본문으로 건너뛰기
목록으로 돌아가기
스터디
14 분

로봇을 움직이는 고전 제어 입문: 행렬로 보는 위치, PID로 맞추는 오차, 역기구학으로 푸는 관절

행렬은 위치를 옮기는 규칙이고, PID는 오차의 현재·누적·변화율을 보고 보정하며, 역기구학은 손끝을 그 점에 두려면 관절이 몇 도여야 하는지를 묻는다. 이득을 직접 고른 NumPy 토이가 변환 순서, 질량-스프링-댐퍼 위의 PID 네 가지, 2링크 팔의 해석해와 감쇠 최소제곱을 보여 준다. 숫자는 그 시뮬레이션이지 로봇이 아니다.

박효열 (Hyoyoul Park)
#PID#역기구학#선형대수#로보틱스#NumPy#제어

2026-11-05 확인. 출발 링크는 인스타그램 네 건이고, 출처로만 남긴다. 재생하지 않았다. 선형대수, PID, 역기구학, PID 릴스. 캡션은 사실로 쓰지 않는다. 같은 날 연 페이지는 Wikipedia의 회전 행렬, PID 제어기, 그리고 Modern Robotics 사이트다. 그 목차는 역기구학을 6장에 둔다. 2링크 코사인 법칙 예는 6.1절이 시작되기 전, 6장 도입부에 있고, 6.2절은 Newton–Raphson 수치 IK이며 감쇠 최소제곱이 아니다. 그 두 배치는 같은 날 프리프린트 MR-v2.pdf에서 확인한 것이다. 이 글을 쓰는 차례에는 그 PDF를 다시 받지 않았다. Åström과 Murray의 절 번호는 Feedback Systems 2판 공개 PDF, 2020년 7월 24일자에서 온 것이다. 11장이 "PID Control"이고 11.1이 기본 기능, 11.4가 적분 와인드업이며, 1.6절이 적분 작용과 일정 외란에서의 정상상태 오차를 다룬다. fbswiki.org가 HTTP 500이라 사본은 Caltech PDF다. Samuel Buss의 IK 서베이 PDF는 이 차례의 fetch가 HTTP 500이었다. 이 글이 그 서베이 내용으로 쓰는 것은 같은 날 HTTP 200으로 읽은 기록이다. Jacobian transpose, 의사역행렬, 감쇠 최소제곱(Levenberg–Marquardt), 특이점 근처에서 의사역행렬이 불안정하고 DLS가 그것을 피한다는 내용이다. URL은 iksurvey.pdf다. 학습 쪽 짝 글은 로봇 공부, 정말 쉬워졌을까다. 토이는 classical-control-toy.py이고 57줄이며 NumPy 1.26.4다. 이득은 직접 골랐다. 확인된 사실과 이 글의 해석을 구분한다.

먼저 결론

여기서 벡터는 위치다. 행렬은 그 위치를 다른 곳으로 보내는 규칙이다. θ만큼의 2차원 회전은 첫 행이 cos θ, −sin θ이고 둘째 행이 sin θ, cos θ인 행렬이다. Wikipedia 회전 행렬 페이지는 회전 행렬이 행렬식이 1인 직교 행렬이라고 말하고, 행렬 곱은 교환 법칙이 성립하지 않으므로 규칙의 순서가 결과를 바꾼다고 말한다. 토이는 둘 다 출력한다.

PID는 같은 오차를 세 가지로 보고 보정을 만든다. 비례는 지금의 오차다. 적분은 지금까지 쌓인 오차다. 미분은 오차가 얼마나 빨리 변하는가다. Wikipedia PID 페이지는 비례만 쓰면 정상 오프셋이 남는다고 말한다. 비례 출력을 만들려면 오차가 필요하기 때문이다. 그 페이지는 남은 오차를 없애는 것이 적분항이라고 말한다. 미분항은 움직임을 감쇠하고, 같은 페이지에서 고주파 측정 노이즈를 키운다. 이 시뮬레이션에는 측정 노이즈도 액추에이터 한계도 없으므로, 그 노이즈와 적분 와인드업은 보여 주지 않는다.

역기구학은 순기구학의 반대 방향이다. 순기구학은 관절 각을 받아 손을 돌려준다. 역기구학은 원하는 손 위치를 받아 관절 각을 돌려준다. 평면 2링크 팔은 코사인 법칙으로 닫힌 해가 있고, 점이 닿으면 해가 둘이다. 팔꿈치가 위로 가는 해와 아래로 가는 해다. 코사인의 절댓값이 1보다 크면 그 점은 팔 밖이다. 관절이 더 많거나 닫힌 해가 없으면 Jacobian 반복을 쓴다. 감쇠 최소제곱은 그런 반복의 하나다. Modern Robotics 6.2절은 Newton–Raphson이지 그 감쇠가 아니므로, 이 글은 DLS의 근거로 6.2절을 쓰지 않는다.

아래 숫자는 질량-스프링-댐퍼 하나와 2링크 팔 하나이고, 이득은 손으로 골랐다. 튜닝된 로봇이 아니다.

행렬은 규칙이다

classical-control-toy.py는 벡터 v = (1, 0)을 쓴다. R(θ)는 위의 회전이다. S는 대각에 2와 0.5가 있는 대각 행렬이다. 늘리기이지 회전이 아니다. NumPy 1.26.4가 출력했다.

== 1. linear algebra
R(90deg)@v = [0. 1.]
S@R(90deg)@v = [0.  0.5]  R@S@v = [0. 2.] (order matters)
det R = 1.0  det S = 1.0

사분 회전은 (1, 0)을 (0, 1)로 보낸다. 그 다음에 늘리면 (0, 0.5)다. 먼저 늘리고 나서 돌리면 (0, 2)다. 두 곱은 같은 벡터가 아니다. Wikipedia가 적는 비가환성이 이 행렬 쌍에서 보인 것이다.

det R = 1은 회전 정의가 요구하는 값이고, 90도뿐 아니라 표본 각 0.7 rad에서도 그렇다. det S = 1은 단지 2 × 0.5 = 1이기 때문이다. S는 직교가 아니다. 열의 길이가 다르다. 행렬식 1만으로 회전이 되지는 않는다. 마지막 문장은 이 S에 정의를 적용한 것이다. 출력된 행렬식은 실행이다.

PID는 오차를 세 가지로 본다

토이가 쓰는 형태는 이렇다.

u = Kp·e + Ki·∫e dt + Kd·de/dt
e = ref − x

Wikipedia의 도입과 항 목록은 같은 분할을 말한다. 현재 오차, 쌓인 오차, 변화율이다. 페이지는 비례만으로는 오프셋이 남은 채 자리 잡고, 적분항이 남은 것을 지우며, 적분이 과하면 오버슈트하고 진동할 수 있다고 말한다. 페이지는 순수한 미분항이 오차를 0으로 몰지 못한다고 말한다. 기울기를 평평하게 만들려 할 뿐이다.

Åström과 Murray는 공개 PDF 1.6절에서 적분 작용을, 일정한 외란 아래 정상상태 오차를 없애는 것으로 다룬다. 11장이 PID 장이다. 11.1은 세 항의 기본 동작이다. 11.4는 적분 와인드업이다. 액추에이터가 이미 포화된 동안 적분기가 계속 쌓이고, 포화가 풀릴 때 지나치는 현상이다. 토이의 입력 u는 잘리지 않는다. 와인드업 방지 코드가 없다. 그래서 11.4는 그 생략이 왜 중요한지의 이유다. 이 실행이 측정한 현상은 아니다.

플랜트는 한 줄이고, dt = 0.001초의 전진 오일러로 30초를 적분한다.

m x'' + c x' + k x = u + d
m = 1, c = 0.5, k = 1, d = −0.5, ref = 1

진짜 정상상태에서 속도와 가속도는 0이고, P만 쓸 때 u = Kp (ref − x)다. 그러면

x = (Kp·ref + d) / (k + Kp) = 9.5 / 11 ≈ 0.864
ref − x = 1.5 / 11 ≈ 0.136

이 대수는 Ki = Kd = 0인 이 플랜트의 것이다. 모든 P 제어기가 0.136만큼 빗나간다는 일반 정리가 아니다.

직접 고른 이득 네 가지

이득은 Kp = 10이고, Ki와 Kd는 0이거나 직접 고른 5와 4다. 이득을 찾은 탐색은 없다. 오버슈트는 x의 최댓값이 기준 위로 얼마나 올라가는지, 기준에 대한 퍼센트이고, 0 아래로는 자르지 않는다. 정상상태 오차는 기준에서 마지막 2초의 평균을 뺀 값이다. 정착은 절대 오차가 기준의 2%를 넘는 마지막 시각이다. 그런 일이 없거나 30초 시점에 아직 밖이면 스크립트는 >30을 찍는다.

== 2. PID (plant m=1,c=0.5,k=1, disturbance d=-0.5, step ref=1, 30s)
config   Kp   Ki   Kd overshoot%   ss_err settle2%(s)
P        10    0    0       54.5    0.136         >30
PI       10    5    0       77.8    0.009         >30
PD       10    0    4        0.0    0.136         >30
PID      10    5    4       11.7   -0.000        2.67

P만 쓰면 정상상태 오차 0.136이 출력된다. 1.5/11과 세 자리가 같다. 끝 위치는 약 0.864다. 오버슈트는 54.5%이고, 30초까지 2% 밴드 안에 머물지 못했다.

PD는 오버슈트 0.0%와 같은 정상상태 오차 0.136을 출력한다. 이 플랜트와 이 이득에서 미분항은 스크립트가 재는 오버슈트를 없앴고 오프셋은 없애지 않았다. 미분 작용이 상수 오차를 스스로 0으로 만들지 않는다는 페이지의 말과 맞다. 측정이 정확하므로 노이즈 민감도는 보여 주지 않는다.

PI는 오버슈트 77.8%와 30초 시점 오차 0.009를 출력한다. 오프셋은 0.136보다 훨씬 작고, 출력상 0은 아직 아니다. 2% 밴드는 30초까지 유지되지 않았다. 적분 작용은 Wikipedia와 1.6절이 맡긴 일을 하고 있고, 이 이득에서는 더 큰 오버슈트와 함께, 창 안에서 정착하지 못한 채 한다. 포화는 여전히 없으므로 이 오버슈트는 11.4절의 와인드업이 아니다.

PID는 오버슈트 11.7%, −0.000으로 반올림되는 정상상태 오차, 2% 정착 2.67초를 출력한다. 오프셋을 없애면서 30초 안에 정착하는 행은 이것뿐이다. 이 플랜트 위의 이 이득 넷에 대한 일이다. 다른 Kd는 오버슈트를 되돌릴 수 있다. 스크립트는 탐색하지 않는다.

2링크 팔, 닫힌 해

링크 길이는 l1 = 1, l2 = 0.8이다. 손은

x = l1 cos q1 + l2 cos(q1+q2)
y = l1 sin q1 + l2 sin(q1+q2)

삼각형에 코사인 법칙을 쓰면

c2 = (x² + y² − l1² − l2²) / (2 l1 l2)

|c2| > 1이면 그 점에 닿는 실수 각은 없다. 아니면 q2 = ±arccos(c2), 두 팔꿈치이고, q1은 손의 방향이 맞도록 두 인자 아크탄젠트에서 나온다. Lynch와 Park은 이 평면 2R 예, 코사인 법칙과 lefty/righty 쌍을 6장 도입부, 6.1절 앞에 둔다. 이 글은 그 배치를 쓰고 이 예를 6.1절이라고 부르지 않는다.

== 3. IK (l1=1.0, l2=0.8)
target [1.2 0.6]: analytic q=[-0.171  1.471] err=2.2e-16; elbow-down q=[ 1.099 -1.471]
   DLS iterative: q=[-0.171  1.471] iters=8 err=1.4e-10
target [0.3 1.4]: analytic q=[0.789 1.312] err=5.6e-17; elbow-down q=[ 1.93  -1.312]
   DLS iterative: q=[0.789 1.312] iters=10 err=1.9e-10
target [2.  0.5]: unreachable (|p|=2.062 > 1.8)
   DLS iterative: q=[0.14  0.258] iters=500 err=2.8e-01

(1.2, 0.6)의 elbow-up 해는 q ≈ (−0.171, 1.471)로 출력되고, 순기구학이 목표를 2.2×10⁻¹⁶만큼 빗나간다. elbow-down은 q ≈ (1.099, −1.471)이다. (0.3, 1.4)의 오차는 5.6×10⁻¹⁷로, 같은 기계 정밀도 규모다. 두 점 모두 도달 거리 l1+l2 = 1.8 안이다.

(2.0, 0.5)의 길이는 2.062이고, 스크립트가 출력한 값이며, 1.8을 넘는다. 해석 함수는 각을 돌려주지 않는다. 같은 방향에서 팔이 최대한 뻗는 원까지의 간격은 2.062 − 1.8 = 0.262다. 그 0.262는 기하이지, 스크립트가 출력하는 숫자가 아니다.

같은 점, 한 걸음씩

반복 해는 q = (0.3, 0.3)에서 시작해 다음으로 갱신한다.

e = p − fk(q)
q ← q + Jᵀ (J Jᵀ + λ² I)⁻¹ e
λ = 0.1

|e| < 10⁻⁹이거나 500걸음까지다. J는 손에 대한 두 관절의 Jacobian이다. 감쇠가 없는 걸음은 의사역행렬을 쓴다. λ² I 항이 감쇠다. Buss의 서베이는 그 계열의 인용이다. Jacobian transpose, 의사역행렬, 감쇠 최소제곱, Levenberg–Marquardt 걸음이라고도 하며, 특이점 근처에서 의사역행렬이 불안정하고 감쇠가 그것을 피한다. 이 차례에는 PDF를 다시 받지 못했다. Modern Robotics 6.2절은 Newton–Raphson 수치 IK이고 이 갱신이 아니므로, λ의 인용이 아니다.

닿는 목표 둘에서 반복은 elbow-up 닫힌 해와 같은 세 자리 관절 벡터를 8걸음과 10걸음에 출력하고, 오차는 1.4×10⁻¹⁰과 1.9×10⁻¹⁰이다. 시작점이 그 팔꿈치로 떨어진 것이다. 스크립트는 다른 시작을 시도하지 않으므로 elbow-down 영역을 보여 주지 않는다.

닿지 않는 목표에서는 상한인 500걸음에 멈추고, q ≈ (0.14, 0.258), 오차 0.28이다. 발산하지 않는다. 기하학적 최소 0.262에도 닿지 않는다. 걸음을 유한하게 유지하는 감쇠가, 이 λ에서 가장 가까운 점 앞에서 멈추게 하는 이유이기도 하다. 그 비교는 반지름 1.8인 원과 이 실행의 비교다. 더 작은 λ가 0.02의 간격을 더 좁힐 수 있고, 그것도 직접 고른 다른 실험이다. 이 스크립트는 그것을 돌리지 않는다.

한 그림, 그리고 학습 경로

평면의 한 점에 대한 가르치는 순서는 이렇다. 역기구학이 관절 각을 제안하고, 관절마다의 PID가 측정된 각을 그 제안으로 민다.

원하는 손 위치
    -> 역기구학        -> 관절 각 기준
    -> 관절마다 PID   -> 관절 명령

토이는 그 고리를 닫지 않는다. PID 블록은 질량-스프링-댐퍼 하나다. IK 블록은 동역학이 없는 2링크 사상이다. 둘을 한 파이프라인에 두는 것은 고전 스택에 대한 이 글의 그림이지, 돌아간 프로그램이 아니다. 실제 팔은 보통 피드포워드를 더하거나, 위치 PID가 아니라 토크를 명령하고, 여기의 오일러 걸음이 무시하는 한계를 가진다. 센서 노이즈, 포화, 그리고 11.4절이 다루는 와인드업이다. 그 생략이 이 모델이다.

로봇 공부, 정말 쉬워졌을까는 이 스택의 다른 쪽에서 시작한다. 시뮬레이션, 시연으로 배우는 모방, 비전-언어-행동 모델이다. 그 글은 학습 경로다. 이 글은 정책을 학습하기 전의 층, 기하와 오차 보정이다. 고전 층을 "선수 과목"이라고 부르는 것은 두 글을 나란히 읽은 것이다. 글 자체는 하는 일이 다르다.

사실과 해석

문장구분
회전 행렬은 행렬식이 1인 직교 행렬이다. 행렬 곱은 교환하지 않는다2026-11-05에 연 Wikipedia 회전 행렬. 두 곱과 두 행렬식은 토이
u = Kp e + Ki ∫e + Kd de/dt. P만 쓰면 오프셋이 남는다. 적분은 남은 오차를 없애고 오버슈트할 수 있다. 미분은 감쇠하고 측정 노이즈를 키운다. 미분만으로는 상수 오차를 0으로 만들지 못한다같은 날 연 Wikipedia PID 제어기
적분 작용은 일정 외란에서 정상상태 오차를 없앤다(1.6절). 11장이 PID, 11.1이 기본 항, 11.4가 적분 와인드업Åström, Murray, Feedback Systems 2판, 2020-07-24 공개 PDF. 토이에는 포화가 없어 와인드업을 보이지 않음
평면 2R 닫힌 해: 코사인 법칙, elbow-up과 elbow-down, 6장 도입부, 6.1 앞. 6.2는 Newton–Raphson이지 DLS가 아님Lynch, Park, Modern Robotics, 프리프린트 PDF, 같은 날 확인. 이 차례에는 PDF를 다시 받지 않음. 사이트 목차는 6장을 Inverse Kinematics로 적음
DLS / Levenberg–Marquardt, 특이점 근처 의사역행렬의 문제Buss, IK 서베이. 이 차례의 PDF fetch는 HTTP 500. 서술은 200을 받은 같은 날의 읽기
출력된 표, 닫힌 해 오차 2.2e-16과 5.6e-17, DLS 8걸음과 10걸음, 닿지 않는 목표가 500걸음 뒤 오차 0.28에서 멈춤이번 실행, NumPy 1.26.4. 이득 10, 5, 4는 직접 고름. 오일러, dt = 1 ms, 노이즈 없음, 포화 없음, 와인드업 방지 없음
P만 쓴 끝 위치 약 0.864, 9.5/11과 맞음이 플랜트의 대수. 출력된 오차 0.136과 맞음
기하학적 간격 0.262 대 DLS 오차 0.28반지름 1.8인 원의 기하와 출력된 오차의 비교. 두 번째 최적화가 아님
관절마다 PID가 뒤따르는 IK, 피지컬 AI 글 아래의 고전 층이 글의 그림. 두 블록을 함께 시뮬레이션하지 않음

출처