Over the past decades, robotics have made efforts to mathematically describe a robotic system and design controller for the given nominal model. These model-based controllers are sensitive to modeling error thus generally perform pre-experiments for system identification. Existing system identification, especially for mass-inertial parameter estimation, has a fundamental limitation in converting formulation into real-time fashion because of insufficient persistent excitation trajectories. In this thesis, we figure out the fundamental limitation of conventional system identification is due to the Euclidean metric in vector space, then formulate the Riemannian manifold that preserves geometric properties mass-inertial parameter should possess. The proposed mass-inertial parameter estimation framework relies on geodesic distance on the Riemannian metric to estimate mass-inertial parameters in real-time. Further, we demonstrate the performance of the estimation framework compared with conventional works in the example of a robotic arm in a computer simulation.
지난 수년간 로봇 공학자들은 로봇 시스템의 동역학을 수학적으로 기술하고 제어하려는 노력을 기울였다. 모델을 기반으로 로봇을 제어하는 시도들은 모델링 오차를 줄이기 위해 필연적으로 시스템 추정 과정을 거치게 된다. 기존의 시스템 추정, 특히나 질량-관성 모멘트의 추정은 지속 여기 궤적을 요구하기 때문에 실시간으로 적용하기 어렵다는 단점이 있었다. 본 학위 논문에서는 실시간 질량-관성 모멘트 추정을 어렵게 만드는 원인을 벡터 공간에서 단순 차를 이용했기 때문으로 보고 질량-관성 모멘트 매개 변수를 기하학 관점에서 해석하고 해당하는 리만 다양체를 설정한다. 이후 리만 다양체 위에서의 거리를 이용해 실시간으로 매개 변수 값을 추정하는 방법을 제시한다. 나아가 제시된 방법론의 성능을 컴퓨터 환경 속에서 모의실험을 통해 확인하고자 한다.
