Resumen Técnico: Optimización de Trayectorias Robusta y Consciente de la Saturación para Vehículos de Lanzamiento Reutilizables mediante Física Diferenciable

1. Planteamiento del Problema

El aterrizaje vertical propulsado (VPL) de vehículos de lanzamiento reutilizables (RLV), particularmente la maniobra de giro de alto ángulo de ataque (por ejemplo, la arquitectura de Starship), presenta un desafío crítico para la guía, navegación y control (GNC) robustos. Esta fase involucra un acoplamiento aerodinámico altamente no lineal, cargas estructurales elevadas y variaciones rápidas de la presión dinámica. La dificultad principal radica en garantizar la precisión del aterrizaje y la supervivencia del vehículo bajo incertidumbres severas de múltiples fuentes (aerodinámica inestable, cizalladura del viento, incertidumbres de masa) mientras se respetan los límites físicos estrictos de los actuadores (límites de la escala de la guía de control de vector de empuje y límites de aceleración del motor).

Los métodos existentes de optimización de trayectorias robustas, como la Convexificación Sucesiva (SCvx) combinada con el Control de Covarianza (CS), enfrentan dos limitaciones fundamentales en este contexto:

1. Suposiciones de Linealización Local: Dependen de la propagación de la covarianza Gaussiana derivada de la linealización local, lo que falla al capturar con precisión las distribuciones de estado no gaussianas y sesgadas inducidas por transitorios aerodinámicos severos.
2. Ceguera ante la Saturación: Típicamente sintetizan leyes de retroalimentación (por ejemplo, LQR basado en Riccati) bajo la suposición de autoridad de control infinita. Cuando las perturbaciones impulsan los comandos de control requeridos más allá de los límites físicos de los actuadores, la truncación de hardware resultante invalida las garantías teóricas de robustez, lo que a menudo conduce a la saturación de los actuadores, pérdida de autoridad de control y degradación de la precisión del aterrizaje.

2. Metodología

El artículo propone un marco de Control de Tubo de Partículas Diferenciable (DPTC), que integra la física diferenciable con la optimización basada en conjuntos para abordar estas limitaciones. La metodología se basa en un Motor de Física Diferenciable nativo que acopla la cinemática de cuerpo rígido de 6 grados de libertad (6-DoF) con un sustituto aerodinámico neuronal de aprendizaje profundo.

Componentes Principales:

• Motor de Física Diferenciable: El sistema modela la dinámica de vuelo de 6-DoF utilizando un integrador Runge-Kutta de 4º orden donde todas las operaciones (incluyendo la normalización de cuaterniones y las pasadas hacia adelante de la red neuronal) se formulan como operaciones tensoriales diferenciables. Esto permite la propagación exacta de gradientes a través de todo el grafo dinámico no lineal.
• Modelado de Distribución Estocástica: A diferencia de los métodos tradicionales que optimizan una única trayectoria nominal, el DPTC trata la guía robusta como un problema de transporte de probabilidad estocástica restringido. Representa la distribución de estado incierto utilizando un conjunto de partículas Lagrangianas ($N_p$ partículas). Cada partícula evoluciona independientemente bajo realizaciones de perturbación únicas, pero comparte una política de control unificada.
• Síntesis de Retroalimentación Consciente de la Saturación: La política de control se parametriza como una ley de retroalimentación afín variante en el tiempo ($u = u_{ref} - K(x - x_{ref})$). Crucialmente, los operadores de proyección de actuadores duros ($\Pi_U$) se integran directamente en el grafo de computación hacia adelante. Esto obliga al optimizador a sintetizar la trayectoria de alimentación directa ($u_{ref}$) y las ganancias de retroalimentación ($K$) simultáneamente, mientras "experimenta" las mismas saturaciones de actuadores que ocurren en el vehículo real.
• Optimización de Riesgo de Cola: Para manejar la seguridad sin la fragilidad de las restricciones de probabilidad (chance-constraints) estrictas, se introduce un objetivo de riesgo de cola diferenciable. Utilizando un sustituto suave (por ejemplo, $ReLU^2$), el marco penaliza las partículas que violan las restricciones de seguridad, manteniendo al mismo tiempo un paisaje de gradiente continuo para la retropropagación a través del tiempo (BPTT).

Línea de Base de Comparación:

El método propuesto se compara con una línea de base de Convexificación Sucesiva basada en Diferenciación Automática (CS-AD-SCvx). Esta línea de base utiliza la linealización local para extraer Jacobianos, propaga la covarianza Gaussiana mediante ecuaciones de Riccati y ajusta las restricciones mediante márgenes de restricción de probabilidad, pero carece de conciencia nativa de la saturación durante la síntesis de retroalimentación.

3. Contribuciones Clave

El artículo describe tres contribuciones principales:

1. Transición de la Optimización de Trayectorias al Modelado de Distribución: El marco va más allá de las aproximaciones clásicas de linealización Gaussiana para operar directamente sobre la dinámica no lineal exacta. Al aprovechar un motor de 6-DoF nativamente diferenciable, moldea el manifold de probabilidad estocástica, capturando intrínsecamente las dispersiones de eventos raros y las respuestas aerodinámicas no gaussianas.
2. Síntesis de Retroalimentación Nativa Consciente de la Saturación: A diferencia de los métodos de control de covarianza que añaden la retroalimentación post-hoc, el DPTC integra los límites físicos duros de los actuadores directamente en el grafo de optimización. El optimizador sintetiza la política de control respetando las mismas restricciones de saturación que gobiernan el vehículo físico, evitando la generación de comandos de control inviables.
3. Regulación de Riesgo de Cola mediante Penalización Suave: La introducción de un objetivo de riesgo de cola diferenciable permite una propagación de gradiente suave a través del tiempo. Esto permite al optimizador penalizar agresivamente las partículas que violan las restricciones (riesgo de cola) sin la inestabilidad numérica asociada con las restricciones de probabilidad estrictas, logrando una ley de guía de bucle cerrado altamente sobrevivible.

4. Resultados

El marco fue evaluado mediante simulaciones de Monte Carlo de 6-DoF (5,000 ejecuciones) bajo perturbaciones aerodinámicas inestables del 5%.

• Desempeño Nominal: En condiciones deterministas (perturbación cero), tanto el DPTC como el CS-AD-SCvx lograron trayectorias óptimas de combustible casi idénticas, con diferencias de masa final del vehículo de menos del 0.25%. Esto validó la fidelidad del motor de física diferenciable.
• Robustez bajo Incertidumbre:
  • CS-AD-SCvx: Bajo perturbaciones, la línea de base exhibió una degradación significativa del desempeño. Su formulación de retroalimentación no restringida llevó a la saturación de los actuadores (violando los límites de aceleración profunda y de la guía). Esto causó un desajuste entre la evolución de la covarianza lineal asumida y la dinámica ejecutada físicamente, resultando en una dispersión de aterrizaje asimétrica y un Error Circular Probable (CEP50) de 15.38 m.
  • DPTC: El marco propuesto realizó proactivamente un intercambio de desempeño consciente de las restricciones. Al relajar los requisitos de seguimiento espacial durante las fases de alta presión dinámica, preservó la autoridad de control crítica para el descenso terminal. Esto resultó en un envolvimiento simétrico de la trayectoria nominal y un CEP50 de 1.97 m, lo que representa una reducción del 87% en el error de aterrizaje en comparación con la línea de base.
• Eficiencia Computacional: Aunque el DPTC requiere un cálculo offline significativo (ejecución paralela acelerada por GPU de conjuntos de partículas), la política resultante es una secuencia tensorial variante en el tiempo. El despliegue online se reduce a una búsqueda de $O(1)$ y multiplicación de matrices, lo que lo hace apto para la ejecución en tiempo real. El marco demostró un escalado de $O(1)$ con respecto al tamaño del lote en GPUs debido a la vectorización.

5. Significado y Reivindicaciones

El artículo sostiene que integrar la física diferenciable con la optimización basada en conjuntos proporciona un marco efectivo y práctico para la guía robusta en sistemas de vuelo aeroespacial altamente restringidos.

• Cambio de Paradigma: El trabajo demuestra una transición de la trayectoria de seguimiento determinista al modelado de distribución informada por la física. Argumenta que, bajo incertidumbres severas y límites estrictos de actuadores, la estrategia óptima no es seguir rígidamente un camino, sino moldear activamente la distribución de estado estocástico a través de la dinámica no lineal.
• Robustez Práctica: Al embeber las restricciones físicas directamente en el proceso de aprendizaje, el marco evita la "ceguera de saturación" inherente a los métodos clásicos de control robusto. Esto asegura que la ley de guía permanezca válida y sobrevivible incluso cuando el vehículo opera en los límites de su envolvente física.
• Escalabilidad: El enfoque ofrece una arquitectura escalable para problemas aeroespaciales no lineales de alta dimensión, utilizando gradientes analíticos exactos derivados del motor de física en lugar de depender de aproximaciones lineales idealizadas o métodos de diferencia finita.

Los autores concluyen que este marco mejora significativamente la robustez de la misión y el cumplimiento de las restricciones físicas, ofreciendo una alternativa viable para los sistemas avanzados de GNC en los vehículos de lanzamiento reutilizables de próxima generación.