로봇 팔, 같은 실수는 두 번 하지 않는다

공장 자동화에서 로봇 팔은 똑똑하다. 하지만 완벽하지 않다. 똑같은 경로를 따라 움직여도 외부 방해나 작은 오차가 끼어들면 로봇 팔은 엇나간다. 그럼에도 점점 더 완벽해지는 로봇 팔이 있다. 이번 논문은 ‘같은 실수를 반복하지 않는 로봇 팔’을 만드는 새로운 제어 기법을 소개한다.

반복학습제어, 하지만 초기화는 필요 없다?

로봇 팔은 같은 작업을 반복한다. 그래서 ‘반복학습제어(ILC)’라는 기법이 생겼다. 한 번 작업한 데이터를 바탕으로 다음엔 더 잘하게 만든다. 그런데 기존 ILC는 매번 똑같은 초기 상태에서 시작해야 한다는 한계가 있었다. 현실에선 언제나 딱 맞게 시작할 수 없기 때문에 제약이었다.

이번 연구팀은 이 문제를 깼다. 초기화를 안 해도 스스로 오차를 없애는 알고리즘을 설계했다. 이름하여 NRCILC-FTZNN! 복잡한 이름이지만, 핵심은 로봇 팔이 ‘자동으로 초기값을 찾아내고 스스로 오차를 줄인다’는 데 있다.

핵심은 ‘제로잉 신경망(ZNN)’

이 기술의 엔진은 ‘제로잉 신경망(ZNN)’이다. ZNN은 특정한 계산 오차를 스스로 0으로 수렴시킨다. 이번 연구에서는 이를 더 강력하게 만든 유한시간 제로잉 신경망(FTZNN)을 고안했다. 덕분에 로봇 팔은 외부 방해에도 빠르게 정상 궤도로 돌아온다.

시뮬레이션 결과는?

연구팀은 실제 로봇 팔 모델을 만들어 시뮬레이션을 돌렸다. 기존의 강인한 적응형 PD 제어(RAPD)와 비교했더니 NRCILC-FTZNN은 평균 오차를 최대 83%까지 줄였다. 외부에서 잡음이나 마찰 같은 방해가 있어도 오차는 몇 번의 반복만에 0으로 수렴했다.

파라미터 바꿔도 문제없다

또한 연구진은 ZNN 안에 쓰이는 파라미터를 바꿔가며 실험했다. 파라미터 값이 바뀌어도 알고리즘은 안정적으로 작동했다. 다양한 방해 상황, 센서 노이즈, 무작위 교란이 있어도 오차는 점점 줄어들었다.

실제 로봇에도 쓸 수 있을까?

연구팀은 실제 2자유도(2-DOF) 로봇 팔에 이 알고리즘을 적용할 계획도 밝혔다. 저렴한 부품으로 만든 로봇 팔을 PC, 아두이노, STM32로 제어하며 실험할 예정이다. 진짜 현장에서 반복학습제어를 쓸 수 있다는 뜻이다.

로봇 팔의 똑똑함, 어디까지 갈까

로봇 팔은 사람이 할 일을 대신해왔다. 앞으로는 사람이 시키지 않아도 스스로 더 잘하게 될 것이다. 초기화가 필요 없는 반복학습제어는 그 중요한 퍼즐 한 조각이다. 같은 실수를 반복하지 않는 로봇 팔, 더 완벽해진 공장이 멀지 않았다.

출처 논문
Chai, Y.; Zhang, F.; Jiang, D.; Shao, L.; Wang, J.; Li, J. (2025). Iterative Learning Control Without Resetting Conditions of an Algorithm Based on a Finite-Time Zeroing Neural Network. Sensors 2025, 25, 4355. https://doi.org/10.3390/s25144355