 Ī = ĪC + mS(c)S(c)T다. 여기서 S(c)는 c와의 외적을 표현하는 행렬이다. URDF 등에서 가져온 질량중심 기준 관성을 사용하려면 기준점과 좌표축을 일치시켜야 한다.

기존 접근 사이의 빈칸

관성 식별 선행 연구의 물리 일관성, 볼록성, 이산 근사와 LMI 사용 여부를 비교한 원 논문 표
Table 1선행 연구 비교. 본 연구는 완전한 물리 일관성과 볼록성을, 점질량 격자에 의존하지 않는 LMI 표현으로 결합한다. 원 논문 Table I.
선행 접근과 본 연구의 차이
접근구성주요 한계·특징
Sousa & Cortesão
2014
반일관성 LMI · 볼록양의 질량과 관성만으로는 삼각부등식을 보장하지 못한다.
Traversaro 외
2016
완전 일관성 · 다양체 매개변수화비볼록 문제이므로 전역 최적 보장이 어렵다.
Ayusawa 외
2011
완전 일관성 · 점질량 격자이산 근사 오차와 변수 증가가 따른다.
Wensing 외
본 연구
유사관성 LMI · 볼록작은 행렬 제약으로 물리 일관성과 경계 정보를 반영한다.
Identification Pipeline
측정 데이터q, ν, ν̇, τ → 회귀행렬과 토크 잔차
CAD 사전 정보관성 초기값 → 정규화
경계 타원체 → 위치·분포 제약
물리 일관성J(π) ≻ 0
질량과 관성의 실현 가능성
형상 일관성C(π) ⪰ 0, Tr(JQ) ≥ 0
타원체 안의 질량 분포
최소제곱 + 사전값 정규화 + 행렬 제약
볼록 문제의 최적해 π*
논문의 식별 구조를 재구성한 도식. 전역 최적성은 주어진 목적함수와 제약에 관한 성질이며, 실제 파라미터의 유일한 복원을 뜻하지 않는다.
02 / The Mathematical Idea

회전관성을 질량 분포의 언어로 읽기

핵심 전환은 회전관성을 직접 다루는 대신, 질량이 각 방향으로 얼마나 퍼져 있는지를 보는 것이다. 이 관점에서 관성의 삼각부등식은 2차 모멘트가 음수가 될 수 없다는 조건으로 바뀐다.

① 삼각부등식은 공분산의 조건이다

질량중심 기준 관성의 주값을 J₁, J₂, J₃라 하면, 실제 질량 분포는 다음 삼각부등식을 만족해야 한다.

J₁ + J₂ ≥ J₃,   J₂ + J₃ ≥ J₁,   J₁ + J₃ ≥ J₂
½ Tr(ĪC)1₃ − ĪC ⪰ 0
식 (9), (13) · 1₃는 3×3 단위행렬

질량중심에서의 위치를 xc, 밀도를 ρ라 하자. 밀도 가중 2차 모멘트 ΣC는 다음처럼 회전관성과 연결된다.

ΣC = ∫ xcxcTρ(x) dx
ĪC = Tr(ΣC)1₃ − ΣC
ΣC = ½ Tr(ĪC)1₃ − ĪC
식 (16), (17) ΣC는 질량으로 정규화하지 않은 양이다. 확률분포 ρ/m의 공분산은 ΣC/m에 해당한다.

ΣC의 고유값이 μ₁, μ₂, μ₃이면 관성 주값은 J₁ = μ₂ + μ₃, J₂ = μ₁ + μ₃, J₃ = μ₁ + μ₂가 된다. 즉 각 방향의 2차 모멘트가 비음수라는 사실이 삼각부등식을 만든다.

3차원 점질량 분포와 평면에 놓인 점질량 분포의 공분산 타원체 비교
Figure 23차원으로 퍼진 분포와 두께가 0인 판의 차이. 평면 분포는 ΣC의 고유값 하나가 0이며, 관성 삼각부등식 하나가 등호가 된다. 원 논문 Fig. 2.
관성의 삼각부등식은
“질량의 퍼짐이 음수일 수 없다”는 조건이다.
논문의 2차 모멘트 해석을 풀어쓴 문장

② 10개 파라미터를 4×4 행렬로 묶는다

원점 기준의 2차 모멘트 Σ는 π에 선형이다. 여기에 1차 모멘트와 질량을 배치하면 유사관성 행렬이 된다.

Σ = ½ Tr(Ī)1₃ − Ī
J(π) = ΣhhTm ≻ 0
식 (19), (20) · Theorem 3

증명 아이디어 · Schur 보수

J ≻ 0은 m > 0이고 Σ − hhT/m ≻ 0인 것과 동치다. 그런데 Σ = ΣC + mccT, hhT/m = mccT이므로 남는 조건은 ΣC ≻ 0이다. 질량중심 때문에 생긴 항이 상쇄되면서 분포의 퍼짐만 남는다.

조건표현해석
반일관성6×6 공간관성 I(π) ≻ 0운동에너지는 양수지만, 질량 분포의 실현 가능성까지 보장하지는 않는다.
완전 일관성
비퇴화 경우
4×4 유사관성 J(π) ≻ 0양의 질량과 양의 정부호인 중심 2차 모멘트를 보장한다.
≻ 0과 ⪰ 0은 구분해야 한다 삼각부등식의 등호를 허용하는 조건은 ΣC ⪰ 0이다. 반면 J ≻ 0은 ΣC ≻ 0을 요구하므로, 이상적인 판·선·점처럼 퇴화한 분포를 제외한다. 따라서 “양의 관성 + 비엄격 삼각부등식”을 J ≻ 0과 그대로 동일시하면 경계 사례를 놓친다.

실제 SDP 구현에서는 엄격 부등식을 직접 다루기보다 J ⪰ εI와 같은 수치적 여유를 둘 수 있다. 이때 ε와 단위 스케일은 구현에서 검토할 사항이다. 논문의 볼록성은 유효하지만, 수치적 여유가 실현 가능한 해의 범위를 지나치게 좁히지 않도록 해야 한다.

③ 질량중심뿐 아니라 분포 전체를 경계 안에 둔다

CAD가 링크의 경계 타원체 S를 제공한다면, 형상 정보를 식별에 사용할 수 있다. 중심이 xs, 형상 행렬이 Qs인 타원체에 대해 질량중심을 내부에 두는 조건은 다음과 같다.

C(π) = mhT − mxsT h − mxsmQs ⪰ 0
질량중심 포함 조건 · 식 (22)

그러나 중심만 안에 있다고 해서 관성에 대응하는 분포가 모두 안에서 실현되는 것은 아니다. 논문은 타원체의 이차형식을 나타내는 행렬 Q를 이용해 분포의 실현 가능성을 더 강하게 제약한다.

J(π) ≻ 0   그리고   Tr(J(π)Q) ≥ 0
타원체 내부 실현 가능성 · 식 (23) Q는 타원체를 동차 이차형식으로 표현하는 행렬이다. Tr(JQ)는 Q가 고정되어 있을 때 π에 선형이다.
빨간 경계 타원체와 파란 공분산 타원체의 네 가지 배치로 질량 분포 실현 가능성을 비교한 그림
Figure 3질량중심 위치와 분포의 퍼짐을 함께 보아야 한다. 중심이 내부에 있어도 주어진 2차 모멘트가 경계와 양립하지 않을 수 있다. 원 논문 Fig. 3.

질량중심이 타원체 경계에 가까워질수록 허용되는 분포의 퍼짐은 줄어든다. 경계에 정확히 놓이면 점질량으로 퇴화하는 극한을 생각할 수 있다. 중심 위치만 검사하는 조건은 이런 결합을 놓친다.

점질량 표현의 의미 논문의 실현 가능성 결과에서는 같은 모멘트를 타원체 내부의 점질량 4개로 표현할 수 있다. 이는 실제 링크가 네 덩어리라는 뜻이 아니라, 해당 모멘트를 갖는 분포가 존재함을 보여주는 표현이다.
03 / Experimental Evidence

Cheetah 3 다리에서 확인한 것

실험에서는 3자유도 다리의 링크 3개와 로터 3개를 다룬다. 관성만 조정하지 않고 점성 마찰과 쿨롱 마찰도 함께 식별해, 측정 토크를 설명하는 각 요소를 모델에 포함했다.

minπ, B, Bc   (1/ns) ∑k ‖r(k)‖² + wπ‖π − π̂‖²
r(k) = Y(k)π + Bν(k) + Bc sign(ν(k)) − τ(k)
Ci(πi) ⪰ 0,   Ji(πi) ≻ 0,   Tr(JiQi) ≥ 0
식 (25) · 각 강체 i에 제약 적용 π̂는 CAD 사전값, B는 점성 마찰, Bc는 쿨롱 마찰이다.
실험 구성과 식별 설정
대상Cheetah 3 다리 1개 · 3 DoF · 링크 3개 + 로터 3개
구동계기어비 10.6:1 · 점성 및 쿨롱 마찰 동시 식별
데이터1 kHz · 학습 10,000표본 + 검증 10,000표본
운동임피던스 제어로 발끝 구면각에 정현파 운동 부여
토크 입력모터 드라이버 명령값
사전 정보CAD 관성 및 경계 타원체 · wπ = 10−6
풀이MOSEK · 보고된 계산 시간 1.67초

검증 토크 오차는 관절별 약 1.2–1.5 N·m

1.48N·m · 외전/내전
1.16N·m · 힙
1.16N·m · 무릎
학습에 사용하지 않은 구간의 관절 각도와 토크 시계열. 파란 측정값과 빨간 식별 모델 예측값 비교
Figure 4학습에 사용하지 않은 구간의 관절 각도와 토크. 정지 부근에서는 쿨롱 마찰의 부호 불확실성이 오차 요인으로 남는다. 원 논문 Fig. 4.

식별된 쿨롱 마찰의 대각 성분은 3.12, 1.25, 0.95 N·m이며, 물리 일관성 제약의 만족이 확인되었다. 다만 이 실험의 토크 기준은 직접 측정한 관절 토크가 아니라 드라이버 명령값이라는 점을 함께 읽어야 한다.

수치 읽기 메모 원 노트가 지적한 Fig. 4 캡션의 “1.46 N·m”는 위 세 관절 RMS의 제곱평균제곱근인 약 1.28 N·m와 일치하지 않는다. 집계 방식이 분명하지 않으므로 이 글에서는 관절별 수치를 중심으로 제시한다.

로터와 마찰도 토크를 설명한다

관절 토크를 링크 관성, 로터 관성, 마찰의 기여로 나눈 그래프
Figure 5링크 관성·로터 관성·마찰의 토크 기여. 각 항을 함께 식별하는 모델 구성의 필요성을 보여준다. 원 논문 Fig. 5.

물리 제약은 데이터가 적을 때 특히 의미가 있다

학습 표본 수에 따른 검증 오차를 물리 제약의 수준별로 비교한 그래프
Figure 6학습 표본 수와 검증 오차의 관계. 제시된 실험에서는 제약이 강할수록 적은 표본에서 오차가 안정되는 경향을 보인다. 원 논문 Fig. 6.

형상과 물리 조건은 데이터만으로 구분하기 어려운 해를 배제하는 사전 정보로 작동한다. 다만 이 결과를 모든 기체와 운동에 일반화할 수는 없다. 데이터의 여기 수준, 모델 오차, 경계 타원체의 정확성이 함께 영향을 준다.

04 / Limits & Implications

전역 최적해가 곧
유일한 실제 관성은 아니다

이 방법은 물리적으로 가능한 해를 고르고 볼록 문제를 풀게 해준다. 그러나 데이터에 드러나지 않는 파라미터 방향까지 새롭게 관측해 주지는 않는다. 식별 가능성, 물리 일관성, 최적성은 구분해야 한다.

현재 근거의 범위와 다음 검증 과제
남은 한계의미와 다음 과제
3 DoF 실험강체당 4×4 LMI는 작지만, 고자유도·부동 기저에서의 성능과 계산량은 별도로 검증해야 한다.
명령 토크 사용실측 토크 및 구동기 모델과 결합해 입력 오차를 분리할 필요가 있다.
정지 부근 마찰속도 부호가 불확실한 구간에서는 단순 쿨롱 모델의 오차가 남는다.
확률적 불확실성“통계적 관점”은 질량 분포의 모멘트 해석이다. 파라미터 신뢰구간이나 확률적 추론을 제공하는 것은 아니다.
비식별 방향데이터가 구분하지 못하는 해의 선택에는 물리·형상 제약과 사전값 정규화가 작용한다.
접촉·유압 적용제시된 실험이 직접 검증한 범위에 포함되지 않는다. 관련 센서와 구동기 모델의 검증이 선행되어야 한다.

디지털 트윈에 적용한다면

원 노트의 응용 맥락은 실차 식별에서 얻는 파라미터 묶음과 AGX 같은 트윈이 요구하는 링크별 개별값 사이의 간극이다. 아래는 논문 실험 결과와 구분되는 적용 해석이다.

“식별된 질량”보다
“측정과 모순 없는 한 해”라는 표현이 정확할 수 있다.
비식별 파라미터를 가진 트윈 모델에 대한 적용 관점
  1. 현재 관성값의 일관성부터 검사한다

    트윈의 질량·질량중심·관성을 같은 좌표계와 기준점으로 변환한 뒤 J(π)를 구성한다. 측정 데이터 없이도 물리 일관성을 검사할 수 있다. 유의미한 음의 고유값이 나오면 기준점, 축 변환, 단위, 입력값을 점검한다.

  2. 묶음 측정값과 개별값의 역할을 구분한다

    정확히 알려진 파라미터 묶음은 등식 제약으로, 불확실한 측정은 허용 오차나 가중 잔차로 반영한다. J의 물리 조건과 메시 기반 경계 타원체를 추가하고, 보유 사전값을 정규화에 사용해 가능한 배치 하나를 선택한다.

  3. 적은 표본에서의 효과를 별도로 검증한다

    20 Hz 경사계·압력 카운트처럼 표본과 신호 품질이 제한된 환경에서는 물리 제약이 유용할 수 있다. 다만 Cheetah 실험의 결과가 그대로 이전된다고 가정하지 말고, 분리된 검증 데이터로 확인해야 한다.

  4. 압력에서 토크로 가는 경로를 먼저 보정한다

    유압 장비에서는 압력 보정, 유효 실린더 면적, 기구학적 지렛팔을 통해 토크가 정해진다. 물리적으로 가능한 관성 제약도 잘못된 입력 토크를 바로잡아 주지는 못한다.

검사 실패는 원인 확정이 아니다 J에 음의 고유값이 있다는 사실만으로 URDF의 관성 기준점 오류를 확정할 수는 없다. 좌표축·단위·수치 정밀도·파라미터 자체의 오류도 원인일 수 있다. 반대로 J가 조건을 통과해도 실제 링크의 관성과 일치한다는 보장은 없다.
05 / Sources & Reading Notes

출처와 해석의 경계

Primary Paper

Linear Matrix Inequalities for Physically-Consistent Inertial Parameter Identification: A Statistical Perspective on the Mass Distribution

Patrick M. Wensing · Sangbae Kim · Jean-Jacques E. Slotine

University of Notre Dame · MIT
IEEE Robotics and Automation Letters, 3(1), 2018
DOI: 10.1109/LRA.2017.2729659 · 노트의 읽은 판: arXiv:1701.04395v3

  1. 이 글은 제공된 논문 요약 노트를 바탕으로 재구성했다. 수식 번호, 실험 설정과 수치는 노트에 기재된 원 논문 참조를 따른다.
  2. Table I 및 Fig. 1–6은 제공된 논문 이미지다. 그림의 출처는 위 논문이며, 캡션의 한국어 설명과 본문의 흐름도는 이해를 돕기 위해 재구성했다.
  3. 엄격한 양의 정부호 조건과 퇴화 분포를 포함하는 양의 준정부호 조건을 구분했다. Schur 보수 설명에서도 이 차이를 유지했다.
  4. 검증 오차의 캡션 집계 문제는 원 노트의 확인 과제로 남겼다. 1.67초의 계산 시간은 해당 실험의 보고값이며 일반적인 실행 시간 보장이 아니다.
  5. Werner 2025, AGX, 아주대 사전값에 관한 원 노트의 언급은 개인 적용 맥락이다. 이 글에서는 외부 비교 연구의 결론으로 취급하지 않고, 비식별 파라미터를 트윈에 배치하는 문제로 풀어 설명했다.
  6. 인용 부호 형태로 강조한 문장들은 해설 또는 적용 의견이며, 논문 저자의 직접 인용이 아니다.
inertial parameters physical consistency pseudo-inertia matrix LMI SDP density-weighted covariance bounding ellipsoid base parameters
Takeaway

좋은 식별은 가능한 물체에서 시작한다

이 논문의 핵심은 물리 일관성을 최적화가 다룰 수 있는 형태로 바꾼 데 있다. 질량 분포의 2차 모멘트를 이용하면, 10개 관성 파라미터의 실현 가능성을 작은 행렬로 검사하고 형상 정보까지 반영할 수 있다.

실무의 첫걸음도 명확하다. 현재 모델의 좌표계와 기준점을 맞추고 J(π)를 검사한다. 그다음 데이터가 결정하는 값과 사전 정보가 선택하는 값을 구분한다. 이 구분이 있어야 물리적으로 그럴듯한 모델을 신뢰할 수 있는 모델로 발전시킬 수 있다.