Resumen Técnico: Parametrización Libre de Controladores de Espacio de Estados Estructurados con Acotación $L_2$

1. Planteamiento del Problema

Diseñar políticas de control estabilizadoras para sistemas no lineales que optimicen simultáneamente objetivos complejos y no convexos sigue siendo un desafío significativo. Si bien las Redes Neuronales (NN) ofrecen un gran poder de expresión para el control, a menudo carecen de una robustez inherente; pequeñas perturbaciones en la entrada pueden propagarse de manera impredecible, lo que podría desestabilizar el sistema de bucle cerrado.

Los enfoques existentes para garantizar la estabilidad suelen imponer restricciones explícitas sobre los parámetros del controlador durante la optimización. Sin embargo, imponer estas restricciones (por ejemplo, mediante proyecciones u optimización con restricciones) introduce una carga computacional adicional y complica el proceso de entrenamiento. Además, los métodos que dependen de políticas de tiempo continuo (por ejemplo, modelos Port-Hamiltonianos o Neural ODEs) enfrentan dificultades al discretizarse, perdiendo a menudo las garantías de ganancia $L_2$ o resultando en ecuaciones implícitas que son complicadas de implementar. El problema central abordado es cómo parametrizar controladores de tiempo discreto de tal manera que la estabilidad esté garantizada por diseño, permitiendo la optimización totalmente libre de restricciones de objetivos no lineales generales.

2. Metodología

El artículo propone un nuevo marco de trabajo que aprovecha los Modelos de Espacio de Estados Estructurados (SSM), específicamente una nueva arquitectura llamada Unidad Recurrente $L_2$ ($L_2$RU). La metodología se basa en tres pilares:

A. Fundamento Teórico: Teorema de la Ganancia Pequeña

El enfoque utiliza el Teorema de la Ganancia Pequeña para garantizar la estabilidad del bucle cerrado. Si una planta tiene una ganancia $L_2$ finita conocida (o estimada) $\hat{\gamma}$ y el controlador se diseña para tener una ganancia $L_2$ $\gamma$ tal que $\gamma\hat{\gamma} < 1$, la interconexión de retroalimentación está garantizada como $L_2$-estable. El objetivo es construir una parametrización de controlador donde $\gamma$ sea fija y prescrita, independiente de las variables de optimización.

B. Nueva Parametrización Libre

Los autores introducen una parametrización libre para sistemas de Tiempo Invariante Lineal (LTI) con una ganancia $L_2$ prescrita $\gamma$. A diferencia de métodos anteriores que requerían resolver restricciones complejas o proyecciones, esta parametrización mapea un conjunto de parámetros libres $\omega \in \mathbb{R}^q$ directamente a matrices de sistema $(A, B, C, D)$ de tal manera que el sistema resultante siempre cumple con el límite $\gamma$.

Las características clave de esta parametrización (Bloque 1 en el artículo) incluyen:

• Estructura Diagonal Compleja: La matriz de estado $A$ se parametriza como una matriz diagonal con autovalores complejos $\lambda_j = \exp(-\exp(\mu_j) + i \exp(\theta_j))$. Esta estructura es heredada de la arquitectura de la Unidad Recurrente Lineal (LRU).
• Control Explícito de la Ganancia: La matriz de paso directo (feed-through) $D$ y el escalamiento de $B$ y $C$ se derivan para imponer estrictamente el límite $\gamma$ mediante las condiciones del Lema de la Función Real Acotada.
• Generalización: Este método generaliza el trabajo previo (Massai y Ferrari-Trecate, 2025) al admitir dimensiones arbitrarias ($n_h, n_u, n_y$) en lugar de estar restringido a sistemas cuadrados.

C. La Arquitectura $L_2$RU

La arquitectura $L_2$RU apila múltiples Capas de Espacio de Estados (SSL). Cada capa consiste en:

1. Un sistema LTI parametrizado por la nueva parametrización libre.
2. Una no linealidad estática con Lipschitz acotado (por ejemplo, un MLP acotado).
3. Una conexión de salto (skip connection).

Toda la arquitectura es pre-procesada y post-procesada por codificadores y decodificadores lineales. Debido a que la ganancia $L_2$ de los componentes lineales está fijada por diseño, y las no linealidades son Lipschitz-acotadas, la ganancia $L_2$ global del controlador puede ser prescrita. Esto permite que los parámetros del controlador se ajusten mediante una optimización totalmente libre de restricciones (por ejemplo, descenso de gradiente) para minimizar funciones de costo arbitrarias, con la estabilidad garantizada a priori.

D. Eficiencia Computacional

Una ventaja crítica de la parametrización propuesta es su compatibilidad con algoritmos de escaneo paralelo (parallel scan). La estructura diagonal compleja de $A$ permite una simulación altamente eficiente en el dominio del tiempo con una complejidad computacional lineal respecto a la longitud de la secuencia. Esto contrasta con las RNN estándar o métodos implícitos (como las NODEs o las Redes de Equilibrio Recurrente) que a menudo requieren procesamiento secuencial o resolución de ecuaciones implícitas, lo que las hace menos escalables para horizontes largos.

3. Contribuciones Clave

1. Nueva Parametrización Libre: El artículo presenta una nueva parametrización libre de arquitecturas basadas en SSM ($L_2$RU) que impone una ganancia $L_2$ prescrita por diseño. Esto elimina la necesidad de proyecciones costosas, optimización con restricciones o verificación post-hoc.
2. Desacoplamiento de la Estabilidad y la Optimización: Al fijar la ganancia $L_2$ para satisfacer la condición de ganancia pequeña con la planta, el método desacopla las garantías de estabilidad del proceso de optimización. Esto permite el uso de optimizadores estándar sin restricciones para objetivos no lineales complejos.
3. Escalabilidad Computacional: La estructura propuesta permite el procesamiento paralelo de secuencias de entrada largas mediante escaneo paralelo, ofreciendo ganancias significativas de eficiencia sobre los métodos de control basados en redes neuronales que dependen de la recurrencia secuencial o de resolvedores implícitos.
4. Validación Experimental: El enfoque se valida en una tarea de control de formación para un enjambre de robots con ruedas, demostrando la capacidad de evitar colisiones y obstáculos manteniendo la estabilidad de bucle cerrado.

4. Resultados

Los autores realizaron estudios de simulación en un enjambre de $N$ robots con ruedas no lineales (discretizados de la plataforma Robotarium).

• Configuración: Se entrenó un controlador centralizado para guiar a los robots hacia posiciones objetivo mientras evitan obstáculos estáticos y colisiones mutuas. La ganancia $L_2$ de la planta se estimó en $\hat{\gamma} \approx 18.57$.
• Diseño del Controlador: Se entrenó un controlador $L_2$RU de 3 capas con una ganancia prescrita $\gamma = 1/(18.57 + 0.001)$, satisfaciendo la condición de ganancia pequeña.
• Desempeño: El controlador entrenado guió con éxito a los agentes hacia sus objetivos evitando colisiones. Los resultados (Figuras 2 y 3) muestran que restringir el límite $L_2$ del controlador no resultó en una pérdida significativa de expresividad o desempeño. Las distancias relativas entre los agentes se mantuvieron por encima del umbral de seguridad durante toda la simulación.

5. Significado y Reivindicaciones

El artículo afirma que este enfoque aborda el "desafío formidable" de diseñar políticas de control estabilizadoras para sistemas no lineales sin sacrificar la tractabilidad computacional.

• Estabilidad por Diseño: El principal significado es la capacidad de garantizar la estabilidad de bucle cerrado por diseño a través del teorema de la ganancia pequeña, eliminando la necesidad de restricciones restrictivas durante la fase de aprendizaje.
• Practicidad: Los autores destacan que la naturaleza de tiempo discreto y la paralelizabilidad de la $L_2$RU la hacen más adecuada para la implementación en el mundo real en comparación con los métodos de tiempo continuo (como Port-Hamiltonian o NODEs), que sufren de problemas de discretización o altos costos computacionales.
• Modestia en el Alcance: El artículo reconoce limitaciones, señalando que la garantía de ganancia pequeña depende de la capacidad de calcular o estimar el límite $L_2$ de la planta, lo cual puede ser difícil para sistemas no lineales generales. Además, se observa que la parametrización propuesta es una condición suficiente (pero no necesaria) para la acotación $L_2$, lo que significa que puede no cubrir todo el espacio de todos los sistemas con acotación $L_2$ posibles, aunque es suficiente para el diseño práctico de control.

Los autores concluyen que este marco de trabajo abre la puerta a la aplicación del aprendizaje profundo en problemas de control donde la estabilidad es una restricza dura, y que el trabajo futuro se centrará en el despliegue en el mundo real e integración con el aprendizaje por refuerzo basado en modelos.