KR101661599B1 - 하드웨어 한계를 고려하는 동작 데이터의 압축 및 복원을 이용한 로봇 동작 데이터 처리 시스템 - Google Patents

Abstract

로봇의 동작 데이터 처리 시스템은, 로봇의 동작을 제어하기 위해 형성된 연속적인 입력 동작 궤적으로부터 단속적으로 복원용 동작 데이터를 추출하는 데이터 추출 모듈과, 상기 데이터 추출 모듈에서 추출된 복원용 동작 데이터를 이용해 상기 입력 동작 궤적에 근사하는 출력 동작 궤적으로 복원해내는 데이터 복원 모듈을 포함한다. 상기 출력 동작 궤적에 따라 상기 로봇이 동작하면 로봇의 하드웨어의 가동 한계를 넘지 않는다는 조건을 만족하도록 복원된다.

Description

하드웨어 한계를 고려하는 동작 데이터의 압축 및 복원을 이용한 로봇 동작 데이터 처리 시스템{Robot motion data processing system using motion data reduction/restoration compatible to hardware limits}

본 발명은 로봇 동작 데이터 처리 시스템에 관한 것으로서, 더욱 상세하게는 로봇을 동작시키기 위해 생성된 동작 데이터를 하드웨어 한계를 고려하여 처리하는 로봇 동작 데이터 처리 시스템에 관한 것이다.

로봇이 이용되는 영역이 증가함에 따라서, 단순한 작업 반경과 동작 양식을 가지던 산업용 로봇을 넘어서, 더 다양한 환경에서 고도화된 동작을 수행하기 위한 "스마트형 로봇"이 개발되고 있다.

스마트형 로봇으로는, 인간(마스터)의 동작을 그대로 모방하여 동작하는 로봇(슬레이브) 등을 예로 들 수 있다.

인간의 동작은 궤적을 그리면서 연속적으로 이루어지므로, 연속적인 동작 궤적으로 표현될 수 있다.

슬레이브가 마스터의 동작을 최대한 유사하게 모방하기 위해서는, 마스터의 연속적인 동작 궤적에 대한 데이터를 최대한 잘게 쪼갠 뒤 최대한 많은 횟수에 걸쳐 슬레이브로 전송하여야 한다. 소스와 타겟의 실시간 동기화를 논하기 위해서는 적어도 초당 100회 이상의 데이터 전송이 이루어져야 하는 것으로 알려져 있다.

즉, 로봇의 제어를 위한 로봇 동작 데이터의 경우, 일반적인 사운드/이미지 데이터와는 달리 포함하는 정보의 양은 적지만 전송 횟수가 높아야 하는 특징이 있다.

로봇의 실시간 제어를 위해서는 시간당 얼마나 많은 횟수의 데이터를 전송할 수 있느냐 하는 것이 주요한 기술적 과제이다.

이러한 과제는 성능이 아주 뛰어난 빠른 네트워크를 구축하여 어느 정도 충족될 수 있겠지만, 네트워크의 전송 속도를 높이는 것에는 통신 기술이나 하드웨어 측면에서 한계가 있다.

이러한 이유로 비특허문헌 1과 같이 데이터를 압축하여 로봇 동작 데이터의 양 또는 전송 횟수를 감소시켜 실시간성을 달성하고자 하는 연구가 이루어지고 있다.

하지만, 로봇이라는 연속적인 궤적을 따라 동작하는 타겟의 특성에 맞게 데이터를 복원하는 방법은 많이 제시되고 있지 못한 실정이다.

Hirche, S.의 논문 "Transparent data reduction in networked telepresence and teleaction systems. Part ⅰ: Communication without time delay"

본 발명은 종래기술의 문제점을 해결하기 위한 것으로서, 로봇이라는 제어 타겟에 적합한 로봇의 동작 데이터 처리 시스템을 제공하는 것을 목적으로 한다.

상기 목적을 달성하기 위하여, 본 발명의 일 측면에 따르면, 로봇의 동작을 제어하기 위해 형성된 연속적인 입력 동작 궤적으로부터 단속적으로 복원용 동작 데이터를 추출하는 데이터 추출 모듈과, 상기 데이터 추출 모듈에서 추출된 복원용 동작 데이터를 이용해 상기 입력 동작 궤적에 근사하는 출력 동작 궤적으로 복원해내는 데이터 복원 모듈을 포함하는 로봇의 동작 데이터 처리 시스템이 제공된다. 상기 출력 동작 궤적은, 상기 출력 동작 궤적에 따라 상기 로봇이 동작하면 로봇의 하드웨어의 가동 한계를 넘지 않는다는 조건을 만족하도록 복원된다.

일 실시예에 따르면, 상기 데이터 복원 모듈은, 수신된 제1 복원용 동작 데이터에 기반하여 예측된 예측 궤적을 생성하고, 상기 제1 복원용 동작 데이터에 후속하는 제2 복원용 동작 데이터가 수신되면 상기 예측 궤적의 끝점이 지시하는 로봇의 현재 동작 데이터와 상기 제2 복원용 동작 데이터를 기반으로 상기 제2 복원용 동작 데이터를 추종하는 추종 궤적을 생성하여, 상기 예측 궤적에서 상기 추종 궤적으로 이어지는 상기 출력 동작 궤적을 실시간으로 생성한다.

일 실시예에 따르면, 상기 추종 궤적은, 상기 제2 복원용 동작 데이터에 기반하여 상기 제2 복원용 동작 데이터가 수신된 시점에서 소정의 시간 경과 후의 상기 로봇의 동작을 예측한 예측 동작 데이터를 추종하도록 생성된다.

일 실시예에 따르면, 상기 로봇이 최대 가동 한계로 구동하여도 상기 예측 동작 데이터를 추종하지 못한다고 판단되는 경우, 상기 추종 궤적은 소정의 시간 지연을 가지고 상기 로봇의 최대 가동 한계로 상기 제2 복원용 동작 데이터를 추종하도록 생성된다.

일 실시예에 따르면, 상기 추종 궤적은, 상기 예측 궤적의 끝점이 지시하는 상기 로봇의 위치와, 상기 제2 복원용 동작 데이터가 지시하는 상기 로봇의 위치 사이의 거리를 면적으로 갖는 복원 함수를 면적이 1인 사각파 함수와 적어도 1회 컨벌루션 연산하여 생성된다.

일 실시예에 따르면, 상기 추종 궤적은, 상기 예측 궤적의 끝점이 지시하는 상기 로봇의 위치와, 상기 예측 동작 데이터가 지시하는 상기 로봇의 위치 사이의 거리를 면적으로 갖는 복원 함수를 면적이 1인 사각파 함수와 적어도 1회 컨벌루션 연산하여 생성된다.

일 실시예에 따르면, 상기 데이터 복원 모듈은, 상기 제1 복원용 동작 데이터와 상기 제1 복원용 동작 데이터에 후속하는 제2 복원용 동작 데이터가 모두 수신된 후, 상기 제1 복원용 동작 데이터와 상기 제2 복원용 동작 데이터를 기반으로 상기 제2 복원용 동작 데이터를 추종하는 추종 궤적을 생성한다.

일 실시예에 따르면, 상기 추종 궤적은, 제1 복원용 동작 데이터가 지시하는 상기 로봇의 위치와, 상기 제2 복원용 동작 데이터가 지시하는 상기 로봇의 위치 사이의 거리를 면적으로 갖는 복원 함수를 면적이 1인 사각파 함수와 적어도 1회 컨벌루션 연산하여 생성된다.

일 실시예에 따르면, 상기 데이터 추출 모듈은, 상기 입력 동작 궤적으로부터 소정의 샘플링 시간 단위로 원본 동작 데이터를 추출하고, 상기 원본 동작 데이터 중 일부 데이터를 소거하는 압축 과정을 통해 상기 복원용 동작 데이터를 추출한다.

일 실시예에 따르면, 상기 데이터 추출 모듈은, 상기 원본 동작 데이터 중 이전 데이터와 비교하여 속도의 제로 크로싱(zero-crossing)이 일어나는 데이터를 앵커 포인트로 결정하고, 상기 앵커 포인트에 해당하는 동작 데이터를 복원용 동작 데이터로 상기 데이터 복원 모듈에 전송한다.

일 실시예에 따르면, 상기 원본 동작 데이터 중 이전 데이터와 비교하여 속도의 제로 크로싱이 일어나는 데이터를 후보 앵커 포인트로 결정하고, 상기 두 후보 앵커 포인트가 지시하는 로봇의 위치가 전송될 복원용 동작 데이터로서 이미 확정된 확정 앵커 포인트가 지시하는 로봇의 위치와 소정 거리 범위 이상 이격되는 경우 해당 후보 앵커 포인트를 새로운 확정 앵커 포인트로 결정하여, 상기 확정 앵커 포인트에 해당하는 복원용 동작 데이터로 상기 데이터 복원 모듈에 전송한다.

일 실시예에 따르면, 상기 결정된 후보 앵커 포인트에 후속하는 원본 동작 데이터 중 특정 시간 동안 상기 소정 거리 범위 안에 위치하는 동작 데이터들을 상기 제로 크로싱에 관계없이 후보 앵커 포인트로 결정한다.

일 실시예에 따르면, 상기 데이터 추출 모듈은, 소정의 오차범위를 설정하고, 원본 동작 데이터 중에서 상기 확정 앵커 포인트에 후속하는 동작 데이터가 상기 확정 앵커 포인트와 비교하여 거리 변동폭이 상기 오차범위 밖에 있는 경우 해당 동작 데이터를 복원용 동작 데이터로 상기 데이터 복원 모듈에 전송한다.

일 실시예에 따르면, 상기 데이터 추출 모듈은, 상기 오차범위를 조절하여, 상기 원본 동작 데이터의 압축률을 조절한다.

일 실시예에 따르면, 상기 데이터 추출 모듈은, 최대 압축 모드에서 상기 확정 앵커 포인트를 복원용 동작 데이터로 상기 데이터 복원 모듈에 전송한다.

도 1은 본 발명의 일 실시예에 따른 로봇의 동작 데이터 처리 시스템의 블록도이다.
도 2는 본 발명의 일 실시예에 따른 동작 데이터 압축 방법을 설명하기 위한 그래프이다.
도 3은 본 발명의 일 실시예에 따른 동작 데이터 압축 방법을 나타내는 순서도이다.
도 4는 본 발명의 일 실시예에 따른 데이터 복원 및 생성 방법의 개요를 나타내는 그래프이다.
도 5 및 도 6은 본 발명의 일 실시예에 따른 데이터 복원 및 생성에 사용되는 컨볼루션 보간 방법을 설명하기 위한 도면들이다.
도 7은 본 발명의 일 실시예에 따른 고속 데이터 복원 및 생성 방법을 나타내는 그래프이다.
도 8은 본 발명의 다른 실시예에 따른 정밀 데이터 복원 및 생성 방법을 나타내는 그래프이다.
도 9는 본 발명의 실시예들에 따른 압축 및 복원 시스템의 시뮬레이션 결과를 보여주는 그래프들이다.

이하, 본 발명의 바람직한 실시예를 첨부한 도면을 참조하여 설명한다. 본 발명은 도면에 도시된 실시예를 참고로 설명되었으나 이는 하나의 실시예로서 설명되는 것이며, 이것에 의해 본 발명의 기술적 사상과 그 핵심 구성 및 작용은 제한되지 않는다.

도 1은 본 발명의 일 실시예에 따른 로봇 동작 데이터 처리 시스템(이하, "데이터 처리 시스템"이라고 함)(100)의 블록도이다.

도 1을 참조하면, 본 실시예에 따른 데이터 처리 시스템(100)은, 로봇의 동작을 제어하기 위해 형성된 연속적인 입력 동작 궤적으로부터 단속적으로 복원용 동작 데이터를 추출하는 데이터 추출 모듈(120)과, 상기 데이터 추출 모듈(120)로부터 추출된 복원용 동작 데이터를 이용해 상기 입력 동작 궤적에 근사하는 출력 동작 궤적으로 복원해내는 데이터 복원 모듈(130)을 포함한다.

데이터 처리 시스템(100)은 상기 입력 동작 궤적을 생성하기 위한 입력 궤적 생성 모듈(110)과, 데이터 복원 모듈(130)로부터 생성된 출력 동작 궤적에 따라 로봇을 구동시키기 위한 로봇 구동 모듈(140)을 더 포함할 수 있다.

입력 궤적 생성 모듈(110)은, 인간이나 마스터 로봇("마스터")의 연속적인 동작 정보를 수집하여 연속적인 입력 동작 궤적을 생성하거나, 궤적 생성 알고리즘을 통해 로봇의 동작을 목표하는 입력 동작 궤적을 생성할 수 있다.

입력 궤적 생성 모듈(110)이 반드시 필요한 것은 아니며, 사용자가 직접 연속하는 입력 동작 궤적을 설계하여 데이터 추출 모듈(120)에 입력할 수 있다.

본 명세서에서 "연속적인 입력 동작 궤적"은 반드시 시간에 따라 전혀 끊김이 없는 궤적을 의미하는 것이 아니라, 해당 궤적에 포함된 데이터를 모두를 표준의 네트워크를 통해 전송하는 경우 로봇의 실시간 제어가 실질적으로 어려운 정도로 상기 궤적을 형성하는 데이터 간의 시간 간격이 가까운 데이터의 집합체를 포함한다.

본 실시예에 따르면, 상기 입력 동작 궤적이 포함하는 로봇 동작 데이터는 로봇의 위치를 지정하는 위치 데이터를 포함하고, 해당 위치에서의 로봇의 속도를 지정하는 속도 데이터를 포함할 수도 있다.

데이터 추출 모듈(120)은 입력 동작 궤적에서 단속적으로 복원용 동작 데이터를 추출하고 네트워크를 통해 데이터 복원 모듈(130)로 전송한다.

상기 네트워크는 무선 네트워크와 유선 네트워크를 모두 포함할 수 있다.

데이터 복원 모듈(130)은 상기 데이터 추출 모듈(120)로부터 추출된 복원용 동작 데이터를 이용해 상기 입력 동작 궤적에 근사하는 출력 동작 궤적으로 복원해낸다.

본 실시예에 따르면, 상기 출력 동작 궤적은, 해당 동작 궤적에 따라 상기 로봇이 동작하면 로봇의 하드웨어의 가동 한계를 넘지 않는다는 조건을 만족하도록 복원된다.

여기서 "로봇의 하드웨어의 가동 한계"는 예를 들어, 로봇의 가질 수 있는 최대 속도, 최대 가속도, 최대 저크 등의 구동 제한, 또는 제어 주파수의 제한, 또는 로봇의 크기 제한일 수 있다.

로봇의 제어 주파수의 제한 및 로봇의 크기 제한은 비교적 쉽게 충족시킬 수 있다. 가령, 제어 주파수 제한의 경우, 압축 신호를 받은 시간을 고려하여 제어 주파수를 충족하는 한도 내에서만 복원한다. 로봇의 크기 제한은, 데이터 압축시 설정한 d_max(뒤에서 자세히 설명함)를 수신하고, 현재 로봇의 d_max와 비교한 후 이를 스케일링 팩터(scaling factor)로 사용할 수 있다. 반면에, 속도, 가속도, 저크 등의 구동 제한을 고려할 때는 좀 더 복잡한 방법이 요구되는 데, 이에 대해서는 뒤에서 자세히 설명한다.

로봇 구동 모듈(140)은 데이터 복원 모듈(130)로부터 생성된 출력 동작 궤적에 따라 로봇을 구동시킨다.

지금부터 첨부된 도면을 참조하여, 데이터 추출 모듈(120)과 데이터 복원 모듈(130)에 의한 데이터 처리에 대해 자세히 설명한다.

데이터 추출

도 2는 본 실시예에 따른 데이터 추출 모듈(120)을 이용한 데이터 추출 방법의 개념을 설명하기 위한 것이다.

도 2(a)에 도시된 바와 같이, 데이터 추출 모듈(120)은 입력 동작 궤적(60)으로부터 소정의 샘플링 시간 단위로 원본 동작 데이터를 추출한다.

원본 동작 데이터는 로봇의 위치를 나타내는 위치 데이터(11 내지 17)와 해당 위치에서의 로봇의 속도를 지정하는 속도 데이터(21 내지 27)를 포함한다.

데이터 추출 모듈(120)은 네트워크 상태에 따라 압축률 조절이 가능하며, 압축률이 0인 무압축 모드에서는 원본 동작 데이터 모두를 복원용 동작 데이터로서 데이터 복원 모듈(130)로 전송할 수 있다.

다만, 데이터 전송 량과 횟수를 감소시키기 위해, 본 실시예에 따른 데이터 추출 모듈(120)은 원본 동작 데이터의 일부를 소거하는 압축 과정을 수행한다. 본 실시예에 따른 복원용 동작 데이터를 원본 동작 데이터를 압축한 압축 데이터이다.

본 실시예에 따르면 데이터의 압축을 위해, 동작 데이터의 신호 특성을 유지하기 위한 최소의 샘플을 나타내는 앵커 포인트(anchor point)를 찾아내는 방법, 및/또는 오차범위를 선정하여 데이터를 걸러내는 소위 "데드밴드(deadband)" 방법이 이용된다.

먼저 앵커 포인트를 찾아내는 방법을 설명하면, 본 실시예에 따르면 원본 동작 데이터의 위치 데이터(11 내지 17) 중 이전 데이터와 비교하여 속도의 제로 크로싱(zero-crossing)이 일어나는 데이터를 앵커 포인트로 결정한다.

더 구체적으로, 디지털 신호체계에서 동작 데이터는 이산적이므로, 실제로 영속도를 갖는 지점을 매번 정확히 감지하는 것은 실질적으로 불가능하다. 따라서, 본 실시예에 따르면 다음과 같은 방법에 따라, 앵커 포인트를 정의한다.

먼저,

의 식을 만족하는 경우, 현재 데이터의 속도가 0인 점을 지났으므로, 이 때의 데이터를 속도가 0인 신호로 가정하고, 이를 앵커 포인트로 결정될 후보 앵커 포인트로 결정한다. 이 방법에 따르면, 로봇의 방향 전환 상태와 정지 동작을 추정하는 것이 가능하다.

도 2(a)를 참조하면, 위치 데이터(12), 위치 데이터(13) 및 위치 데이터(16)가 후보 앵커 포인트에 해당하는 데이터이다.

이 단계에서 결정된 후보 앵커 포인트를 그대로 앵커 포인트로 결정하고, 위치 데이터(12), 위치 데이터(13) 및 위치 데이터(16)를 복원용 동작 데이터로 데이터 복원 모듈(130)로 전송할 수 있다.

하지만, 본 실시예에 따르면 실제 속도가 0이지만, 수치적 오차 또는 작은 속도 값으로 인해 속도 값의 변화가 미미하게 유지되는 상황을 고려하기 위해, 앵커 포인트를 확정하기 위한 시간 조건을 추가한다.

위에서 후보 앵커 포인트가 결정된 이후, 특정 시간 동안 주어진 범위(d_min) 안에 해당 포인트의 신호 값이 머물러 있으면 그 이후 시간 동안의 후속 동작 데이터들도 제로-크로싱 여부와 관계없이 앵커 포인트 후보로 설정한다. 이는 실제로는 영속도지만, 수적 오류((numerical error) 혹은 작은 속도 값으로 인해 신호 값의 변화가 미미하게 유지되는 상황을 고려하기 위한 것이다. 이때, 관계식

이 참조될 수 있으며,

이고, T_s 는 샘플링 타임으로서 하나의 신호를 받는 시간을 의미한다. 예를 들어, 1/T_s 는 1초 동안 생성되는 데이터 개수일 수 있다. 따라서 새로운 신호가 t_d 시간 동안 주어진 범위 안에 머무르면 그 이후에 오는 모든 신호는 앵커포인트 후보로 설정된다. 한편, 사용자는 (ζ) 값을 조정하여, 어느 시간 이후의 값을 후보 앵커 포인트 후보로 설정할지 결정할 수 있다. 이와 같은 방법에 따라, 정지상태가 지속되다가 동작상태로 바뀌는 지점을 추정할 수 있다.

이어서, 위에서 구한 후보 앵커 포인트가 이미 앵커 포인트로 확정된 확정 앵커 포인트 신호로부터 일정 거리이상 떨어지면 이를 새로운 확정 앵커 포인트로 결정한다. 이때, 관계식

이 참조될 수 있으며, 이는 인접한 포인트(point)들을 제거하기 위해 문턱 값(threshold)을 적용하기 위한 것으로서, d_min의 값은 사용자가 정의할 수 있다. 이러한 방법에 따르면, 신호의 노이즈나 아주 작은 운동으로 정지와 동작을 반복하는 상태를 걸러내서 불필요한 신호를 제거할 수 있다.

예를 들어, 도 2(a)에서는 위치 데이터(12, 16)가 각각 확정 앵커 포인트에 해당하는 데이터가 될 수 있다. 확정 앵커 포인트에 해당하는 위치 데이터(12, 16)는 복원용 동작 데이터로 데이터 복원 모듈(130)로 전송된다.

이하에서는, 데드밴드 방법을 이용해 원본 압축 데이터를 압축하는 방법을 설명한다.

앞서 설명한 앵커 포인트를 이용한 압축 방식은 동작 신호의 특성을 유지하기 위한 최소의 샘플을 찾아내기 위한 방법인 반면, 데드밴드를 이용한 압축방식은 그 외의 신호들이 문턱 값 범위를 벗어났을 때만 신호를 전달하는 압축 방법이다.

도 2(b)를 참조하면, 데드밴드 방법을 통해 p, p+1, p+3, p+4, 및 p+5 시간의 원본 동작 데이터를 압축해 복원용 동작 데이터를 선택하는 방법이 개략적으로 도시된다.

설명의 일반화를 위해, 도 2(b)에서는 도 2(a)와 상이한 레이블을 사용하였다(즉, k 대신 p를 사용).

복원용 동작 데이터로 전송될 동작 데이터(31)가 확정된 경우, 해당 동작 데이터(31)를 기준으로 이후의 동작 데이터(32)의 동작 데이터(31)에 대한 거리 변동 폭이 미리 결정된 오차범위(±δ_th) 내에 있는지 판단한다. 동작 데이터(32)가 오차범위(±δ_th) 내에 있으므로, 동작 데이터(32)는 복원용 동작 데이터에 포함되지 않는다.

후속 동작 데이터들에 대해 위 같은 판단 과정을 반복하고, 동작 데이터(31)에 대한 거리 변동 폭이 오차범위(±δ_th) 밖에 있는 동작 데이터(33)가 나타나면, 해당 동작 데이터를 복원용 동작 데이터로 포함시킨다.

이후, 새로운 복원용 동작 데이터인 동작 데이터(33)를 기준으로 후속 데이터들이 오차범위(±δ_th) 내에 있는지 여부를 판단한다.

본 실시예에 따르면 상기 오차범위는 하기 [수학식 1]과 같이 정의된다.

[수학식 1]

여기서, δ는 오차범위를 규정하는 문턱 값이고, ｒ는 0과 1 사이의 값으로서 사용자 정의되는 값이며, d_max는 로봇의 최대 길이이다. 한편, ｒ가 0이면 이는 복원용 동작 데이터가 원본 동작 데이터가 동일하게 되는 경우를 의미하는 것으로서, 이 경우 압축은 전혀 이루어지지 않는다. 반면에, ｒ가 1이면 최대 압축을 의미한다.

이러한 방법에 따르면, 앵커 포인트를 통해 동작 신호의 기본 특성을 유지하면서, ｒ값의 조정을 통해 최대 압축과 무압축 사이의 압축률을 자동 혹은 수동으로 선택할 수 있다. 일 실시예로서, ｒ값의 범위 조정을 위해 신호의 최대값을 나타내는 d_max를 사용자가 설정할 수 있다. d_max는 동작하는 로봇의 팔의 최대 길이와 같은 하드웨어 특정 값으로 결정할 수 있다. 이와 같이, 압축률을 조정함으로써, 원본 신호와 압축된 신호의 최대 차이, 즉 최대 에러를 조정할 수 있고, 따라서, 압축률 설정시, 사용자가 압축신호의 에러 정도를 미리 예측할 수 있다.

이와 같은 방법에 따르면, 본 발명은 d_max에 의해 정규화(normalized)되므로, 신호의 크기에 관계없이 일관적인 압축이 가능하다.

본 실시예에 따르면, 압축 효율의 증대를 위해, 상기 앵커 포인트 방법과 데드밴드 방법을 순차적으로 적용하여 원본 동작 데이터의 압축을 수행한다.

도 3은 본 실시예에 따른 원본 동작 데이터의 압축 방법을 나타내는 순서도이다.

도 3을 참조하면, 동작 데이터 압축 방법은 원본 동작 데이터를 획득하는 S110 단계부터 압축 데이터를 전송하는 S150 단계까지를 포괄할 수 있다.

S110 단계에서, 데이터 추출 모듈(120)은 센서 또는 다른 인터페이스 장치를 통해 원본 동작 데이터를 획득한다.

S120 단계에서, 데이터 추출 모듈(120)은 획득한 원본 동작 데이터로부터 확정 앵커 포인트를 추출한다.

S130 단계에서, 데이터 추출 모듈(120)은 데드밴드를 이용한 압축을 수행한다. 구체적으로, 데이터 추출 모듈(120)은 압축 파라미터(ｒ)가 1인지 판단한다. 압축 파라미터가 1이면, 최대 압축률이 적용되는 경우로서 상기 단계에서 추출된 확정 앵커 포인트들에 해당하는 동작 데이터를 복원용 동작 데이터로 하여 데이터 복원 모듈(130)로 전송한다(단계 S150로 진행).

반면에, 압축 파라미터가 1이 아니면, 복원용 동작 데이터의 추가 추출을 위해 S140 단계로 진행한다.

S140 단계에서, 데이터 추출 모듈(120)은 압축 파라미터에 따라 결정되는 오차범위(±δ_th)에 기반하여, 확정 앵커 포인트 외의 다른 데이터들을 원본 동작 데이터로부터 추가 추출한다.

구체적으로, 데이터 추출 모듈(120)은 최근의 확정 앵커 포인트를 기준으로 후속하는 데이터들의 거리 변화폭이 오차범위 이내에 있는지 판단한다. 후속하는 동작 데이터가 지시하는 지점들은 확정 앵커 포인트로부터의 변동폭이 크지 않은 지점들로 로봇의 제어에 중요한 영향을 미치지 않을 가능성이 높으므로, 복원용 동작 데이터 선정에서 제외된다. 반면에, 위치 지점들의 변화 정도가 확정 앵커 포인트를 기준으로 문턱 값을 벗어난다면, 그 위치 지점들은 확정 앵커 포인트로부터의 변동폭이 큰 지점들로서 로봇의 제어에 중요한 영향을 미치지 않을 가능성이 높다. 따라서 이러한 위치 지점을 나타내는 동작 데이터는 복원용 동작 데이터로 추출된다.

S150 단계에서, 데이터 추출 모듈(120)은 확정 앵커 포인트에 해당하는 동작 데이터와 데드 밴드 방법을 통해 새로 추출된 동작 데이터를 복원용 동작 데이터로 데이터 복원 모듈(130)에 전송한다.

위와 같은 동작 데이터 압축 방법에 따르면, 비특허문헌 1에서 제안하는 사람의 지각력에 기반하여 데이터를 압축하는 방식보다 훨씬 더 적은 데이터만을 압축 데이터로서 추출 및 전송할 수 있다.

데이터 복원

데이터 추출 모듈(120)에 의해 원본 동작 데이터로부터 압축된 복원용 동작 데이터는 전송되는 데이터의 양 및 전송 횟수를 줄이기 위해 원본 동작 데이터에서 많은 중간 데이터들을 생략한 데이터이다. 따라서, 실제로 수신되는 복원용 동작 데이터만으로 로봇을 제어하기는 어려우며, 복원용 동작 데이터를 기반으로 중간 데이터들을 보간하여 입력 동작 궤적에 근사한 출력 동작 궤적을 생성해 실제 로봇의 동작을 제어하게 된다.

가령, 원본 동작 데이터의 샘플링 주기에 따라, 수신되는 압축 데이터들 사이에 제로-오더-홀드(zero-order-hold) 또는 선형 예측법(linear predicton)을 통해 복수의 보간 데이터들을 삽입하여 복원할 수 있다.

이러한 경우, 보간된 중간 데이터들은 데이터 추출 모듈(120)로부터 직접 수신한 데이터들이 아니라 예측을 통해 보간된 데이터이므로, 실제의 원본 동작 데이터와는 오차가 발생할 수 있다. 이러한 오차는 시간이 지나면서 누적될 수 있고, 이후에 새로운 복원용 동작 데이터가 수신되었을 때 이전의 보간된 데이터와 새로운 복원용 동작 데이터 사이의 간격이 누적된 오차로 인해 매우 커질 수 있다. 이 경우 로봇의 동작 데이터가 새로운 복원용 동작 데이터를 급하게 추종하도록 제어하면, 그 제어에 따른 동작이 로봇의 물리적 한계를 초과하여 로봇에 손상을 줄 수 있다. 따라서, 본 발명에서는 이러한 경우, 새로운 복원용 동작 데이터와 이미 복원된 출력 동작 궤적 상의 데이터 사이에서, 로봇의 하드웨어 한계를 고려한 복원 방법을 사용하여 동작 데이터를 복원한다.

구체적으로, 본 실시예에 따른 데이터 복원 모듈(130)은 복원된 신호가 로봇의 물리적 제한 조건, 예를 들어 속도, 가속도, 저크 등의 로봇의 하드웨어의 가동 한계를 넘지 않는다는 조건을 만족하도록 하면서 복원용 동작 데이터를 보간해 출력 동작 궤적을 생성한다.

이러한 복원 방법으로는 다항식(polynomial)을 사용한 방식이 이용될 수 있다. 다만, 다항식을 이용하는 방법의 경우, 로봇의 하드웨어 제한을 고려하기 위해서는 최적화 과정이 요구되므로 데이터 복원에 시간이 다소 많이 걸릴 수 있다. 따라서, 다항식을 이용하는 방법은 고성능 프로세서를 가진 시스템에서 보다 유리할 수 있다.

성능이 떨어지는 시스템에도 복원 과정이 용이하도록 본 실시예에 따르면, 컨볼루션 연산을 이용한 복원 방법이 이용된다.

도 4는 본 발명의 일 실시예에 따른 데이터 복원 방법을 개념을 설명하기 위한 그래프이다.

먼저, 부재번호 41로 지시되는 제1 데이터(y_i)는 현재의 복원된 위치 데이터이고 부재번호 42로 지시되는 제2 데이터(y_{i +1})는 복원용 동작 데이터로서 새롭게 수신된 위치 데이터라고 가정한다. 다만 이는 예시적인 것으로서, 제1 데이터(y_i) 및 제2 데이터(y_{i +1})는 각각 현재의 속도 데이터 및 새롭게 수신된 속도 데이터일 수도 있다. 동작 데이터의 복원 과정에서, 데이터 복원 모듈(130)은 로봇을 현재의 위치(y_i)에서 새로운 위치(y_{i +1})로 이동시키기 위한 출력 동작 궤적을 생성화되, 생성되는 출력 동작 궤적이 로봇의 최대 속도, 최대 가속도, 최대 저크를 초과하지 않는 범위 내에서 복원되도록, 위치 데이터들(y_i, y_{i +1}) 사이에 컨볼루션 보간된 데이터를 삽입할 수 있다.

즉, 로봇이 최대 속도, 최대 가속도, 최대 저크의 한계 때문에 현재의 위치(y_i)에서 새로운 위치(y_{i +1})로 곧바로 이동하는 것이 불가능하므로, 데이터 복원 모듈(130)은 컨볼루션 보간을 통해 로봇이 실제 추종할 수 있는 출력 동작 궤적(43)을 생성한다.

구체적인 컨볼루션 보간 방법 및 그에 따라 생성되는 동작 궤적에 대해서는 도 5를 참조하여 상세히 후술된다.

도 5는 동작 궤적 복원 및 생성에 사용되는 컨볼루션 보간 방법을 설명하기 위한 도면들이다.

컨볼루션 보간 방법은 로봇의 물리적 한계를 벗어남이 없이 연속적으로 미분가능한 궤적을 생성할 수 있다는 장점이 있다. 이러한 컨볼루션 보간 방법은 복수회의 컨볼루션 연산을 중복 적용하여 수행될 수도 있다.

도 5(a)는 본 실시예에 따른 컨볼루션 보간 방법의 1차 컨볼루션 연산을 설명하는 도면이다. 도 5(a)에서 초기 속도와 초기 위치는 0으로 가정한다.

입력된 복원용 동작 데이터가 로봇의 위치를 S_o로 지정하고, 그때의 속도가 v_o로 지정된 경우, 로봇의 출력 동작 궤적은 궤적 y₀(t)로 생성된다. 이때, 궤적 y₀(t)는 연속적이지만 미분가능하지 않으므로, 실제 로봇의 하드웨어 조건을 고려하면, 로봇은 원 궤적 y₀(t)을 그대로 추종할 수 없다.

따라서, 1차 컨볼루션에 의해 원 궤적 y₀(t)는 1차 궤적 y₁(t)로 변환된다. 도 5(a)에 도시된 바와 같이, 원 궤적 y₁(t)는 1차 궤적 y₀(t)에 비해 부드러운 형태로 생성된다. 이는 로봇의 물리적 한계가 반영된 결과이다. 이때, 사용되는 컨볼루션 함수는 단위면적의 사각파 함수인 컨볼루션 함수 h₁(t)이다.

일반적으로, 컨볼루션 연산은 하기 [수학식 2]로 정의된다.

[수학식 2]

컨볼루션을 통해 생성되는 궤적들(예를 들어, 1차 궤적 y₁(t))은 다음과 같은 속성들을 갖는다.

1) 1차 궤적 y₁(t)는 원 궤적 y₀(t)에 비해 완만하지만, 원 궤적 y₀(t)과 컨볼루션 함수 h₁(t)의 지속시간(duration)을 각각 더한 만큼의 지속시간(t_o+t₁)을 갖는다.

2) 1차 궤적 y₁(t)는 원 궤적 y₀(t)과 동일한 면적을 갖는다(S₀=S₁).

3) 1차 궤적 y₁(t)의 최대 크기는 원 궤적 y₀(t)의 최대 크기보다 작거나 같다(v₀≥v₁).

한편, 이러한 컨볼루션 연산은 중복 수행되어, 더욱 완만하지만 지속시간은 더 긴 궤적을 생성할 수 있다.

도 5(b)에서는 1차 컨볼루션에 의한 궤적 y₁(t)에 대해 2차 컨볼루션 연산이 수행되어 2차 궤적 y₂(t)이 생성된다. 생성되는 2차 궤적 y₂(t)은 1차 궤적 y₁(t)보다 더 완만하지만 1차 궤적 y₁(t)의 지속시간에 2차 컨볼루션 함수 h₂(t)의 지속시간을 더한 만큼의 지속시간(t_o+t₁+t₂)을 갖는다. 한편, 앞서 1차 궤적 y₁(t)의 경우와 동일하게, 2차 궤적 y₂(t) 역시 1차 궤적 y₁(t)과 동일한 면적을 갖고(S₀=S₁=S₂), 2차 궤적 y₂(t)의 최대 크기는 1차 궤적 y₁(t)의 최대 크기보다 작거나 같다(v₀≥v₁≥v₂).

이러한 컨벌루션의 이산표현의 반복적인 형태는 하기 [수학식 3]으로 표현될 수 있다.

[수학식 3]

,

단, k=[t/T_s]이고, m_n=[t_n/T_s]이며, 여기서 T_s는 샘플링 주기 이고, [x]는 가우스 바닥 함수(gauss floor function)를 의미한다.

이와 같은 방법을 통해, 컨볼루션 연산을 반복하여 더욱 완만한 궤적을 생성할 수 있다(도 5(c) 참조). 반복되는 컨볼루션 연산의 회수에는 제한이 없으며, 컨볼루션 연산을 통해 생성된 궤적을 로봇이 그대로 추종하는 것이 불가능하거나 부적절한 경우 이를 해소하기 위해 컨볼루션 연산이 적절히 반복될 수 있다. 또는, 사용자가 컨볼루션 연산을 반복할 횟수를 미리 결정할 수 있으며, 이 경우 미리 결정된 횟수만큼 컨볼루션 연산이 반복 수행된다. 앞서 설명한 바와 같이, 컨볼루션 연산의 횟수가 증가할수록 생성되는 궤적은 더욱 완만해지고 로봇의 물리적 한계를 벗어날 가능성도 낮아지지만, 최종 제어 위치에 도달하는 시간은 더 지연되게 된다.

한편, 본 실시예에 따른 데이터 복원 모듈(130)은, 컨볼루션 연산에서 사용되는 컨볼루션 함수의 파라미터를 로봇의 물리적 한계값을 고려하여 설정한다. 구체적으로, 도 5에서 참조하면, k차 컨볼루션 연산에서의 k차 컨볼루션 함수의 지속시간(t_k)은 하기 [수학식 4]와 같이 정의된다.

[수학식 4]

여기서,

는 k차 컨볼루션에 대한 로봇의 시스템 한계치를 의미한다. 예를 들어,

는 각각 로봇의 최대 속도, 최대 가속도, 최대 저크를 나타낸다.

이와 같은 컨볼루션 연산에 기초한 동작 데이터 복원 방법에 따르면, 로봇을 구동시키는 구동기의 최대 속도, 가속도 및 저크 등의 물리적 한계값을 반영하여 동작 데이터를 복원할 수 있게 된다. 여기서 설명된 방법에 따라 복원된 신호는 원래 신호와 최대 차이, 즉, 최대 에러가 앞서 압축시 설정한 것과 유사하게 된다. 최대 에러가 동일하게 나타나지 않는 건, 수적 에러(numerical error) 또는 복원시 보간(interpolation) 방식의 특성상 원본 신호와 동일하게 신호를 복원할 수는 없기 때문이다. 하지만, 수적 에러나 보간 방식에 의한 오차는 일정 범위 내로 제한되기 때문에, 복원된 신호의 최대 에러는 압축시 설정한 최대 에러에서 크게 벗어 나지 않고 유사한 범위를 가지게 된다.

한편, 여기서 설명한 컨볼루션 방식에서, 시간은 이산적이므로 시간이 샘플링 주기(T_s)보다 작은 경우, 시간은 0으로 설정된다. 즉, 샘플링 주기(T_s)에 초기 속도(v₀)를 곱한 값보다 작은 거리 에러(e)는 컨볼루션 방법에 의해 처리되지 않는다(해상도 오류). 최대 해상도 오류(e_max)는 초기 속도가 로봇의 최대 속도일 때 발생하고, 이러한 해상도 오류는 초기 시간(t₀)을 샘플링 주기(T_s)와 동일하게 강제 설정하고, 초기 속도(v₀)를 선형 예측법에 따라 산출함으로써 해결될 수 있다.

도 6은 초기 속도가 0이 아닌 경우의 컨볼루션 보간 방법을 설명하기 위한 도면들이다. 도 6에서 원 궤적의 초기 속도는 v_i이고, 최종 속도는 v_f(단, v_i≠0, v_f≠0)이다.

이러한 경우, 복원 함수를 초기 속도가 0인 부분(y_na(t))과 초기 속도를 갖는 사각파 함수 부분(y_nb(t))로 분할한다. 그리고, 각 부분에 대해 도 5에서 설명한 방법과 동일한 방식으로 컨볼루션 연산을 한 후 그 결과를 더함으로써, 전체 컨볼루션 연산 결과를 얻을 수 있다.

이 같은 컨볼루션 연산 과정은 하기 [수학식 5]와 같이 표현될 수 있다.

[수학식 5]

본 실시예에 따르면, 상술한 컨벌루션 연산의 개념을 이용해 복원용 동작 데이터를 이용해 출력 동작 궤적을 복원해낸다.

도 7은 본 발명의 일 실시예로서, 실시간성을 강조한 고속 데이터 복원 방법을 나타내는 그래프이다.

도 7을 참조하면, 실시간 고속 데이터 복원을 위해, 데이터 복원 모듈(130)은 데이터 추출 모듈(120)로부터 제1 복원용 동작 데이터(y_i)가 수신되면, 제1 복원용 동작 데이터를에 기반해, 제로-오더-홀드 또는 선형 예측법과 같은 일반적인 복원 방법으로 궤적을 보간하여 예측 궤적(51)을 생성하다가, 후속하는 제2 복원용 동작 데이터(y_{i +1})가 수신되면, 상기 예측 궤적(51)의 끝점이 지시하는 로봇의 현재 동작 데이터(r_i(n))와 제2 복원용 동작 데이터를 기반으로 컨볼루션 보간을 수행하여, 제2 복원용 동작 데이터를 추종하는 추종 궤적(52)을 생성한다.

이에 따라, 예측 궤적(51)과 추종 궤적(52)으로 이어지는 출력 동작 궤적(50)이 실시간으로 생성된다.

가령, 제1 복원용 동작 데이터가 수신되고 그때의 로봇의 타겟 위치 및 타겟 속도가 각각 y_i, v_i인 것으로 가정한다. 이때, 데이터 복원 모듈(130)은 일반적인 복원 방법 중 어느 하나를 사용하여, 미리 결정된 샘플링 주기마다 로봇의 동작 데이터를 복원한다. 예를 들어, 선형 예측법에 따라 로봇의 동작 데이터를 복원하면, 복원된 동작 데이터는 t=0에서 y_i의 위치를 갖고 v_i의 속도로 진행하는 궤적이 될 것이다.

이때, 속도(v_i)는 0으로 설정될 수도 있고, 로봇의 최대 가동 속도보다 작은 임의의 속도 값일 수 있으며, 또는, 제1 복원용 동작 데이터에 포함된 로봇의 속도 데이터일 수도 있다.

데이터 복원 모듈(130)은 새로운 복원용 동작 데이터가 수신될 때까지, 일정 복원 샘플링 시간(T_s)마다 궤적 데이터들(r_i(1), r_i(2),.., r_i(n))을 생성하는 방식으로 출력 동작 궤적을 생성한다. 이때, 보간되는 동작 데이터들(r_i(1), r_i(2),.., r_i(n))은 예측 값이므로, 실제의 원본 동작 데이터(60)와는 오차가 발생할 수 있다.

제2 복원용 동작 데이터가 수신되면, 데이터에 포함된 타겟 위치(y_{i +1})(및 타겟 속도(v_f))를 감지하고, 물리적 한계를 벗어남이 없이 로봇이 타겟 위치(y_{i +1}) 및 타겟 속도(v_f)를 추종하도록, 예측 생성된 이전의 복원 데이터(r_i(n))와 제2 복원용 동작 데이터를 기반으로 컨벌루션 연산을 수행한다.

복원 데이터(r_i(n))는 예측 궤적(51)의 끝점이 지시하는 로봇의 위치를 포함하는 데이터로서, 제2 복원용 동작 데이터가 입력되기 직전의 복원 샘플링 주기에서 예측 생성된 데이터이다.

구체적으로, 복원 데이터(r_i(n))가 지시하는 로봇의 위치와 제2 복원용 동작 데이터가 지시하는 로봇의 위치(yi+1) 사이의 거리(S_d)를 원 복원 함수의 면적(예를 들어, 도 5의 y₀(t)의 S₀)으로 갖고, 초기 속도가 v_i이고 최종속도가 v_f인 원 복원 함수를 설정한 후, 이에 대해 도 5 또는 도 6에서 설명된 방법에 따라 적어도 1회의 컨볼루션 연산을 수행하여, 추종 궤적(52)을 생성한다.

적어도 3회의 컨벌루션 연산을 수행하여 추종 궤적(52)을 생성하면, 생성된 추동 궤적이 로봇의 최대 속도, 최대 가속도, 최대 저크를 초과하지 않는 범위 내에서 제2 복원용 동작 데이터가 지시하는 위치로 로봇이 이동할 수 있다.

다만, 제2 복원용 동작 데이터가 입력된 시점에서의 로봇의 최종 속도(v_f) 가 0이 아닌 경우, 컨볼루션 연산에 따라 원본 동작 데이터를 추종하는 동안 로봇이 속도(v_f)를 가지고 더 이동하게 된다(도 7에서, y_{i +1}-r_{i +1}(k)만큼 더 이동).

이러한, 추가 동작을 보상하기 위해, 본 실시예에 따르면, 추종 궤적(52)이 제2 복원용 동작 데이터에 기반하여 상기 제2 복원용 동작 데이터가 수신된 시점에서 소정의 시간 경과 후의 로봇의 동작을 예측한 예측 동작 데이터(r_{i +1}(k))를 추종하도록 생성된다.

제2 복원용 동작 데이터가 수신된 시점에서의 로봇의 위치(y_{i +1})와 속도(v_f)를 알고 있으므로, 복원 데이터(r_i(n))가 생성되는 샘플링 시간으로부터 소정 시간 경과(t_f)이 경과한 후 로봇의 위치를 지시하는 예측 동작 데이터(r_{i +1}(k))의 정보를 예측할 수 있다.

구체적으로, 복원 데이터(r_i(n))에서의 로봇의 위치와 제2 복원용 동작 데이터가 지시하는 로봇의 위치(y_{i +1}) 사이의 거리(S_d)를 대신하여, 복원 데이터(r_i(n))에서의 로봇의 위치와 상기 예측 동작 데이터(r_{i +1}(k))가 지시하는 로봇의 위치 사이의 거리(S_k)를 면적으로 갖는 복원 함수를 적어도 1회 컨벌루션 연산하여 추종 궤적을 생성한다.

이때의 복원 함수의 면적(S_k)는 하기 [수학식 6]과 같이 수식화할 수 있다.

[수학식 6]

여기서, w^o _max는 로봇의 가동 가능한 최대 속도이고, 1회 컨벌루션 연산을 위한 시간(t_o)는 하기 [수학식 7]과 같다.

[수학식 7]

한편, 원본 동작 데이터로부터 추출된 제2 복원용 동작 데이터가 지시하는 로봇의 속도(v_f)가 로봇의 가동 가능한 최대 속도(w^o _max)를 초과하는 경우가 있을 수 있다.

이 경우, 로봇은 최대 가동 한계로 구동하여도 예측 동작 데이터(r_{i +1}(k))를 추종할 수 없으며, 이와 같이 판단된 경우, 추종 궤적(52)은 소정의 시간 지연을 가지고 로봇의 최대 가동 한계로 제2 복원용 동작 데이터를 추종하도록 생성된다.

즉, 예측 궤적의 끝점의 복원 데이터(r_i(n))가 지시하는 로봇의 위치와, 예측 동작 데이터(r_{i +1}(k))가 지시하는 로봇의 위치 사이의 거리(s_d)를 면적으로 갖는 복원 함수를 적어도 1회 컨벌루션 연산하여 추종 궤적을 생성한다.

이때의 복원 함수의 면적(S_d)는 하기 [수학식 8]과 같이 수식화할 수 있다.

[수학식 8]

여기서, w^o _max는 로봇의 가동 가능한 최대 속도이고, 1회 컨벌루션 연산을 위한 시간(t_o)는 하기 [수학식 9]과 같다.

[수학식 9]

이러한 실시예에 따르면, 제2복원용 동작 데이터를 추종하는데 다소 시간이 지연될 수는 있으나, 로봇의 최대 가동 한계를 초과하지 않는 범위에서 추종 궤적이 생성될 수 있다.

이상 실시간성을 강조한 고속 데이터 복원에 대한 실시예를 설명하였다. 이러한 실시예에 따르면, 예측 구간에서 복원되는 예측 궤적(51)과 입력 동작 궤적(60)) 사이에 오차가 발생하여도, 새로운 복원용 동작 데이터가 수신되면 곧바로 원본 동작 데이터를 추종하도록 로봇의 동작 데이터가 수정되며, 이러한 수정과정에서 로봇의 물리적 한계를 벗어나지 않도록 복원된다.

또한, 복원용 동작 데이터가 수신될 때마다 이에 기반하여 즉각적으로 동작 데이터를 예측 생성하므로 매우 신속하게 출력 동작 궤적을 복원 생성하여 로봇을 제어할 수 있다.

한편, 도 8은 본 발명의 다른 실시예로서, 오차최소화 및 정확도를 강조한 정밀 데이터 복원 방법을 나타내는 그래프이다.

도 8에서는, 궤적의 복원 속도는 다소 느리지만 원본 동작 데이터와의 오차를 최소화하는 복원 방법이 설명된다.

도 8의 방법에서, 복원 모듈(120)은 적어도 두 개의 복원용 동작 데이터가 수신될 때까지 기다려 컨볼루션 연산에 기반한 복원을 수행한다.

가령, 시간 t_i에서 제1 복원용 동작 데이터가 수신되고 시간 t_{i +1}에서 제2 복원용 동작 데이터가 수신된다고 가정한다. 이 경우, 데이터 복원 모듈(130)은 t_i 내지 t_{i +1}의 시간 구간에서는 복원을 수행하지 않으며, 적어도 두 개의 복원용 동작 데이터의 수신이 완료된 t_{i +1}시간에 비로소 추종 궤적(62)을 생성한다.

본 실시예에서는 예측 궤적이 존재하지 않으며, 추종 궤적(62)이 출력 동작 궤적이 된다. 부재번호 61로 지시되는 궤적은 입력 동작 궤적이다.

이때, 원본 동작 데이터의 궤적(61)을 추종하기 위해 제1복원용 동작 데이터(y_i, v_i)에서 제2 복원용 동작 데이터(y_{i +1}, v_f)로 이어지는 추종 궤적(62)을 생성하되, 컨볼루션 연산에 기반한 복원을 수행함으로써 생성되는 추종 궤적(62)에 따라 로봇이 동작하더라도 로봇이 그 하드웨어의 물리적 한계를 벗어나지 않도록 한다.

도 8에서는, 제1복원용 동작 데이터(53)가 지시하는 로봇의 위치(y_i)와 제2 복원용 동작 데이터(54)가 지시하는 로봇의 위치(y_{i +1}) 사이의 거리(S_k)를 복원 함수의 면적(예를 들어, 도 5의 y₀(t)의 S₀)으로 갖고, 초기 속도가 v_i이고 최종속도가 v_f인 복원 함수를 설정하여 앞서 설명한 바와 동일한 방법들로 컨볼루션 연산을 수행하여 추종 궤적(62)을 생성한다.

도 8에서 설명된 복원 방법에 따르면, 제2 복원용 동작 데이터의 수신을 기다려 비로소 궤적 복원을 시작하므로 도 7의 고속 복원 방법보다는 느리지만, 이미 두 개의 복원용 동작 데이터가 수신되는 시간(t_f)가 충분히 짧거나, 네트워크가 좋지 않은 경우, 확정적인 두 개의 복원용 동작 데이터를 기반으로 궤적을 복원하므로 원본 동작 데이터가 추출된 입력 동작 궤적(61)과의 오차가 크지 않은 장점이 있다.

도 9는 본 발명의 실시예들에 따른 동작 데이터 처리 시스템의 시뮬레이션 결과를 보여주는 그래프들이다.

도 9(a)는 로봇의 하드웨어 성능이 상대적으로 좋은 경우의 시뮬레이션 결과를 도시하고, 도 9(b)는 로봇의 하드웨어 성능이 상대적으로 나쁜 경우의 시뮬레이션 결과를 도시한다.

도 9(a) 및 (b)에서, 제 1 그래프(1)는 입력 동작 궤적을 도시하고, 제 2 그래프(2)는 본 실시예에 따른 데이터 압축 방법에 따라 압축 전송된 복원용 동작 데이터를 도시하고, 제 3 그래프(3)는 본 실시예에 따라 복원된 출력 동작 궤적을 도시한다.

로봇의 하드웨어 성능이 좋은 경우에는 구동 가능한 로봇의 속도, 가속도, 저크의 한계치가 더 크기 때문에 궤적 추종 속도가 더 뛰어나 상대적으로 우수한 추종 성능을 보인다. 반면에, 로봇의 하드웨어 성능이 나쁜 경우에는, 구동 가능한 로봇의 속도, 가속도, 저크의 한계치가 더 작으므로 복원된 궤적과 원본 궤적 사이에 더 큰 오차가 발생하는 것을 볼 수 있다.

그러나, 하드웨어의 성능과 관계없이, 로봇의 물리적 하드웨어 한계를 고려하여 출력 동작 궤적(3)이 복원되므로, 제어 관점에서 안정성이 보장됨을 확인할 수 있다.

본 실시예에 따른 동작 데이터 처리 시스템은, 압축된 데이터가 로봇의 성능에 맞추어 자동으로 복원되므로, 복원할 로봇의 하드웨어이 성능에 관계없이 이용될 수 있다. 또한, 사용자가 지정하는 수준까지 데이터의 연속성이 보장되어 제어 안정성이 확보되며, 압축/복원시 원본 데이터와의 오차 예측이 가능하여 제어 정밀도가 보장된다.

Claims (15)

1. 로봇의 동작을 제어하기 위해 형성된 연속적인 입력 동작 궤적으로부터 단속적으로 복원용 동작 데이터를 추출하는 데이터 추출 모듈;
   상기 데이터 추출 모듈에서 추출된 복원용 동작 데이터를 이용해 상기 입력 동작 궤적에 근사하는 출력 동작 궤적으로 복원해내는 데이터 복원 모듈을 포함하고,
   상기 데이터 추출 모듈은,
   상기 입력 동작 궤적으로부터 소정의 샘플링 시간 단위로 원본 동작 데이터를 추출하고, 상기 원본 동작 데이터 중 일부 데이터를 소거하는 압축 과정을 통해 상기 복원용 동작 데이터를 추출하고,
   상기 원본 동작 데이터 중 이전 데이터와 비교하여 속도의 제로 크로싱(zero-crossing)이 일어나는 데이터를 앵커 포인트로 결정하고,
   상기 앵커 포인트에 해당하는 동작 데이터를 복원용 동작 데이터로 상기 데이터 복원 모듈에 전송하는 것을 특징으로 하는 로봇의 동작 데이터 처리 시스템.
2. 제1항에 있어서,
   상기 출력 동작 궤적은,
   상기 출력 동작 궤적에 따라 상기 로봇이 동작하면 로봇의 하드웨어의 가동 한계를 넘지 않는다는 조건을 만족하도록 복원되는 것을 특징으로 하는 로봇의 동작 데이터 처리 시스템.
3. 제2항에 있어서,
   상기 데이터 복원 모듈은,
   수신된 제1 복원용 동작 데이터에 기반하여 예측된 예측 궤적을 생성하고,
   상기 제1 복원용 동작 데이터에 후속하는 제2 복원용 동작 데이터가 수신되면, 상기 예측 궤적의 끝점이 지시하는 로봇의 현재 동작 데이터와 상기 제2 복원용 동작 데이터를 기반으로 상기 제2 복원용 동작 데이터를 추종하는 추종 궤적을 생성하여,
   상기 예측 궤적에서 상기 추종 궤적으로 이어지는 상기 출력 동작 궤적을 실시간으로 생성하는 것을 특징으로 하는 로봇의 동작 데이터 처리 시스템.
4. 제3항에 있어서,
   상기 추종 궤적은,
   상기 제2 복원용 동작 데이터에 기반하여 상기 제2 복원용 동작 데이터가 수신된 시점에서 소정의 시간 경과 후의 상기 로봇의 동작을 예측한 예측 동작 데이터를 추종하도록 생성되는 것을 특징으로 하는 로봇의 동작 데이터 처리 시스템.
5. 제4항에 있어서,
   상기 로봇이 최대 가동 한계로 구동하여도 상기 예측 동작 데이터를 추종하지 못한다고 판단되는 경우,
   상기 추종 궤적은 소정의 시간 지연을 가지고 상기 로봇의 최대 가동 한계로 상기 제2 복원용 동작 데이터를 추종하도록 생성되는 것을 특징으로 하는 로봇의 동작 데이터 처리 시스템.
6. 제3항에 있어서,
   상기 추종 궤적은,
   상기 예측 궤적의 끝점이 지시하는 상기 로봇의 위치와, 상기 제2 복원용 동작 데이터가 지시하는 상기 로봇의 위치 사이의 거리를 면적으로 갖는 복원 함수를 면적이 1인 사각파 함수와 적어도 1회 컨벌루션 연산하여 생성되는 것을 특징으로 하는 로봇의 동작 데이터 처리 시스템.
7. 제4항에 있어서,
   상기 추종 궤적은,
   상기 예측 궤적의 끝점이 지시하는 상기 로봇의 위치와, 상기 예측 동작 데이터가 지시하는 상기 로봇의 위치 사이의 거리를 면적으로 갖는 복원 함수를 면적이 1인 사각파 함수와 적어도 1회 컨벌루션 연산하여 생성되는 것을 특징으로 하는 로봇의 동작 데이터 처리 시스템.
8. 제2항에 있어서,
   상기 데이터 복원 모듈은,
   제1 복원용 동작 데이터와 상기 제1 복원용 동작 데이터에 후속하는 제2 복원용 동작 데이터가 모두 수신된 후,
   상기 제1 복원용 동작 데이터와 상기 제2 복원용 동작 데이터를 기반으로 상기 제2 복원용 동작 데이터를 추종하는 추종 궤적을 생성하는 것을 특징으로 하는 로봇의 동작 데이터 처리 시스템.
9. 제8항에 있어서,
   상기 추종 궤적은,
   제1 복원용 동작 데이터가 지시하는 상기 로봇의 위치와, 상기 제2 복원용 동작 데이터가 지시하는 상기 로봇의 위치 사이의 거리를 면적으로 갖는 복원 함수를 면적이 1인 사각파 함수와 적어도 1회 컨벌루션 연산하여 생성되는 것을 특징으로 하는 로봇의 동작 데이터 처리 시스템.
10. 제1항에 있어서,
    상기 원본 동작 데이터 중 이전 데이터와 비교하여 속도의 제로 크로싱이 일어나는 데이터를 후보 앵커 포인트로 결정하고,
    상기 후보 앵커 포인트가 지시하는 로봇의 위치가 전송될 복원용 동작 데이터로서 이미 확정된 확정 앵커 포인트가 지시하는 로봇의 위치와 소정 거리 범위 이상 이격되는 경우 해당 후보 앵커 포인트를 새로운 확정 앵커 포인트로 결정하여, 상기 확정 앵커 포인트에 해당하는 복원용 동작 데이터로 상기 데이터 복원 모듈에 전송하는 것을 특징으로 하는 로봇의 동작 데이터 처리 시스템.
11. 제10항에 있어서,
    상기 데이터 추출 모듈은
    상기 결정된 후보 앵커 포인트에 후속하는 원본 동작 데이터 중 특정 시간 동안 상기 소정 거리 범위 안에 위치하는 동작 데이터들을 상기 제로 크로싱에 관계 없이 후보 앵커 포인트로 결정하는 것을 특징으로 하는 로봇의 동작 데이터 처리 시스템.
12. 제11항에 있어서,
    상기 데이터 추출 모듈은,
    소정의 오차범위를 설정하고,
    원본 동작 데이터 중에서 상기 확정 앵커 포인트에 후속하는 동작 데이터가 상기 확정 앵커 포인트와 비교하여 거리 변동폭이 상기 오차범위 밖에 있는 경우 해당 동작 데이터를 복원용 동작 데이터로 상기 데이터 복원 모듈에 전송하는 것을 특징으로 하는 로봇의 동작 데이터 처리 시스템.
13. 제12항에 있어서,
    상기 데이터 추출 모듈은,
    상기 오차범위를 조절하여,
    상기 원본 동작 데이터의 압축률을 조절하는 것을 특징으로 하는 로봇의 동작 데이터 처리 시스템.
14. 제11항에 있어서,
    상기 데이터 추출 모듈은,
    최대 압축 모드에서 상기 확정 앵커 포인트를 복원용 동작 데이터로 상기 데이터 복원 모듈에 전송하는 것을 특징으로 하는 로봇의 동작 데이터 처리 시스템.
15. 삭제

Images