Chapter 9: 슬립과 전단 — 놓치기 전에 반응하는 제어

개요

파지가 실패하는 순간은 대개 물체가 바닥에 떨어진 뒤가 아닙니다. 실패는 그보다 앞서 tactile signal에서 나타납니다. 법선력이 부족해지고, 전단력이 마찰원뿔의 경계에 가까워지고, taxel pattern이 이동하며, 고주파 진동이 생깁니다. 슬립 기반 제어는 이 전조를 읽고 파지력을 조정하는 반사(reflex) 계층입니다.

이 챕터를 읽고 나면... - gross slip, incipient slip, micro slip의 차이를 설명할 수 있습니다. - normal force와 shear force로 slip margin을 계산하는 방법을 이해합니다. - internal force control이 multi-finger grasp에서 왜 필요한지 설명할 수 있습니다. - tactile reflex와 상위 policy의 역할 분담을 설계할 수 있습니다.

9.1 왜 slip은 tactile control의 첫 응용인가

카메라는 물체가 이미 움직인 뒤에 slip을 봅니다. 반면 tactile sensor는 접촉면의 전단 변형, 압력 중심 이동, 진동을 통해 slip이 시작되기 전에 신호를 줍니다. 그래서 tactile sensor를 제어에 쓰는 가장 직접적인 방식은 slip reflex입니다.

기본 로직은 단순합니다.

1. 각 접촉점에서 normal force와 tangential force를 추정합니다.
2. 마찰계수 추정치로 friction cone 또는 friction pyramid를 만듭니다.
3. tangential force가 한계에 가까워지면 grip force를 증가시킵니다.
4. 접촉 패치가 이동하거나 고주파 진동이 감지되면 빠른 reflex를 실행합니다.
5. 힘이 과하면 물체 변형이나 파손을 막기 위해 다시 낮춥니다.

이 제어는 고전적이지만 제조에서는 여전히 핵심입니다. 화장품 용기, 얇은 필름, 캡, 브러시, 스펀지 같은 대상은 표면 재질과 마찰이 균일하지 않습니다. 물체를 세게 잡는 해법은 품질 손상을 만들고, 약하게 잡는 해법은 낙하를 만듭니다.

9.2 전단력은 "접촉의 방향성"이다

법선력은 눌렀는지를 알려주지만, 전단력은 물체가 어디로 움직이려 하는지를 알려줍니다. 따라서 in-hand manipulation에서는 전단력이 더 중요한 경우가 많습니다. 손 안에서 물체를 굴리거나 밀 때 controller는 물체를 떨어뜨리지 않는 동시에 원하는 방향으로 미끄러뜨려야 합니다.

최근 shear-based grasp control 연구들은 이 문제를 직접 다룹니다. 전단력을 별도 채널로 읽으면 "힘이 충분한가"보다 더 정교한 질문을 할 수 있습니다. 예를 들어 손가락 A의 전단력이 위쪽으로 커지고 손가락 B의 전단력이 반대 방향으로 커지면, 물체가 손 안에서 회전하고 있음을 알 수 있습니다. 이 정보는 object pose estimator가 occlusion으로 흔들릴 때 특히 유용합니다.

9.3 Internal force control

다지 파지에서는 손가락들이 물체에 가하는 힘의 합이 외부 wrench를 만들고, 동시에 물체 운동을 바꾸지 않는 internal force를 만듭니다. internal force는 물체를 움직이지 않게 더 세게 잡는 힘입니다. 문제는 internal force가 너무 작으면 slip이 생기고, 너무 크면 물체가 변형되거나 센서/액추에이터가 포화됩니다.

촉각 기반 internal force control은 다음 목표를 가집니다.

• 각 손가락의 normal force를 최소 안정 수준 이상으로 유지합니다.
• 전단력 분포를 보고 특정 손가락이 friction cone 경계에 몰리지 않게 합니다.
• object wrench와 internal wrench를 분해해 "움직이기 위한 힘"과 "유지하기 위한 힘"을 분리합니다.
• 손가락 하나를 떼야 할 때 나머지 손가락들의 internal force를 미리 재분배합니다.

이 마지막 항목이 Cosmax형 sequential multi-object grasping에서 중요합니다. 다음 물체를 잡으려면 손가락 일부를 해방해야 하는데, 그 전에 첫 물체가 나머지 접촉으로 유지되는지 tactile feedback으로 확인해야 합니다.

9.4 Reflex 계층과 policy 계층

슬립 제어는 policy가 아니라 reflex에 가까워야 합니다. 30Hz 비전-언어 policy가 slip을 보고 "잡는 힘을 조금 올려라"라고 판단할 때는 이미 늦을 수 있습니다. 500-1000Hz tactile reflex가 먼저 grip force를 보정하고, 상위 policy는 왜 slip이 생겼는지와 다음 행동을 결정하는 구조가 더 안전합니다.

Sharpa의 CraftNet이 VTLA 구조에서 reflex intelligence를 별도 System 0로 언급하는 것도 같은 방향으로 읽을 수 있습니다 ^[4]. 촉각은 고수준 언어 추론보다 빠른 폐루프가 필요한 모달리티입니다.

9.5 센서별 slip 표현

센서 종류에 따라 slip feature는 다르게 저장됩니다.

따라서 slip controller를 설계할 때는 "어떤 센서가 좋은가"보다 "어떤 slip feature를 몇 Hz로 안정적으로 얻는가"가 중요합니다. 제조 현장에서는 센서 교체성, 오염, 세척, calibration drift까지 함께 평가해야 합니다.

요약

슬립과 전단은 tactile sensor를 제어에 쓰는 가장 실용적인 입구입니다. 손안 조작과 multi-contact grasping은 결국 접촉을 유지하며 일부 접촉은 의도적으로 이동시키는 문제입니다. 이때 tactile reflex는 낙하를 막고, internal force control은 여러 손가락의 힘을 재분배하며, 상위 policy는 다음 접촉 전환을 결정합니다.

제조 셀 적용 체크포인트

슬립 제어는 "놓치지 않는다"보다 더 세밀한 문제입니다. 제조 셀에서는 너무 약한 힘은 drop을 만들고, 너무 강한 힘은 제품 손상과 포장재 변형을 만듭니다. 따라서 tactile controller는 slip event만 감지하는 것이 아니라 slip margin, normal-force reserve, shear direction, grip-force increment를 함께 기록해야 합니다. 같은 물체라도 표면 오염, 용기 재질, 라벨 위치, 습도에 따라 마찰이 달라지므로, slip log는 공정 조건과 함께 저장되어야 합니다.

실전 배치에서는 빠른 reflex와 느린 정책을 분리합니다. 200-1000 Hz 계층은 force derivative와 shear spike를 보고 즉시 grip을 조정하고, 상위 정책은 이 조정이 반복되는 SKU나 grasp candidate를 찾아 grasp planner를 바꿉니다. 이렇게 해야 tactile sensing이 단순 안전장치가 아니라 제조 data flywheel의 입력이 됩니다. 특히 첫 물체를 들고 둘째 물체를 잡는 상황에서는 손가락을 하나 놓는 순간의 미세 slip이 전체 실패의 조기 신호가 됩니다.

실전 적용 메모

이 장의 핵심은 슬립과 전단 제어을 하나의 연구 키워드로만 보지 않고, 실제 로봇핸드 시스템에서 어떤 결정을 바꾸는지 묻는 데 있습니다. 실험을 설계할 때는 먼저 관측 가능한 상태를 정해야 합니다. 어떤 센서 값이 contact state, slip margin, force limit, object pose, operator override 중 무엇을 설명하는지 명확하지 않으면, 성공률이 높아도 다음 개선 루프가 막힙니다.

두 번째는 기록 단위입니다. 논문 데모는 성공 장면을 보여주지만, 제조형 연구는 실패를 재현 가능한 record로 남겨야 합니다. attempt id, task phase, hardware configuration, calibration version, tactile summary, policy output, human intervention을 함께 저장해야 다른 장에서 설명한 데이터 표현, 제어, 학습, 전이가 서로 연결됩니다.

마지막으로 이 장의 내용을 적용할 때는 "가장 성능이 좋은 방법"보다 "어떤 실패를 줄이는 방법인가"를 먼저 물어야 합니다. 촉각 로봇핸드의 실용성은 센서, 핸드, 정책, 시뮬레이터가 각각 좋은지보다, 실패 원인을 나누고 다음 실험을 더 싸게 만드는지에서 드러납니다.

장별 구현 프레임워크

슬립과 전단을 실제 시스템으로 옮길 때 첫 단계는 상태 정의입니다. 이 장에서 다루는 개념은 추상적인 성능 지표가 아니라, controller와 logger가 함께 읽을 수 있는 state variable이어야 합니다. 예를 들어 contact state, normal force, shear vector, slip margin, object pose, task phase, operator override, product-damage flag가 각각 어느 좌표계와 어느 시간 해상도에서 저장되는지 정해야 합니다. 이 정의가 없으면 정책이 성공하더라도 왜 성공했는지 알기 어렵고, 실패했을 때도 planner, controller, sensor, hardware, operator workflow 중 어느 부분을 고쳐야 하는지 분리할 수 없습니다.

두 번째 단계는 제어 루프를 시간 규모별로 나누는 것입니다. 빠른 루프는 200-1000 Hz에서 force derivative, shear spike, motor current, joint torque를 처리합니다. 중간 루프는 20-100 Hz에서 contact pose, grasp phase, reference finger motion을 갱신합니다. 느린 루프는 1-10 Hz에서 task instruction, object identity, SKU, fixture state, next grasp candidate를 판단합니다. 슬립과 전단이 어느 루프에 들어가는지 명확해야 VLA, MPC, tactile reflex, residual policy가 서로 다른 일을 하면서도 같은 목표를 향해 작동합니다. 모든 정보를 하나의 거대 정책에 넣는 방식은 구현은 단순해 보이지만, latency와 failure diagnosis에서 약합니다.

세 번째 단계는 record schema입니다. 최소한 attempt id, robot hand model, sensor layout, calibration version, task phase, object/SKU id, selected grasp, measured contact patch, normal/shear force summary, slip event, action output, safety intervention, final outcome을 저장해야 합니다. 제조 셀에서는 이 record가 곧 QA trace입니다. 연구실에서는 한 번의 성공 영상이 설득력을 가질 수 있지만, 생산 라인에서는 실패가 반복될 때 원인을 좁히는 능력이 더 중요합니다. 따라서 슬립과 전단 실험의 결과표는 success rate 하나가 아니라 failure type distribution, retry count, damage rate, cycle time variance, operator intervention frequency를 함께 보여야 합니다.

네 번째 단계는 작은 테스트 프로토콜입니다. 처음부터 모든 물체와 모든 손 동작을 다루면 실패 원인을 해석하기 어렵습니다. 먼저 single contact acquisition, stable hold, controlled release, contact switch, recovery after slip 같은 원자 태스크를 정의합니다. 그 다음 두세 개의 원자 태스크를 묶어 sequential manipulation을 만들고, 마지막에 Cosmax형 first grasp -> in-hand rearrangement -> second grasp 시나리오로 확장합니다. 이렇게 해야 슬립과 전단이 실제로 어떤 failure mode를 줄였는지 확인할 수 있습니다. 특히 손안 조작과 다물체 파지는 성공/실패가 한 순간에 결정되지 않고, 여러 contact transition의 누적으로 결정됩니다.

다섯 번째 단계는 하드웨어와 유지보수 조건을 실험 변수로 포함하는 것입니다. 같은 알고리즘도 젤 표면 마모, 패드 오염, 케이블 장력, 센서 교체 후 calibration, 손가락 backlash, 온도, 표면 습도에 따라 다르게 작동합니다. 따라서 실험 로그에는 software version뿐 아니라 pad age, cleaning state, calibration time, replacement event, fault code를 기록해야 합니다. 이 정보가 있어야 모델 성능 저하와 센서/기구 열화를 분리할 수 있습니다. 제조용 tactile robotics는 policy benchmark가 아니라 운영 시스템이기 때문에, maintenance variable은 주변 정보가 아니라 핵심 state입니다.

마지막 단계는 의사결정 기준입니다. 슬립과 전단을 도입했을 때 성공률이 올라가는지만 보지 말고, 어떤 실패가 줄었는지를 확인해야 합니다. perception failure가 줄었는지, contact acquisition failure가 줄었는지, force closure 부족이 줄었는지, execution-time slip이 줄었는지, 아니면 operator override가 줄었는지 분리해야 합니다. 이 분해가 가능해야 다음 투자가 정해집니다. 센서를 바꿀지, 손을 바꿀지, controller를 바꿀지, simulator를 보강할지, 데이터 수집을 늘릴지가 명확해집니다.

검증 프로토콜: 데모에서 반복 가능한 실험으로

이 장의 방법을 검증할 때는 한 번의 성공 장면보다 반복 가능한 실험 단위가 중요합니다. 첫 단계는 reset condition을 고정하는 것입니다. 물체의 시작 위치, 손의 초기 자세, 센서 calibration, 패드 상태, 주변 조명, fixture 상태가 매 trial마다 다르면 tactile feedback의 효과를 분리할 수 없습니다. 두 번째 단계는 disturbance를 의도적으로 넣는 것입니다. 물체를 조금 회전시키거나, 표면 마찰을 바꾸거나, 손가락 하나의 초기 접촉을 늦추면 controller가 진짜로 접촉 정보를 쓰는지 드러납니다.

세 번째 단계는 ablation입니다. tactile 없이, normal force만, shear까지 포함, slip event까지 포함, full tactile summary까지 포함하는 순서로 비교해야 합니다. 이렇게 해야 성능 향상이 taxel 수 때문인지, 전단력 때문인지, 시간 해상도 때문인지, 단순히 더 큰 policy 때문인지 구분할 수 있습니다. 네 번째 단계는 recovery metric입니다. 실패를 완전히 막지 못하더라도, slip 이후 회복 시간이 줄거나 operator override가 줄면 제조 관점에서는 의미 있는 개선입니다.

마지막 단계는 deployment rehearsal입니다. 연구자가 직접 조정하는 실험과 작업자가 절차서대로 수행하는 실험은 다릅니다. 작업자가 센서를 교체하고 calibration을 실행한 뒤 같은 KPI가 유지되는지 봐야 합니다. 이 단계에서 cycle time, damage rate, retry count, downtime, intervention frequency가 함께 유지되어야 제조 적용 가능성을 말할 수 있습니다.

제어 설계 패턴: tactile signal을 action으로 바꾸는 순서

Part III의 네 장은 모두 같은 질문으로 돌아옵니다. 센서가 접촉 정보를 주었을 때, 손가락은 어떤 action을 해야 하는가? 이 질문에 대한 실용적 답은 세 단계입니다. 첫째, tactile signal을 즉시 action으로 쓰지 말고 contact belief로 바꿉니다. contact belief는 접촉 위치, 접촉 방향, 힘의 여유, 미끄러짐 가능성, 다음 접촉 전환 가능성을 포함합니다. 둘째, contact belief를 safety gate와 reference update로 나눕니다. safety gate는 과도한 힘, slip, collision, product damage risk를 막고, reference update는 손가락 위치나 힘 목표를 바꿉니다. 셋째, policy가 이 두 결과를 다시 받아 다음 high-level action을 고르게 합니다.

이 구조는 특히 제조 다물체 태스크에서 중요합니다. 첫 물체를 안정적으로 잡았다는 판단은 단순히 force가 충분하다는 뜻이 아닙니다. 손가락 하나를 떼어도 남은 접촉이 물체를 지지하는지, 손바닥 support가 실제로 생겼는지, 다음 물체 접근 경로가 열리는지, slip margin이 충분한지를 함께 봐야 합니다. tactile sensing은 이 판단을 순간마다 갱신합니다. 따라서 contact controller의 출력은 "grip harder" 하나가 아니라 hold, release, shift, roll, regrasp, abort 같은 discrete mode와 finger-level reference가 함께 있어야 합니다.

실험 설계에서는 policy success rate보다 mode transition의 품질을 봐야 합니다. mode가 바뀔 때 force spike가 생기는지, contact patch가 예상한 방향으로 이동하는지, shear가 friction cone 안에 남는지, object pose estimate가 tactile evidence와 충돌하는지 확인합니다. 이 로그가 있어야 controller가 잘못됐는지, hand morphology가 부족한지, sensor placement가 나쁜지 판단할 수 있습니다.

Operator handoff와 안전 정지 기준

제조 셀에서 촉각 제어는 작업자에게 설명 가능한 절차로 끝나야 합니다. 시스템이 어떤 상태에서 계속 진행하고, 어떤 상태에서 속도를 낮추고, 어떤 상태에서 정지하는지 명확해야 합니다. 예를 들어 slip margin이 낮아지면 먼저 grip force를 제한 범위 안에서 보정하고, contact patch가 예상 영역을 벗어나면 재파지를 시도하며, force limit이나 product-damage risk를 넘으면 즉시 abort mode로 들어가야 합니다. 이 기준은 policy 내부에만 숨어 있으면 안 되고, operator UI와 QA log에 같은 이름으로 표시되어야 합니다.

handoff 절차에는 세 가지 정보가 필요합니다. 첫째, 현재 phase입니다. acquire, hold, shift, release, regrasp, abort 중 어디인지 표시해야 합니다. 둘째, 정지 이유입니다. slip, over-force, lost contact, pose uncertainty, hardware fault를 구분해야 합니다. 셋째, 다음 행동입니다. 자동 retry, 작업자 확인, 센서 청소, calibration 재실행, 물체 제거 중 하나로 이어져야 합니다. 이렇게 설계하면 tactile control은 블랙박스가 아니라 작업자와 함께 운영되는 제조 시스템이 됩니다.

현장 판단 기준의 최소 단위

이 장의 내용을 현장에 적용할 때 최소 판단 단위는 "성공한 grasp"가 아니라 "안전하게 다음 phase로 넘어갈 수 있는 contact state"입니다. 작업자는 결과만 보지만, 시스템은 phase 전환 직전의 force reserve, slip reserve, contact patch, finger availability, product-damage risk를 함께 봐야 합니다. 이 값이 모두 기록되면 실패한 trial도 유용한 데이터가 됩니다. 반대로 이 값이 없으면 성공한 trial조차 재현 가능한 지식으로 남지 않습니다.

따라서 PoC의 첫 목표는 완전 자동화가 아니라 판단 기준을 안정화하는 것입니다. 어떤 값이면 계속 진행하고, 어떤 값이면 retry하고, 어떤 값이면 abort하는지 정해야 합니다. 이 기준이 쌓이면 나중에 더 큰 VLA나 RL policy를 붙여도 평가가 흔들리지 않습니다.

특히 슬립은 작은 사건처럼 보이지만 제조 셀에서는 가장 빠른 실패 신호입니다. slip margin이 낮아지는 순간을 안정적으로 기록하면, grip force 보정, finger repositioning, operator warning, abort decision을 모두 같은 근거로 연결할 수 있습니다. 이 연결이 있어야 촉각 제어가 단순 반사 동작을 넘어 공정 안정화 도구가 됩니다.

참고문헌

1. Lin, T., et al. (2025). PP-Tac: Paper pick-and-place with tactile diffusion policy. arXiv preprint. [Lin et al., 2025] source
2. Qi, H., et al. (2023). AnyRotate: Gravity-invariant in-hand object rotation with sim-to-real touch. CoRL 2023. [Qi et al., 2023] source
3. Sievers, L., et al. (2022). Learning purely tactile in-hand manipulation with a torque-controlled hand. ICRA 2022. [Sievers et al., 2022] source
4. Sharpa. (2026). CraftNet and Sharpa Wave product information. https://www.sharpa.com/ [Sharpa, 2026] source
5. Cosmax Robotics Meeting. (2026b). Model-based approach vs RL-based approach for in-hand manipulation. Internal meeting PDF, 2026-06-05. [Cosmax, 2026b] private source