Sintesi Tecnica: Certificazione della Stabilità Input-to-State tramite Residui di Proiezione per il Controllo Koopman Appreso

1. Enunciato del Problema

Il paper affronta la certificazione della stabilità per il controllo Koopman appreso basato sui dati per sistemi ripetitivi non lineari discreti sconosciuti operanti su orizzonti di prova finiti. A differenza del classico Controllo Iterativo (ILC), che spesso cerca la convergenza dell'errore a zero o una convergenza monotona nominale, questo lavoro si concentra sulla stabilità pratica Input-to-State (ISS) lungo l'asse di apprendimento-prova ($k$).

La sfida principale identificata è che, in contesti basati sui dati, un piccolo residuo di predizione (fit del modello) non garantisce la stabilità. La stabilità dipende da:

1. Informatività del Canale: Il canale input-output a orizzonte finito selezionato deve avere un margine positivo (invertibilità) per generare la correzione dell'output richiesta.
2. Raggiungibilità: L'incremento dell'output richiesto deve trovarsi all'interno dell'insieme raggiungibile vincolato del canale appreso. Se non lo è, si genera un residuo di proiezione, che agisce come una perturbazione persistente.
3. Perturbazioni Persistenti: Fattori quali il mismatch del reset, disturbi non ripetitivi, errori di identificazione del canale, spostamenti di deployment e tolleranze numeriche non scompaiono tra le prove.

L'obiettivo è costruire un certificato deterministico che limiti l'errore di apprendimento da uno stato iniziale a una banda ultima esplicita, trattando i residui Koopman, i residui di proiezione e le incertezze come input ISS.

2. Metodologia

Formulazione del Sistema

Il sistema è modellato come un compito ripetitivo non lineare in cui lo stato $x_k(t)$, l'input $u_k(t)$ e l'output $y_k(t)$ evolvono su un orizzonte intra-prova $t \in \{0, \dots, N-1\}$ e un indice di prova $k$. Il controllore utilizza un'approssimazione del operatore Koopman congelata (tramite l'EDMDc - Extended Dynamic Mode Decomposition con Controllo) per aggiornare gli input prova per prova.

La dinamica di apprendimento è formulata come un sistema a tempo discreto sull'asse delle prove:
$$\bar{E}_k = \Lambda \bar{E}_{k-1} + r_k$$
dove $\bar{E}_k$ è l'errore di inseguimento impilato selezionato, $\Lambda$ è una matrice di apprendimento con $\|\Lambda\|_\infty < 1$, e $r_k$ aggrega tutte le fonti di perturbazione.

Componenti Chiave del Certificato

Gli autori decompongono il termine di perturbazione $r_k$ (l'input ISS) in componenti specifiche e verificabili:

1. Residui Koopman ($\omega_k$): Mismatch del modello e disturbi non ripetitivi.
2. Residui di Proiezione ($p_k$): La distanza tra l'incremento dell'output richiesto e l'insieme raggiungibile vincolato del canale appreso. Si tratta di un limite strutturale, non solo di un errore numerico.
3. Incertezza del Canale ($\Delta G_k \Delta U_k$): Errori nella matrice del canale a orizzonte finito appresa.
4. Perturbazioni di Reset/Osservabilità ($\Delta O_k \Delta z_{k,0}$): Mismatch nelle condizioni iniziali e nell'osservabilità.
5. Spostamenti di Deployment e Tolleranze Numeriche: Differenze tra le distribuzioni di calibrazione e di deployment, e gli errori del solver.

Protocollo di Certificazione

Il paper propone un procedimento di certificazione capace di reiezione (Algoritmo 1) che valida un controllore candidato prima del deployment:

1. Model Fitting: Apprendimento delle matrici Koopman dai dati di identificazione.
2. Verifica del Margine: Controllo se il canale selezionato possiede un margine di valore singolare minimo positivo ($\sigma_{\min} - \epsilon > 0$). In caso contrario, il candidato viene rifiutato (non certificabilità per canale debole).
3. Audit di Proiezione: Calcolo del budget di proiezione nel caso peggiore sul set di richiesta certificato.
4. Controllo di Invarianza: Verifica che la condizione di contrazione $\lambda R + P(R, \bar{Z}_0) + \bar{\xi} \leq R$ sia soddisfatta, garantendo che l'errore rimanga entro una sfera certificata.
5. Calibrazione a Campione Finito: Utilizzo della predizione split-conformal su un dataset di calibrazione per limitare il punteggio del residuo dell'episodio completo con un livello di rischio specificato.

Risultati Teorici

• Teorema 1 (ISS Pratica Deterministica): Stabilisce che se il margine del canale è positivo e le perturbazioni sono limitate, l'errore di apprendimento converge geometricamente verso una banda ultima $\Delta_{ISS} = \bar{w} / (1-\lambda)$, dove $\bar{w}$ è il budget aggregato delle perturbazioni.
• Teorema 2 (Budget ISS a Campione Finito): Fornisce un limite probabilistico su $\bar{w}$ combinando il punteggio del residuo conforme con i limiti deterministici su incertezza del canale, residui di proiezione e spostamenti di deployment.

3. Contributi Chiave

1. Formulazione ISS Pratica: Il paper formula la stabilità del controllo Koopman appreso come un problema di ISS pratica lungo l'asse delle prove, separando esplicitamente il fit del modello dalla certificabilità dell'apprendimento.
2. Residui di Proiezione come Oggetti di Stabilità: Identifica i residui di proiezione e i margini del canale selezionato come oggetti di certificazione necessari. Dimostra che un predittore con piccoli residui può comunque fallire la certificazione di stabilità se il canale è debole o la richiesta è irraggiungibile.
3. Budget di Certificazione Computabile: Gli autori forniscono un metodo per costruire una banda ultima esplicita combinando:
   • Calibrazione del residuo dell'episodio completo (tramite metodi split-conformal).
   • Margini del canale e del reset a orizzonte finito.
   • Residui di proiezione.
   • Margini di implementazione (spostamento, numerici).
4. Framework di Audit: Viene sviluppato un framework di audit numerico per verificare ciascuna componente della teoria (scala residuo-banda, reiezione di canali deboli, chiusura della proiezione e copertura della banda ultima) piuttosto che limitarsi al confronto delle prestazioni di inseguimento.

4. Risultati Numerici e Validazione

Il paper valida la teoria su quattro sistemi ripetitivi non lineari: un oscillatore di Duffing (audit di controllo e di budget), un oscillatore con smorzamento cubico e un servomotore non lineare.

• Scaling Residuo-Banda: Gli esperimenti confermano che l'aumento di disturbo, rumore o mismatch del modello aumenta linearmente la banda ultima certificata, in linea con il guadagno ISS $\gamma(s) = s/(1-\lambda)$.
• Reiezione di Canali Deboli: Casi con canali selezionati "deboli" (bassi valori singolari) vengono correttamente rifiutati dal certificato, anche se i loro residui di predizione sono piccoli. Ciò evidenzia che l'accuratezza della predizione da sola è insufficiente.
• Chiusura della Proiezione: L'audit verifica che le correzioni dell'output richieste rimangano all'interno dell'insieme raggiungibile vincolato per i candidati certificati.
• Copertura della Banda Ultima: Nei tentativi riusciti, gli errori di inseguimento osservati entrano e rimangono all'interno della banda ultima teoricamente prevista dopo un indice di ingresso finito certificato.
• Studi di Ablazione: Il paper dimostra che i controllori "nominali" (budget di residuo nullo) falliscono la certificazione, mentre gli stessi controllori diventano certificabili quando viene incluso il budget di residuo calibrato. Al contrario, gonfiare il budget in modo conservativo espande la banda ultima, mantenendo la copertura.

5. Significato e Rivendicazioni

Il paper sostiene di fornire un certificato di stabilità pratico e basato sui dati per il controllo Koopman appreso che è distinto dall'analisi di convergenza tradizionale.

• Separazione delle Responsabilità: Separa rigorosamente il fit del modello (residui di predizione) dalla certificabilità del controllo (margini del canale e raggiungibilità). Un buon predittore non è automaticamente un controllore stabilizzante.
• Limiti Espliciti: A differenza dei risultati asintotici, questo metodo fornisce un limite ultimo esplicito e computabile sull'errore di inseguimento prima del deployment, tenendo conto di dati finiti, vincoli e disturbi persistenti.
• Robustezza alle Non-Idealità: Il framework tiene esplicitamente conto del mismatch del reset, degli spostamenti di deployment e delle tolleranze numeriche, trattandoli come input ISS anziché assumere che scompaiano.
• Ambito Modesto: Gli autori sottolineano che il risultato è un certificato dipendente dal protocollo del compito e dall'orizzonte finito. Non pretendono di fornire una stabilità universale per arbitrari controllori appresi, ma forniscono un percorso di audit rigoroso per specifiche configurazioni di controllo congelate sotto protocolli definiti.

Il lavoro conclude che il controllo Koopman appreso può essere certificato come stabile solo quando i residui del modello, i residui di proiezione e i margini del canale sono riportati come quantità di stabilità distinte e verificabili.