[로봇 하드웨어 04] - 엑추에이터(3) : QDD 엑추에이터

Physical AI 관점에서 본 다관절 로봇 하드웨어 - QDD 액추에이터

EN KR

이전 포스트에서 다룬 고감속비 기반 시스템(Harmonic Drive 등)이 소형 모터와 고감속기를 조합하여 토크를 확보하는 방식이라면, QDD (Quasi-Direct Drive) 액추에이터는 상반된 설계 철학을 가집니다.

QDD의 주요 설계 목표는 다음과 같습니다.

Low Mechanical Impedance: 모터 로터의 관성을 기계적으로 낮게 유지할 것.
High Transparency: 마찰, 백래시 등 기계적 비선형성을 최소화할 것.
High Bandwidth: 높은 응답성을 통해 고주파수의 힘과 운동 명령을 수행할 것.

이러한 특성은 4족 보행 로봇이나 휴머노이드와 같이 외부 환경과의 동적 상호작용(Dynamic Interaction)이 잦은 시스템에 자주 쓰입니다.

구조 및 설계

QDD는 완전한 무감속(Direct Drive) 방식은 아니며, 통상 6:1 ~ 10:1 수준의 낮은 기어비를 사용합니다.

낮은 기어비로 인한 토크 부족을 보완하기 위해 High Torque Density 모터를 사용합니다.

Motor: 공극 반경(Air gap radius)을 키워 토크를 확보하기 위해 직경이 크고 극수(Pole count)가 많은 BLDC Outrunner 모터를 주로 사용합니다.
Reducer: 주로 Planetary Gear나 Cycloidal Drive를 사용하며, 전체 부피를 줄이기 위해 감속기를 모터 스테이터 내부 공간에 배치하는 설계를 취합니다.

QDD 액추에이터 예시 [1]

MIT Mini Cheetah Actuator Teardown

이러한 구조를 통해 모터와 감속기가 일체화된 컴팩트한 관절 모듈 구성이 가능합니다.

핵심 개념: 힘-운동 투명성 (Force-Motion Transparency)

QDD의 핵심 성능 지표는 Force-Motion Transparency입니다. 이는 본래 Teleoperation 분야의 개념으로, 입력단의 힘과 운동이 왜곡 없이 출력단으로 전달되고, 반대로 출력단의 반력(Reaction force)이 입력단으로 손실 없이 전달되는 정도를 의미합니다.

기계적 임피던스 $Z(s)$ 모델에서 이를 해석하면, 시스템 내부의 관성($M$)과 마찰($B$)이 최소화되어야 함을 뜻합니다.

\[Z(s) = \frac{F(s)}{v(s)} = Ms + B + \frac{K}{s}\]

QDD는 감속비를 낮춤으로써 고주파 영역의 왜곡 요인인 관성($M$)과 저주파 영역의 왜곡 요인인 마찰($B$)을 동시에 저감하여, 전 주파수 대역에서 높은 Transparency를 확보하는 것을 목표로 합니다.

QDD를 정의하는 두 가지 관점

QDD를 구분하는 엄밀한 정량적 기준은 없으나, 학계와 업계에서는 주로 다음 두 가지 관점에서 정의합니다.

1. 동적 투명성 관점 (Dynamic Transparency)

충격 완화와 고속 제어 성능에 초점을 맞춘 관점입니다. 핵심 인자는 Reflected Inertia(반사 관성)입니다.

모터 로터의 관성($J_m$)은 감속기를 거치며 기어비의 제곱($N^2$)에 비례하여 증폭됩니다.

\[J_{ref} = J_m \times N^2\]

고감속비 시스템(예: 100:1)에서는 로터 관성이 10,000배로 증폭되어 관절이 동적으로 둔감해지는 반면, QDD(예: 6:1)는 관성 증폭이 36배 수준에 그칩니다.

낮은 Reflected Inertia의 이점:

Impact Mitigation: 지면 접촉이나 충돌 시 발생하는 충격 에너지를 기계적으로 흡수하거나 흘려보낼 수 있습니다.
High Control Bandwidth: 시스템의 관성이 작아 빠른 가감속과 고주파수 제어 명령 추종이 가능합니다.

2. 준정적 힘 투명성 관점 (Quasi-static Force Transparency)

전류 기반의 힘 추정 정확도에 초점을 맞춘 관점입니다.

감속비가 다소 높더라도(20:1 내외), 시스템의 마찰이나 히스테리시스와 같은 기계적 비선형성(Non-linearity)이 충분히 낮다면 QDD의 범주에 포함됩니다.

High Backdrivability: 전원이 차단된 상태에서도 외부 힘에 의해 출력축이 부드럽게 구동되어야 합니다.
Linearity: 마찰이 적어 전류($I$)와 토크($\tau$) 간의 관계가 선형성을 유지합니다.

Proprioceptive Actuation

QDD 하드웨어의 힘 투명성 특성을 활용한 제어 방식이 Proprioceptive Actuation입니다.

이는 별도의 Torque Sensor 없이 모터의 전류(Current) 정보만을 이용하여 외력을 추정하고 제어하는 방식을 의미합니다.

QDD 시스템에서는:

기어 마찰과 비선형성이 낮고,
Reflected Inertia가 작아 동적 외란의 영향이 적으므로,
“모터 전류 $\propto$ 외부 토크”의 관계가 성립합니다.

이를 통해 복잡한 센서 구성 없이도 Force Sensing과 Force Control을 구현할 수 있습니다.

참고: 이 개념은 MIT Biomimetic Robotics Lab의 논문 “Proprioceptive Actuator Design in the MIT Cheetah [2]”에서 소개되었으며, 자세한 내용은 나중에 다루도록 하겠습니다.

학습 기반 제어와의 시너지 및 한계

학습 기반 제어(RL)와의 적합성

QDD는 최근의 학습 기반 제어, 특히 강화학습(Reinforcement Learning) 기반 정책을 실제 로봇에 적용하는 데 유리한 하드웨어적 특성을 제공합니다. 이는 QDD가 학습 알고리즘 자체를 바꾸기 때문이 아니라, 정책이 전제하는 actuator behavior를 실제 시스템이 더 충실하게 재현할 수 있게 해주기 때문입니다.

Sim-to-Real Gap 감소: 높은 감속비 구동계에서 흔히 문제가 되는 큰 마찰, 백래시, stiction, 그리고 복잡한 전달계 비선형성이 상대적으로 작기 때문에, 시뮬레이션에서 가정한 actuator dynamics와 실제 하드웨어의 응답 사이의 괴리가 줄어듭니다. 그 결과, 시뮬레이션에서 학습된 정책을 실제 시스템에 이식할 때 발생하는 성능 저하를 완화하는 데 도움이 됩니다.
Backdrivability: QDD는 외력에 대한 기계적 투명성이 높아, 환경과의 접촉이나 예상하지 못한 충돌이 발생했을 때 actuator가 이를 과도하게 거부하지 않고 자연스럽게 수용할 수 있습니다. 이는 접촉이 빈번한 조작이나 locomotion에서 정책이 지나치게 경직된 방식으로 동작하는 것을 줄이고, 실제 환경 변화에 대해 더 안정적인 상호작용을 가능하게 합니다.

한계점: 발열 (Thermal Issue)

QDD의 주요 단점은 발열입니다. 낮은 기어비로 높은 토크를 생성해야 하므로 모터에 인가되는 전류량이 많습니다. 모터의 동손(Copper loss, $P_{loss} = I^2 R$)은 전류의 제곱에 비례하므로 발열량이 급격히 증가합니다.

Low Torque Constant: 기어비에 의한 토크 증폭 효과가 적어 모터 자체의 토크 상수에 의존해야 합니다.
Thermal Management: 높은 중력 부하를 지속적으로 지탱해야 하는 정적인 작업(Static holding)에서는 효율이 낮고 과열 위험이 있습니다.

따라서 QDD 액추에이터는 정적인 고부하 작업보다는, 지속적으로 움직이며 에너지를 소비하고 회생하는 동적(Dynamic) 작업에 적합합니다. 실제 운용 시에는 모터의 열 모델링과 냉각 대책이 필수적으로 고려되어야 합니다.

References

[1] https://www.semanticscholar.org/paper/A-low-cost-modular-actuator-for-dynamic-robots-Katz/80732f8a46655aa4a1037a7fbdc154f4ceb33c50

[2] https://fab.cba.mit.edu/classes/865.18/motion/papers/mit-cheetah-actuator.pdf