휴머노이드의 관절 각도는 엔코더로 읽을 수 있지만 공중에 떠 있는 몸통의 위치와 속도는 직접 고정된 기준이 없습니다. IMU 적분은 드리프트하고, 발 접촉을 고정점으로 가정하면 미끄러질 때 오차가 번집니다. 부동 베이스 상태, 접촉 보조 필터, 관측 가능성, 접촉 전환과 검증 방법을 정리합니다.
아래에서는 용어의 차이를 실제 시스템 경계, 실패 조건과 검증 순서로 나눠 살펴봅니다.
휴머노이드 상태 추정은 부동 베이스의 pose와 속도를 찾는 문제다
발이 지면에 고정된 산업용 로봇과 달리 휴머노이드 몸통은 세계에 직접 고정된 관절이 없는 부동 베이스입니다. 엔코더는 관절 사이의 상대 각도를 알려 주지만 세계 좌표에서 골반이나 몸통이 어디 있고 얼마나 빠르게 움직이는지는 센서 융합으로 추정해야 합니다.
제어기는 보통 베이스 위치·속도·자세, IMU 바이어스와 현재 접촉점 또는 접촉 상태를 필요로 합니다. 이 값이 늦거나 틀리면 발 위치와 무게중심 속도, 운동량 계산이 함께 틀어져 정상적인 토크 명령도 균형을 잃게 할 수 있습니다.
IMU는 고주파 예측을 제공하지만 적분 오차가 계속 자란다
자이로의 각속도를 적분하면 자세가, 가속도에서 중력을 제거해 적분하면 속도와 위치가 나옵니다. 그러나 작은 영점 바이어스와 온도 변화, 진동이 적분될수록 오차가 누적되어 정지한 로봇도 움직이는 것으로 추정될 수 있습니다.
로봇 IMU 바이어스와 드리프트에서 다룬 정지 바이어스·축 정렬·온도 보정은 출발점입니다. 필터 상태에 바이어스를 포함해 온라인으로 갱신하더라도 모든 운동에서 바이어스와 실제 가속을 완전히 구분할 수 있는 것은 아닙니다.
관절 기구학은 베이스와 발 사이의 상대 운동을 계산한다
관절 엔코더와 로봇 기구 모델을 쓰면 베이스 좌표에서 발 접촉점까지의 위치와 속도를 계산할 수 있습니다. 발이 미끄러지지 않고 지면에 고정되어 있다는 가정이 성립하면 이 상대 운동을 이용해 베이스 속도와 자세 오차를 보정할 수 있습니다.
로봇 좌표계와 TF2처럼 IMU·base·pelvis·left_foot·right_foot 프레임 방향을 명시해야 합니다. IMU 장착 각도나 발 접촉점 오프셋이 틀리면 필터가 일관된 값처럼 보여도 세계 좌표 궤적은 체계적으로 기울어집니다.
상태 추정 흐름은 IMU 예측과 접촉 보정을 반복한다
IMU가 들어올 때마다 비선형 동역학으로 상태와 공분산을 앞으로 보냅니다. 엔코더와 접촉 정보가 도착하면 현재 발이 세계에서 정지했다는 측정 모델을 만들고 예측과 관측의 차이인 innovation으로 상태를 보정합니다.
도해에는 접촉 판정을 별도 단계로 둡니다. 접촉을 항상 0 또는 1로 단정하면 착지 충격과 발끝 구름, 미끄러짐 때 잘못된 고정점 제약이 강하게 들어가므로 힘 센서·관절 토크·운동학 잔차와 보행 위상을 결합해 신뢰도를 관리합니다.
Contact-Aided InEKF는 접촉과 관성, 순기구학을 한 필터로 결합한다
Contact-Aided Invariant EKF 원 논문은 IMU와 접촉 동역학에 순기구학 보정을 결합해 pose·속도와 현재 접촉점을 추정합니다. IMU 바이어스와 접촉점 추가·제거도 상태 추정 구조 안에서 다룹니다.
논문은 Cassie 이족 로봇에서 모션캡처로 정확도를 비교하고 LiDAR 매핑 사례를 제시합니다. 이는 특정 필터가 모든 휴머노이드에서 자동으로 우월하다는 뜻이 아니라, 관측 모델과 불변 오차 정의가 수렴성과 일관성에 어떤 영향을 주는지 보여 주는 근거입니다.
접촉 전환은 필터 상태에 기준점을 추가하고 제거하는 사건이다
착지하면 새 발 접촉점을 세계의 기준으로 추가하고, 이륙하면 더 이상 고정 제약으로 쓰지 않습니다. 전환 시각이 늦으면 공중 발을 지면에 고정했다고 가정하고, 너무 빠르면 실제 지지 발이 주는 속도 정보를 잃습니다.
발 전체가 한 번에 닿는다고 가정하지 말고 뒤꿈치·발바닥·발끝 접촉의 변화를 센서 해상도에 맞게 모델링합니다. 단순 점 접촉 모델을 쓰더라도 착지 전후의 관측 잡음과 게이트를 넓혀 충격이 자세 점프로 번지는 것을 막습니다.
미끄러진 발을 고정점으로 쓰면 베이스 추정이 반대 방향으로 끌려간다
지지 발이 실제로 뒤로 미끄러지는데 세계에 고정됐다고 가정하면 필터는 몸통이 앞으로 이동했다고 해석할 수 있습니다. 이 오차는 발 위치와 무게중심 속도, 다음 발걸음 목표에 연쇄적으로 들어갑니다.
발 힘과 마찰 한계, 접촉점 속도 잔차, 관절 토크와 필터 innovation을 함께 감시해 미끄러짐 후보를 찾습니다. 감지하면 해당 접촉 측정 잡음을 키우거나 제약을 제거하고, 외부 비전·LiDAR·모션캡처가 있으면 세계 기준을 다시 붙입니다.
절대 위치와 중력축 회전은 접촉과 IMU만으로 완전히 관측되지 않을 수 있다
IMU와 접촉 기구학은 짧은 구간의 상대 pose와 속도를 안정화하지만 세계의 절대 원점과 중력축 주위 yaw를 스스로 알려 주지는 않습니다. 같은 접촉 조건에서 전체 궤적을 평행 이동하거나 yaw 회전해도 내부 측정이 같을 수 있기 때문입니다.
Contact-Aided InEKF 연구도 IMU와 접촉 센서 구성에서 절대 위치와 yaw의 비관측성을 분석합니다. 장기 세계 정합이 필요하면 비전·LiDAR·GNSS·외부 마커 같은 절대 또는 준절대 관측을 추가하고 센서 고장 때의 축소 모드를 정의합니다.
| 센서·제약 | 주로 제공하는 정보 | 남는 취약점 |
|---|---|---|
| IMU | 각속도·고주파 가속 | 바이어스·적분 드리프트 |
| 관절 엔코더 | 링크 상대 자세 | 세계 기준 없음·기구 오차 |
| 발 접촉 | 지지점 기준 속도 보정 | 미끄러짐·전환 오판 |
| 외부 비전·LiDAR | 세계 pose·yaw 보정 | 가림·조명·지도 오차 |
학습 기반 접촉 추정도 센서 융합의 입력일 뿐 안전 판정 전체를 대신하지 않는다
학습된 접촉 사건을 쓴 상태 추정 연구는 IMU·관절·기구학 등 고유감각에서 접촉을 추정해 Contact-Aided InEKF와 결합하는 접근을 제시합니다. 물리 접촉 센서가 없거나 신뢰하기 어려운 지면에서 유용한 연구 방향입니다.
학습 모델의 확률을 그대로 고정 제약으로 쓰면 학습하지 않은 지면과 충격에서 과신할 수 있습니다. 규칙 기반 힘 임계값, 기구학 잔차, 보행 스케줄과 교차하고 불일치 때는 공분산을 키우며 안전 제어기가 보수적인 모드로 전환하도록 합니다.
필터 구현에서는 시간 정렬과 공분산 단위가 알고리즘 이름보다 중요하다
IMU는 수백 Hz, 엔코더와 발 힘은 다른 주기로 들어오며 통신 지연도 다릅니다. 최신 수신 순서로 섞지 말고 측정 시각 기준으로 예측과 보정을 적용하며 지연 측정에 대한 버퍼·재처리 또는 명시적 폐기 정책을 둡니다.
로봇 센서 퓨전의 시간·좌표·공분산 원칙을 적용해 각속도, 가속도, 위치와 각도의 단위를 확인합니다. 공분산을 작게 두어 필터가 안정적으로 보이게 만드는 대신 innovation 분포와 실제 오차가 일치하는지 평가합니다.
상태 추정 점검표는 접촉 전환 직후와 장기 드리프트를 분리한다
정지 자세에서는 바이어스 수렴과 속도 영점, 제자리 체중 이동에서는 좌우 접촉 전환, 보행에서는 착지 직후 속도 점프와 장기 위치 드리프트를 봅니다. 밀기 외란과 낮은 마찰, 센서 드롭을 주입해 필터가 자신감을 줄이고 복구하는지 확인합니다.
점검 이미지의 innovation·공분산은 내부 진단값입니다. 값이 임계값 안이라는 사실만으로 정확하다고 결론 내리지 말고 모션캡처나 정밀 외부 자세 기준과 비교해 NEES·NIS 같은 일관성 지표 또는 신뢰구간 포함률을 확인합니다.
합격 시험은 추정 정확도와 제어 영향, 고장 복구를 함께 측정한다
베이스 위치·속도·자세 RMSE, 최대 오차와 드리프트율을 정지·보행·회전·계단·외란별로 측정합니다. 접촉 전환 지연, 잘못된 접촉의 지속 시간, 추정 점프와 수렴 시간도 별도 지표로 남깁니다.
휴머노이드 균형 제어와 로봇 전신 제어에 같은 로그를 연결해 추정 오차가 ZMP·운동량·관절 토크에 미친 영향을 봅니다. 외부 센서 상실과 IMU 이상 때 안전 정지나 축소 보행으로 전환되는지까지 검증해야 합니다.
| 시험 | 추정 지표 | 제어·복구 지표 |
|---|---|---|
| 정지·체중 이동 | 속도 영점·바이어스 | 자세 흔들림·접촉 전환 |
| 평지 보행 | pose RMSE·드리프트 | 발걸음·토크 오차 |
| 미끄럼·외란 | innovation·접촉 오판 | 감속·복구 시간 |
| 센서 고장 | 공분산 증가·발산 감지 | 축소 모드·안전 정지 |
휴머노이드 상태 추정에서 자주 묻는 질문
관절 엔코더만으로 몸통 자세를 알 수 있나요?
지지 발이 세계에 정확히 고정됐다는 조건에서는 상대 자세를 계산할 수 있지만 발이 바뀌거나 미끄러지면 기준이 흔들립니다. IMU와 접촉 판정, 필요하면 외부 위치 관측을 결합합니다.
IMU 적분으로 위치까지 구하면 되지 않나요?
짧은 구간 예측에는 유용하지만 작은 바이어스와 중력 제거 오차가 두 번 적분되어 위치 드리프트가 빠르게 커집니다. 접촉 기구학과 외부 센서로 주기적으로 보정해야 합니다.
발 접촉 센서가 있으면 미끄러짐도 바로 알 수 있나요?
수직 힘만으로는 접촉 유무는 알기 쉬워도 접선 미끄러짐을 놓칠 수 있습니다. 6축 힘, 접촉점 속도 잔차, 마찰 한계와 영상 등을 함께 봅니다.
EKF와 InEKF 중 무엇이 항상 더 좋나요?
항상 한쪽이 우월하다고 단정할 수 없습니다. 상태와 오차 정의, 센서 모델, 접촉 관리, 튜닝과 계산 자원이 다르므로 같은 데이터와 고장 조건에서 정확도·일관성·복구를 비교해야 합니다.
상태 추정 검증에서 가장 중요한 구간은 어디인가요?
착지·이륙과 미끄럼처럼 접촉 가정이 바뀌는 구간입니다. 장기 평균 오차와 함께 전환 직후의 속도 점프, 접촉 오판 지속 시간과 제어 영향을 확인합니다.
상태 추정 구조와 임계값은 로봇의 센서 배치·보행 속도·지면과 안전 요구에 따라 달라집니다. 실제 휴머노이드에서는 외부 기준을 둔 하드웨어 검증과 센서 고장 시 안전 동작이 필요합니다.