혼합 현실 원격 조작을 위한 목표 지향적 공유 제어 프레임워크

혼합 현실(MR) 원격 조작은 인간-로봇 협력(HRC)을 위한 직관적인 인터페이스를 제공하지만, 종종 인간 운영자와 로봇 플랫폼 간의 물리적 및 운동학적 불일치인 “체화 간극”에 직면합니다. 기존 MR 시스템은 주로 사용자 움직임이 로봇에 직접 전달되는 “직접 매핑” 접근 방식에 의존합니다. 이는 운영자가 특이점 및 관절 제한과 같은 로봇 제약에 수동적으로 적응해야 하며, 작업 성능이 개인의 기술에 크게 의존하게 만듭니다. 본 연구는 “실행의 간극”과 “평가의 간극”을 해소하기 위해 목표 선택을 도달 가능성과 운동학적 실행 가능성에서 분리하는 적응형 공유 제어 프레임워크인 혼합 현실 적응형 공간 및 운동학적 지원(MASK)을 제안합니다. MASK 시스템은 세 가지 핵심 모듈을 통합합니다: (1) 의도하는 조작 대상을 식별하기 위한 신체 동작 특징 기반의 목표 객체 식별(TOI); (2) 로봇의 공간 구성을 최적화하기 위한 역 도달 가능성 맵을 활용하는 기본 재배치 모듈(BRI); (3) 포즈 블렌딩 및 널 공간 최적화를 통해 운동학적 제약을 자율적으로 해결하는 운동학적 수정 모듈(KCM). 초기 실험 결과는 MASK가 운동학적 해소의 부담을 인간에서 시스템으로 전환하여 운영자의 인지적 및 신체적 부담을 줄인다는 것을 시사합니다. 이 접근 방식은 직관적인 인터페이스를 통해 높은 정밀도의 조작을 가능하게 하여, 다양한 수준의 운영자 숙련도 간의 성능 격차를 줄일 수 있습니다.