Quadruped Robot Software — Ch.11: Quadruped SW Testing and Validation [KR]
DEV Community

Quadruped Robot Software - Ch.11: Quadruped SW Testing and Validation [KR]

11.01. Quadruped SW Test Strategy Overview SIL HIL Field

포괄적인 사족보행 로봇 소프트웨어 시험 전략(Quadruped Software Test Strategy)은 개별 알고리즘뿐만 아니라 인지(Perception), 상태 추정(State Estimation), 보행(Locomotion), 전신 제어(Whole-Body Control), 통신(Communication), 하드웨어 인터페이스(Hardware Interface), 안전 기능(Safety Function) 사이의 전체적인 상호작용을 검증해야 한다.

사족보행 로봇은 불확실한 환경과 반복적으로 물리적 접촉을 수행하므로, 소프트웨어에서 사소해 보이는 오류도 빠르게 균형 상실, 액추에이터(Actuator) 과부하, 충돌 또는 전도로 발전할 수 있다. 따라서 검증(Validation)은 통제된 가상 환경에서 시작하여 점차 현실적인 하드웨어 및 필드(Field) 조건으로 진행되어야 한다.

소프트웨어 인 더 루프(Software-in-the-Loop, SIL) 시험은 실제 하드웨어를 위험에 노출시키지 않고 사족보행 로봇의 동작을 평가할 수 있는 최초의 확장 가능한 환경을 제공한다. 실제 운용용 소프트웨어 스택(Software Stack), 제어기(Controller), 플래너(Planner), 상태 추정기(State Estimator) 또는 학습 기반 보행 정책(Learned Locomotion Policy)을 시뮬레이션된 로봇과 환경에서 실행한다.

SIL 시험을 이용하면 보행 명령, 지형 변화, 외란, 센서 잡음, 통신 지연, 접촉 불확실성 및 파라미터 변화가 포함된 수천 개의 반복 가능한 시나리오를 수행하면서 성능 지표를 자동으로 수집할 수 있다.

유용한 SIL 환경은 단순히 시각적으로 현실적인 움직임을 생성하는 것이 아니라 실제 보행에 영향을 미치는 동역학(Dynamics)을 재현해야 한다. 로봇의 질량과 관성, 관절 마찰, 액추에이터 한계, 전달계(Transmission) 특성, 접촉 강성(Contact Stiffness), 지면 마찰, 센서 특성 및 제어 지연을 충분한 충실도(Fidelity)로 모델링해야 한다.

또한 이러한 파라미터를 현실적인 범위 내에서 무작위화(Randomization)하여 하나의 이상적인 시뮬레이션 설정에서 성공하는지를 확인하는 것이 아니라 다양한 운용 조건의 분포에서 강건성(Robustness)을 측정할 수 있어야 한다.

SIL 검증은 결정론적 회귀 시나리오(Deterministic Regression Scenario)와 무작위 스트레스 시험(Randomized Stress Testing)을 함께 사용해야 한다. 결정론적 시험은 소프트웨어 변경 이후에도 동일한 소프트웨어 버전과 초기 조건에서 예상한 동작이 계속 재현되는지를 확인하며, 무작위 시험은 개발자가 수동으로 예상하기 어려운 조건 조합에 제어기를 노출시킨다.

주요 관측 항목에는 다음이 포함된다:

  • 속도 추종 오차
  • 자세 오차
  • 발 위치 정확도
  • 미끄러짐 빈도
  • 몸체 지상고
  • 접촉력
  • 관절 토크
  • 에너지 소비량
  • 솔버(Solver) 실패 및 전도 확률 등

하드웨어 인 더 루프(Hardware-in-the-Loop, HIL) 시험은 시뮬레이션 환경의 일부를 통제된 상태로 유지하면서 실제 계산 및 전기·전자 구성요소를 시험 환경에 도입한다. 온보드 컴퓨터(Onboard Computer), 실시간 제어기(Real-Time Controller), 통신 버스(Communication Bus), 모터 인터페이스(Motor Interface), 센서 인터페이스(Sensor Interface), 안전 로직(Safety Logic)을 시뮬레이션 또는 에뮬레이션된 플랜트 신호(Plant Signal)와 함께 동작시킬 수 있다.

이 단계에서는 일반적인 시뮬레이션이 놓칠 수 있는 스케줄링 지터(Scheduling Jitter), 패킷 손실, 타임스탬프 오류, 계산 부하 초과, 통신 지연, 드라이버 오류 및 잘못된 하드웨어 추상화(Hardware Abstraction) 동작을 발견할 수 있다.

사족보행 로봇 아키텍처(Architecture)는 고주파 제어 루프(High-Frequency Control Loop)와 긴밀하게 결합된 보행 구성요소를 포함하므로 실시간 동작(Real-Time Behavior)이 특히 중요하다. 소프트웨어 구조에는 1 kHz 실시간 제어 루프 아키텍처(1 kHz Real-Time Control-Loop Architecture)와 하드웨어 추상화(Hardware Abstraction)가 보행 스택(Locomotion Stack)에 포함되므로, 타이밍 검증(Timing Validation)은 알고리즘 시뮬레이션과 실제 물리 시스템 배포 사이를 연결하는 필수 단계가 된다.

따라서 HIL 측정에는 루프 실행 시간, 데드라인 미스(Deadline Miss), 지터 분포, 센서-명령 지연, 동기화 정확도, CPU/GPU 사용률 및 통신 타이밍이 포함되어야 한다.

SIL에서 HIL로 전환할 때에는 가능한 한 동일한 시험 정체성(Test Identity)을 유지해야 한다. 시뮬레이션에서 사용한 지형 이벤트, 외란 프로파일(Disturbance Profile), 명령 시퀀스(Command Sequence) 또는 결함 주입(Fault Injection)을 HIL 환경에서도 동등한 입력과 합격 기준(Acceptance Criteria)을 사용하여 재현할 수 있어야 한다.

이를 통해 검증 단계별 결과를 비교하고 차이가 발생한 원인을 식별할 수 있다. SIL과 HIL 사이의 동작 차이는 불완전한 액추에이터 모델, 타이밍 가정, 수치적 차이, 인터페이스 문제 또는 모델링되지 않은 하드웨어 제약을 드러내는 경우가 많다.

물리적 로봇 시험(Physical Robot Testing)은 기본적인 안전, 통신, 액추에이터 및 제어기 동작이 이전 검증 게이트(Validation Gate)를 통과한 이후에 시작해야 한다. 초기 시험에서는 다리를 공중에 띄운 상태의 시험, 낮은 몸체 높이, 제한된 토크와 속도, 평탄한 지면, 제한된 보행 속도 및 즉시 접근 가능한 비상 정지(Emergency Stop)와 같은 저위험 조건을 사용해야 한다.

이후 보행, 회전, 보행 패턴 전환, 경사면, 계단, 불규칙 지형, 페이로드(Payload), 외부 외란 및 임무 수준의 자율 운용으로 시험 복잡도를 단계적으로 증가시킬 수 있다.

필드 시험(Field Testing)은 시뮬레이션이나 실험실 HIL 시스템으로 완전하게 표현하기 어려운 조건에서도 소프트웨어가 정상적으로 기능한다는 증거를 제공한다. 지면의 유연성, 느슨한 자갈, 식생, 진흙, 먼지, 비, 온도 변화, 조명 변화, 예상하지 못한 장애물, 무선 통신 성능 저하 및 반복적인 기계적 충격은 서로 결합된 외란을 발생시킨다.

따라서 검증 범위는 SIL과 HIL을 넘어 지형 횡단(Terrain Crossing), 밀기 복구(Push Recovery), 내구성(Endurance), 안전 기능 및 환경 시험(Environmental Testing)까지 확장되어야 한다.

필드 시험을 비공식적인 시연(Demonstration)으로 취급해서는 안 된다. 모든 시험 실행에는 정의된 초기 조건, 로봇 구성, 소프트웨어 버전, 지형 설명, 명령 프로파일, 환경 조건, 예상 동작, 실패 기준 및 기록된 텔레메트리(Telemetry)가 필요하다.

정량적인 성능 지표를 이용하면 서로 다른 두 제어기 버전을 객관적으로 비교할 수 있다. 영상은 고장 분석을 지원할 수 있지만, 동기화된 관절 상태, 관성 측정 장치(Inertial Measurement Unit, IMU) 데이터, 추정 상태, 접촉 정보, 액추에이터 명령, 온도, 전력 소비량, 플래너 출력, 안전 이벤트 및 시스템 로그가 공학적 검증에 필요한 핵심 증거를 제공한다.

핵심 원칙 중 하나는 요구사항에서 시험 결과까지의 추적성(Traceability)을 확보하는 것이다. 각각의 보행, 내비게이션(Navigation), 조작(Manipulation), 인공지능(AI), 안전 요구사항은 하나 이상의 검증 절차 및 측정 가능한 합격 임계값(Acceptance Threshold)과 연결되어야 한다.

시험 산출물(Test Artifact)에는 소프트웨어 커밋(Commit), 구성 파라미터, 로봇 하드웨어 리비전(Hardware Revision), 교정 상태(Calibration State), 모델 또는 정책 버전, 데이터셋 또는 재생 시퀀스(Replay Sequence), 시뮬레이터 구성 및 시험 환경이 명시되어야 한다.

이러한 정보가 없으면 성공적인 실험도 회귀 시험이나 제품 릴리스(Production Release) 판단을 위한 신뢰할 수 있는 근거로 활용하기 어렵다.

결함 주입(Fault Injection)은 센서 데이터 손실, 손상된 측정값, 지연된 메시지, 액추에이터 포화(Actuator Saturation), 마찰력 감소, 통신 중단, 상태 추정기 발산(Estimator Divergence), 과도한 온도 또는 플래너 출력 불가와 같은 비정상 조건을 의도적으로 발생시켜 정상 조건 시험을 보완한다.

시험의 목표가 항상 정상적인 보행을 유지하는 것은 아니다. 문제의 심각도에 따라 올바른 동작은 성능 저하 상태의 운용, 제어된 정지, 안정적인 자세 유지, 안전한 착좌(Safe Sitting) 또는 비상 종료(Emergency Shutdown)가 될 수 있다. 따라서 검증에서는 정상 성능만큼이나 복구 동작(Recovery Behavior)을 중요하게 평가해야 한다.

학습 기반 보행 정책(Learned Locomotion Policy)은 기존의 기능 시험 사례만으로 신경망 정책(Neural Policy)의 동작을 완전히 특성화하기 어렵기 때문에 추가적인 분포 기반 시험(Distribution-Oriented Testing)이 필요하다. 지형 형상, 마찰, 페이로드, 액추에이터 강도, 지연, 센서 잡음, 외부 외란 및 명령 프로파일을 넓은 범위에서 변화시켜야 한다.

시뮬레이션은 대규모 시험 범위를 제공하지만, 접촉 동역학(Contact Dynamics)과 액추에이터 동작이 지배적인 조건에서는 시뮬레이터의 성공만으로 물리적 강건성을 입증할 수 없으므로 대표적인 경계 조건(Boundary Condition)을 실제 하드웨어에서도 재현해야 한다.

회귀 시험(Regression Testing)은 전체 SIL-HIL-필드 파이프라인(SIL-HIL-Field Pipeline)을 소프트웨어 개발 과정과 연결해야 한다. 제어기, 상태 추정기, 플래너, 드라이버, 로봇 모델, 구성 파일 또는 학습 정책이 변경되면 이전에 검증된 시나리오 중 적절한 시험 집합이 자동으로 실행되어야 한다.

경량 시험은 모든 소프트웨어 변경마다 실행하고, 대규모 시뮬레이션 캠페인(Simulation Campaign)은 주기적으로 수행하며, HIL 또는 실제 로봇 시험은 릴리스 후보(Release Candidate)에 집중할 수 있다. 이러한 계층적 구조는 시험 범위를 확대하면서 비용이 높은 실제 하드웨어 시험이 주요 디버깅 수단이 되는 것을 방지한다.

최종 검증 결정(Final Validation Decision)은 하나의 성공적인 필드 시연이 아니라 축적된 증거를 기반으로 이루어져야 한다. SIL은 광범위한 시나리오 커버리지(Scenario Coverage)와 알고리즘의 반복 재현성을 확보하고, HIL은 타이밍과 하드웨어-소프트웨어 통합(Hardware-Software Integration)을 검증하며, 필드 시험은 물리적 불확실성이 존재하는 환경에서 실제 성능을 입증한다.

이 세 단계는 저비용이며 반복 가능한 시험에서 결함을 조기에 제거하고 점차 현실적인 단계에서 남아 있는 가정의 유효성을 확인하는 점진적 검증 퍼널(Progressive Validation Funnel)을 구성한다.

성숙한 사족보행 로봇 릴리스 프로세스(Release Process)는 모든 필드 고장(Field Failure)을 이전 시험 단계로 다시 환류함으로써 이러한 순환 구조를 완성한다. 기록된 센서 스트림은 재생 기반 회귀 시험(Replay-Based Regression Test)이 될 수 있고, 예상하지 못한 지형은 새로운 시뮬레이션 시나리오가 될 수 있으며, 하드웨어 타이밍 오류는 HIL 결함 주입 사례가 될 수 있다.

또한 안전 사고는 필수 릴리스 시험으로 전환될 수 있다. 이를 통해 SIL, HIL 및 필드 검증은 서로 분리된 개발 단계가 아니라 지속적으로 확장되는 증거 시스템(Evidence System)으로 작동하며, 실제 운용 경험이 축적될수록 소프트웨어 기준선(Software Baseline)의 강건성을 지속적으로 향상시킬 수 있다.

11.02. Locomotion Policy SIL Isaac Lab Validation [w/Code]

사족보행 로봇 보행 정책(Locomotion Policy)의 소프트웨어 인 더 루프(Software-in-the-Loop, SIL) 검증은 실제 하드웨어에서 실행하기 전에 통제된 물리 시뮬레이션(Physics Simulation) 환경에서 정책을 평가하는 과정이다. 학습 기반 보행(Learning-Based Locomotion)에서는 정책의 동작이 관측값(Observation), 신경망 추론(Neural-Network Inference), 액추에이터 명령(Actuator Command), 로봇 동역학(Robot Dynamics), 접촉 조건(Contact Condition)의 상호작용으로 나타나기 때문에 이 단계가 특히 중요하다.

Isaac Lab은 초기 상태와 환경 파라미터를 정밀하게 제어하면서 이러한 상호작용을 반복적으로 시험할 수 있는 확장 가능한 환경을 제공한다.

검증 환경은 실제 배포(Deployment)에서 사용하는 것과 동일한 정책 인터페이스(Policy Interface)를 재현해야 한다. 관측값에는 베이스 선속도 및 각속도(Base Linear and Angular Velocity), 투영 중력(Projected Gravity), 관절 위치와 속도, 이전 행동(Previous Action), 명령 신호(Command Signal), 지형 정보 또는 기타 정책별 입력이 포함될 수 있다.

관측값의 순서, 정규화(Normalization), 클리핑(Clipping), 스케일링(Scaling), 갱신 주기는 학습 및 배포 파이프라인과 일치해야 한다. SIL 구현에서 관측값의 의미나 좌표계 규약(Coordinate Convention)이 변경되면 학습된 정책 자체가 올바르더라도 불안정한 것처럼 나타날 수 있다.

정책 출력(Policy Output) 역시 동일하게 엄격하게 검증해야 한다. 신경망 행동(Neural-Network Action)은 일반적으로 저수준 제어기(Low-Level Controller)에 전달되기 전에 목표 관절 위치, 관절 속도, 토크 또는 잔차 명령(Residual Command)으로 변환된다.

따라서 검증에서는 신경망 출력에서부터 행동 스케일링(Action Scaling), 포화(Saturation), 제어 게인(Control Gain), 액추에이터 모델까지 이어지는 전체 경로를 검사해야 한다. 잘못된 행동 제한이나 일치하지 않는 제어 주기는 비현실적인 시뮬레이션 성능을 만들고 실제 사족보행 로봇으로 전이되었을 때 위험해질 수 있는 실패를 숨길 수 있다.

Isaac Lab은 다수의 로봇 환경을 병렬로 실행할 수 있으므로 실제 물리 시험에서 현실적으로 수행할 수 있는 범위보다 훨씬 넓은 조건 분포에서 보행 정책을 평가할 수 있다. 병렬 환경(Parallel Environment)에서는 명령 속도, 진행 방향, 초기 자세, 지형 형상, 마찰, 페이로드(Payload), 외란 크기 및 로봇 파라미터를 다양하게 변화시킬 수 있다.

소수의 성공적인 궤적만으로 정책을 평가하는 대신 수천 개의 에피소드(Episode)에 대한 성공률과 성능 분포를 추정하고 동작 신뢰성이 저하되는 영역을 식별할 수 있다.

기준 검증 캠페인(Baseline Validation Campaign)은 먼저 정상 조건(Nominal Condition)에서의 성능을 확립해야 한다. 사족보행 로봇에 정지, 전진 및 후진 보행, 측면 이동, 제자리 회전, 선속도와 각속도의 복합 추종 명령을 수행하도록 할 수 있다.

측정 항목에는 명령 추종 오차(Command Tracking Error), 베이스 자세(Base Orientation), 몸체 높이, 관절 운동, 발 접촉 타이밍(Foot Contact Timing), 토크 요구량, 전력 관련 값 및 종료 이벤트(Termination Event)가 포함되어야 한다. 안정적인 정상 조건 성능은 이후 더욱 어려운 시나리오를 비교하기 위한 기준이 된다.

지형 검증(Terrain Validation)은 이후 평탄한 지면을 넘어 운용 영역(Operating Envelope)을 확장해야 한다. 정책은 경사면, 계단, 불규칙 표면, 이산 장애물(Discrete Obstacle), 거친 지형 및 서로 다른 마찰 특성을 가진 표면에서 평가할 수 있다.

이는 강화학습 보행(Reinforcement-Learning Locomotion)에서 지형 커리큘럼(Terrain Curriculum), 액추에이터 모델링(Actuator Modeling), 도메인 무작위화(Domain Randomization), 시뮬레이션-현실 전이(Sim2Real Transfer)를 핵심 요소로 다루는 전체 소프트웨어 구조와 일치한다. 지형 난이도는 체계적으로 증가시켜 신뢰할 수 있는 보행과 불안정한 보행 사이의 경계를 정성적인 설명이 아니라 정량적으로 측정할 수 있어야 한다.

강건성 시험(Robustness Testing)에서는 물리 파라미터에 통제된 변화를 적용해야 한다. 로봇 질량, 질량중심(Center of Mass), 링크 관성(Link Inertia), 모터 출력, 관절 감쇠(Joint Damping), 지면 마찰, 반발 계수(Restitution), 페이로드 등을 정상값 주변에서 변화시킬 수 있다.

이러한 변화는 학습된 정책이 특정 시뮬레이션 로봇 모델에 지나치게 의존하는지를 확인한다. 실제 물리 플랫폼은 제조 공차, 페이로드 변화, 마모, 교정 오차 및 모델링 부정확성으로 인해 명목상 시뮬레이션 모델과 차이가 발생하므로, 제품 수준의 정책 후보는 현실적인 파라미터 불확실성에서도 허용 가능한 동작을 유지해야 한다.

지연(Latency)과 액추에이터 동역학(Actuator Dynamics)은 보행 정책이 시간적 불일치(Temporal Mismatch)에 매우 민감해질 수 있기 때문에 별도의 SIL 시험이 필요하다. 관측 지연, 행동 지연, 액추에이터 응답, 저수준 제어 대역폭(Low-Level Control Bandwidth), 정책 추론 주기(Policy Inference Period)를 독립적으로 또는 함께 변화시킬 수 있다.

인위적인 지터(Jitter)와 간헐적인 갱신 지연도 추가할 수 있다. 이에 따른 안정성 저하를 분석하면 온보드 배포(Onboard Deployment)에서 허용 가능한 타이밍 예산(Timing Budget)을 정의하고 하드웨어 시험 전에 추가적인 지연 무작위화 또는 액추에이터 모델링이 필요한지를 판단할 수 있다.

센서 강건성(Sensor Robustness)은 물리 동역학을 변경하는 대신 관측값에 변화를 적용하여 평가할 수 있다. 관성 측정 장치(Inertial Measurement Unit, IMU) 잡음, 관절 엔코더(Joint Encoder) 잡음, 속도 추정 오차, 바이어스(Bias), 양자화(Quantization), 관측값 손실 및 일시적인 데이터 손상을 통제된 수준으로 주입할 수 있다.

목적은 작은 인지 또는 상태 추정 오차가 비례적인 성능 저하로 이어지는지, 아니면 갑작스러운 정책 실패로 이어지는지를 확인하는 것이다. 이러한 시험은 정책이 과도하게 의존하는 관측값을 식별하여 실제 하드웨어의 센싱 및 상태 추정 요구사항의 우선순위를 결정하는 데에도 활용할 수 있다.

외부 외란 시험(External Disturbance Test)은 로봇이 정지하거나 이동하는 동안 몸체에 충격력(Impulse) 또는 지속적인 힘을 적용하여 복구 능력(Recovery Capability)을 평가한다. 동일한 힘이라도 현재 접촉 구성(Contact Configuration)에 따라 매우 다른 결과가 발생할 수 있으므로 외란의 방향, 크기, 지속시간, 보행 위상(Gait Phase), 명령 속도를 변화시켜야 한다.

유용한 성능 지표에는 최대 몸체 편차, 복구 시간, 발 위치 조정 반응, 복구 후 명령 추종 성능 및 전도 확률이 포함된다. 반복 시험을 통해 한 번의 성공적인 밀기 시연이 아니라 통계적인 복구 영역(Recovery Envelope)을 확보할 수 있다.

에피소드 종료 조건(Episode Termination Condition)은 보고되는 정책 강건성에 직접적인 영향을 미치므로 신중하게 정의해야 한다. 종료 조건에는 과도한 롤(Roll) 또는 피치(Pitch), 몸체와 지면의 충돌, 허용되지 않은 접촉, 관절 한계 위반, 불안정한 몸체 높이, 수치 계산 실패 또는 지정된 시간 내 복구 실패 등이 포함될 수 있다.

검증 보고서는 실제 전도(True Fall)와 보수적인 안전 종료(Safety Termination)를 구분해야 한다. 그렇지 않으면 물리적 동작이 유사한 정책이라도 서로 다른 종료 로직으로 인해 성공률이 달라져 정책 간 비교가 왜곡될 수 있다.

결정론적 재현성(Deterministic Reproducibility)은 회귀 시험(Regression Testing)에 필수적이다. 모든 검증 캠페인에 대해 난수 시드(Random Seed), 시뮬레이터 구성, 로봇 모델 버전, 정책 체크포인트(Policy Checkpoint), 관측 구성, 지형 생성기 파라미터, 제어 주파수, 물리 시뮬레이션 시간 간격(Physics Timestep), 도메인 무작위화 설정을 기록해야 한다.

새로운 정책 체크포인트나 소프트웨어 리비전(Software Revision)이 도입되면 동일한 시나리오 집합을 다시 실행하여 동작 변화가 통제되지 않은 시험 환경의 차이가 아니라 실제 변경 사항에서 발생했음을 확인할 수 있어야 한다.

대규모 평가는 평균값만이 아니라 성능 분포(Performance Distribution)를 요약해야 한다. 평균 속도 오차는 드물게 발생하는 치명적인 실패를 숨길 수 있으며, 높은 전체 성공률도 특정 지형이나 명령 범위에서 나타나는 취약성을 감출 수 있다.

백분위수(Percentile), 최악 조건 값(Worst-Case Value), 실패 횟수, 전도 확률, 완료율, 에너지 관련 지표 및 지형 난이도별 성능을 함께 분석하면 정책의 특성을 더욱 정확하게 파악할 수 있다. 실패 시나리오는 해당 시뮬레이터 상태와 파라미터와 함께 보존하여 영구적인 회귀 시험 사례로 전환해야 한다.

정책 검증에서는 경계 조건(Boundary Condition)을 의도적으로 탐색해야 한다. 파라미터 스윕(Parameter Sweep)을 통해 경사도, 계단 높이, 지형 거칠기, 명령 속도, 페이로드, 지연 또는 외란을 점진적으로 증가시키면서 사전에 정의된 합격 기준을 위반하는 지점을 찾을 수 있다.

이렇게 도출된 운용 영역은 정책이 어느 범위까지 신뢰성 있게 동작하며 어느 지점부터 성능 저하가 시작되는지를 보여준다. 이러한 접근 방식은 정책이 몇 개의 대표적인 환경을 성공적으로 통과했다는 사실만 보고하는 것보다 공학적인 릴리스 판단(Engineering Release Decision)에 훨씬 유용하다.

SIL 검증은 신경망 정책을 독립된 수학 함수로만 시험하는 것이 아니라 주변 보행 소프트웨어와의 통합(Integration)도 검증해야 한다. 명령 생성(Command Generation), 보행 상태 전환(Locomotion State Transition), 관측값 구성(Observation Construction), 추론 스케줄링(Inference Scheduling), 저수준 제어, 안전 제한(Safety Limit), 종료 로직이 함께 실행되어야 한다.

전체 소프트웨어 구조에서도 학습 정책 배포(Learned Policy Deployment)는 더 넓은 보행 아키텍처의 일부로 다루어지며, 이후 하드웨어 인 더 루프(HIL), 재생 기반 회귀 시험, 지형 시험, 외란 시험, 내구성 시험, 안전 시험 및 환경 검증으로 확장된다.

정책은 정상 조건, 무작위화 조건, 외란 조건 및 경계 조건 시나리오 전반에서 합격 기준(Acceptance Criteria)을 명확하게 정의하고 반복적으로 만족한 경우에만 Isaac Lab SIL 검증 단계를 통과하여 다음 단계로 진행해야 한다.

SIL을 통과했다고 해서 실제 로봇이 동일하게 동작한다는 것이 증명되는 것은 아니다. 접촉 동역학, 액추에이터 동작, 센싱, 타이밍 및 구조적 영향은 여전히 완벽하게 모델링할 수 없기 때문이다. 대신 SIL은 취약한 정책을 조기에 제거하고 이후 HIL 및 필드 검증에서 집중적으로 확인해야 할 조건을 명확히 식별할 수 있는 광범위하고 반복 가능한 검증 근거(Evidence Base)를 제공한다.

11.03. Control Loop HIL Test Automation [w/Code]

사족보행 로봇 제어 루프(Control Loop)의 하드웨어 인 더 루프(Hardware-in-the-Loop, HIL) 시험은 로봇 동역학(Robot Dynamics)을 시뮬레이션 또는 에뮬레이션(Emulation) 상태로 유지하면서 실제 운용용 제어 소프트웨어가 대표적인 컴퓨팅 및 통신 하드웨어에서 올바르게 동작하는지를 검증한다.

이 단계는 실제 사족보행 로봇에서 모든 비정상 조건을 재현하지 않고도 제어기를 현실적인 실행 타이밍, 인터페이스, 통신 지연 및 하드웨어 제약에 노출함으로써 소프트웨어 인 더 루프(Software-in-the-Loop, SIL) 검증과 실제 로봇 시험 사이를 연결한다.

일반적인 HIL 구성은 제어기 하드웨어(Controller Hardware)와 실시간 플랜트 시뮬레이터(Real-Time Plant Simulator)를 분리한다. 제어기는 실제 배포에 사용할 것과 동일한 소프트웨어 구성으로 상태 추정(State Estimation), 보행 관리(Gait Management), 전신 제어(Whole-Body Control), 안전 로직(Safety Logic), 액추에이터 명령 생성(Actuator Command Generation)을 실행한다.

플랜트 시뮬레이터는 관절 및 부유 베이스 동역학(Floating-Base Dynamics), 접촉 상호작용, 액추에이터 응답 및 가상 센서 측정값을 계산하고, 결정론적인 주기로 대표적인 통신 인터페이스를 통해 이러한 신호를 제어기와 교환한다.

제어 루프 타이밍(Control-Loop Timing)은 HIL 검증의 핵심 대상 중 하나이다. 사족보행 로봇의 보행은 센싱(Sensing), 상태 추정, 최적화(Optimization), 액추에이터 명령 생성의 동기화된 실행에 의존하며, 소프트웨어 구조에는 1 kHz 실시간 제어 루프 아키텍처(1 kHz Real-Time Control-Loop Architecture)가 포함된다.

따라서 HIL 자동화는 실행 주기, 최악 실행 시간(Worst-Case Execution Time), 스케줄링 지터(Scheduling Jitter), 데드라인 미스(Deadline Miss), 센서-명령 지연(Sensor-to-Command Latency), 명령 경과 시간(Command Age)을 측정하면서 동시에 타이밍 성능 저하가 시뮬레이션된 로봇의 안정성에 측정 가능한 영향을 발생시키는지를 확인해야 한다.

자동화된 HIL 시험은 정확하게 정의된 초기화 시퀀스(Initi

Read on DEV Community ↗ ← Back to News

Comments

No comments yet. Start the discussion.