로봇 마찰보상 효과 검증
6축 협동로봇의 마찰보상과 가속도 피드포워드 효과를 160회 2×2 실험으로 검증합니다. AI 에이전트(ralph-loop)로 마찰 계수를 튜닝하고, 자동화 스크립트로 검증 실험을 수행했습니다. 마찰보상만으로 36% 개선(Cohen's d=1.49), 총 개선의 93%를 달성했습니다.
6축 협동로봇의 마찰보상과 가속도 피드포워드 효과를 160회 2×2 실험으로 검증합니다. AI 에이전트(ralph-loop)로 마찰 계수를 튜닝하고, 자동화 스크립트로 검증 실험을 수행했습니다. 마찰보상만으로 36% 개선(Cohen's d=1.49), 총 개선의 93%를 달성했습니다.
6축 로봇 암의 가속도 피드포워드 제어를 최적화한 과정을 공유합니다. 수치 미분 대신 플래너 가속도 + LPF 조합으로 위치 RMSE 21.2% 개선과 토크 안정성을 동시에 달성했습니다.
위치 목표를 받아 움직이는 로봇 팔은 호스트가 시간을 지키는 만큼만 정확하게 움직입니다. 휴머노이드 텔레오퍼레이션에 쓰이는 UFACTORY xArm 7의 벤더 제어 박스를 그대로 둔 채, Jetson AGX Orin 위의 하드 실시간 계층만 앞에 붙였습니다. 송신 지터는 5 µs 안에 머물렀고, 박스의 6.5 ms 지연은 상쇄됐으며, 팔은 계획보다 1.57초 늦던 상태에서 정시로 돌아왔습니다. 같은 순간의 툴 끝 오차는 165 mm에서 0.3 mm로, 경로 오차는 1.11 mm RMS에서 0.008 mm로 줄었고, 그리퍼에 1.57 kg 짐을 매단 채 30회 모두 박스 오류 0건이었습니다. 커널에서 모터까지 스택 전체와 계층마다의 측정값을 담았습니다.