Funnel Control Under Hard and Soft Output Constraints (extended version)

Each language version is independently generated for its own context, not a direct translation.

이 논문은 **"로봇을 안전하게 움직이게 하되, 목표도 잘 달성하게 하는 새로운 제어 방법"**에 대해 설명합니다.

기존의 로봇 제어 기술은 보통 "안전한 범위 (Hard Constraint)"와 "원하는 성능 (Soft Constraint)"이 서로 충돌할 때 어떻게 해야 할지 명확한 해결책을 주지 못했습니다. 예를 들어, 로봇이 안전을 위해 멈춰야 할 때, 동시에 빠르게 목표 지점을 따라가야 한다면 어떻게 해야 할까요?

이 논문은 이 문제를 해결하기 위해 **"지혜로운 길 안내자 (Funnel Control)"**를 개발했습니다.

🚗 비유: "안전한 터널과 빠른 주행"

이 논문의 핵심 아이디어를 일상적인 상황에 비유해 보겠습니다.

1. 두 가지 규칙: "안전선"과 "목표선"

로봇을 운전하는 상황을 상상해 보세요.

하드 제약 (안전선): 로봇이 절대 넘어가서는 안 되는 벽입니다. (예: 건물 벽, 사람, 장애물). 이 벽을 넘으면 로봇이 망가집니다.
소프트 제약 (목표선): 로봇이 따라가야 하는 원하는 경로입니다. (예: 이동하는 물체를 따라가는 것). 이 경로를 잘 따라가면 로봇이 잘 작동합니다.

문제 상황:
보통은 이 두 가지가 잘 맞습니다. 하지만 가끔은 목표가 안전선 밖으로 나가거나, 안전선 때문에 목표 경로를 따라갈 수 없는 상황이 발생합니다.

기존 방법: "목표를 무조건 따라가자!"라고 하면 안전선을 넘어서 위험해지거나, "안전선만 지키자!"라고 하면 목표에서 너무 멀어집니다.

2. 이 논문의 해결책: "유연한 터널 (Constraint Consistent Funnel)"

이 논문은 로봇을 위한 가상의 터널을 실시간으로 만들어 줍니다. 이 터널은 다음과 같은 특징이 있습니다.

절대 무너지지 않는 바닥과 천장 (안전): 터널의 가장 바깥쪽 경계는 절대 안전선 (벽) 을 넘지 않습니다. 로봇이 이 터널 안에만 있으면, 어떤 일이 있어도 안전합니다.
목표에 최대한 가까운 모양 (성능): 터널이 안전선과 충돌하지 않는 한, 가능한 한 목표 경로 (소프트 제약) 에 가깝게 모양을 유지합니다.
충돌 시의 지혜: 만약 목표 경로가 안전선과 정면으로 부딪히면, 터널은 목표 경로를 잠시 포기하고 안전선 쪽으로 구부러집니다. 하지만 안전이 확보되는 순간, 다시 원래의 목표 경로로 빠르게 돌아옵니다.

3. 어떻게 작동할까요? (스마트한 조정)

이 시스템은 **'변경 신호 (Modification Signal)'**라는 작은 도구를 사용합니다.

상황이 평화로울 때: 터널은 목표 경로를 따라 부드럽게 움직입니다.
위험이 다가올 때 (충돌 직전): 터널의 벽이 목표 경로를 밀어내고 안전선 쪽으로 살짝 밀어냅니다. (이때 터널이 조금 넓어지거나 모양이 변합니다.)
위험이 사라지면: 터널은 다시 원래의 목표 경로로 쫙 펴집니다.

이 과정은 로봇이 스스로 계산해서 실시간으로 이루어지므로, 복잡한 수학적 계산 없이도 로봇이 안전하면서도 효율적으로 움직일 수 있습니다.

🤖 실제 적용 예시: "이동하는 물체를 쫓는 로봇"

논문의 실험에서는 이동하는 물체 (예: 다른 로봇이나 사람) 를 따라가는 모바일 로봇을 시뮬레이션했습니다.

상황: 로봇은 안전을 위해 정해진 상자 (Box) 안에 있어야 합니다 (하드 제약). 동시에 그 상자 안에서 움직이는 물체를 따라가야 합니다 (소프트 제약).
문제: 움직이는 물체가 상자 밖으로 나가려고 하면, 로봇은 어떻게 해야 할까요?
이 논문의 결과:
- 로봇은 물체가 상자 밖으로 나가는 순간, 물체를 따라가는 것을 멈추고 상자 안으로 들어옵니다. (안전 우선)
- 물체가 다시 상자 안으로 들어오면, 로봇은 순간적으로 다시 물체를 따라잡습니다. (성능 회복)
- 로봇은 절대 상자의 벽을 넘지 않으면서, 가능한 한 목표에 가깝게 움직였습니다.

💡 왜 이 연구가 중요한가요?

안전과 성능의 균형: 기존에는 안전을 지키면 성능이 떨어지고, 성능을 추구하면 안전이 위협받았습니다. 이 방법은 **"안전은 절대 지키고, 가능하면 성능도 지키자"**는 현실적인 균형을 찾았습니다.
복잡한 계산 불필요: 많은 기존 방법들은 로봇의 정확한 물리 법칙 (무게, 마찰 등) 을 다 알아야 했지만, 이 방법은 모델이 없어도 (Model-free) 작동합니다. 즉, 로봇의 정확한 사양을 몰라도 이 "지능형 터널"만 만들면 됩니다.
실시간 대응: 환경이 변하거나 예상치 못한 장애물이 나타나도, 터널이 실시간으로 모양을 바꿔 로봇을 보호합니다.

📝 한 줄 요약

"로봇에게 '절대 넘어가면 안 되는 안전선'과 '바라는 목표선'이 충돌할 때, 안전을 최우선으로 하되 목표가 다시 가능해지면 즉시 따라가도록 하는, 유연하고 똑똑한 길 안내 시스템을 개발했다."

이 기술은 자율주행차, 공장 로봇, 드론 등 안전이 최우선인 모든 분야에서 로봇이 더 똑똑하고 안전하게 일할 수 있게 해줄 것입니다.

Each language version is independently generated for its own context, not a direct translation.

1. 연구 배경 및 문제 정의 (Problem Statement)

배경: 비선형 동적 시스템의 제어에서 출력 제약 조건 (Constraints) 은 안전성 (Safety) 과 성능 (Performance) 을 보장하기 위해 필수적입니다. 기존에는 모델 예측 제어 (MPC), 제어 장벽 함수 (CBF), 바리어 리아푸노프 함수 (BLF), 그리고 funnel 기반 제어 (Funnel Control, FC) 와 지정된 성능 제어 (Prescribed Performance Control, PPC) 등 다양한 방법이 제안되었습니다.
문제점:
- 기존 Funnel Control 및 PPC 방법은 주로 성능 제약 (예: 오차의 수렴 범위) 에 초점을 맞추었으며, 안전 제약 (Hard Constraints) 이 성능 제약과 항상 일치한다고 가정하는 경우가 많았습니다.
- 그러나 실제 응용에서는 안전 제약 (예: 물리적 충돌 방지 영역) 과 성능 제약 (예: 원하는 궤적 추종) 이 상충 (Conflict) 할 수 있습니다.
- 기존 CBF 기반 방법들은 안전을 '하드 제약'으로, 추종을 '소프트 제약'으로 처리하지만, 시스템 동역학에 대한 정확한 지식을 요구하거나 최적화 문제 (QP) 를 풀어야 하는 계산적 부담이 있습니다.
목표: 불확실성이 있는 비선형 오일러 - 라그랑주 (Euler-Lagrangian, EL) 시스템에 대해, 시간에 따라 변하는 하드 (안전) 제약과 소프트 (성능) 제약을 동시에 처리할 수 있는 새로운 Funnel 제어 기법을 개발하는 것입니다. 여기서 하드 제약은 항상 준수되어야 하고, 소프트 제약은 하드 제약과 충돌하지 않을 때만 준수되어야 합니다.

2. 제안된 방법론 (Methodology)

제안된 방법은 크게 두 단계로 구성됩니다: 온라인 제약 일관성 깔때기 (Constraint Consistent Funnel, CCF) 계획과 강인한 모델 프리 제어기 설계.

가. 온라인 제약 일관성 깔때기 (CCF) 계획 (Online Funnel Planning)

시스템의 각 출력 $x_i(t)$ 에 대해 하드 제약 ( $\rho^h, \bar{\rho}^h$ ) 과 소프트 제약 ( $\rho^s, \bar{\rho}^s$ ) 이 상충할 때, 안전을 우선시하면서도 가능한 한 성능을 회복하는 연속적인 깔때기 경계를 생성합니다.

수정 신호 (Modification Signals) 도입:
- 하드와 소프트 제약이 상충할 때 (예: 소프트 상한이 하드 하한보다 작아지는 경우), 소프트 제약을 일시적으로 위반하여 하드 제약을 준수하도록 조정하는 비음수 신호 $\phi^L_i(t), \phi^U_i(t)$ 를 설계합니다.
- 이 신호들은 다음 동역학에 의해 제어됩니다:
  $\dot{\phi} = \frac{1}{2}(1 - \text{sign}(\eta - \mu)) \frac{1}{\eta + \phi} - k_c \phi$
  여기서 $\eta$ 는 하드와 소프트 제약 간의 간격, $\mu$ 는 임계값, $k_c$ 는 수렴 속도를 결정하는 이득입니다.
CCF 경계 함수 정의:
- 하한 경계: $\rho^L_i(t) = \max_t \{ \rho^s_i(t) - \phi^L_i(t), \rho^h_i(t) \}$
- 상한 경계: $\rho^U_i(t) = \min_t \{ \bar{\rho}^s_i(t) + \phi^U_i(t), \bar{\rho}^h_i(t) \}$
- 동작 원리: 제약이 상충하면 $\phi$ 가 증가하여 소프트 제약 경계를 하드 제약 내부로 이동시킵니다. 상충이 해결되면 $\phi$ 는 0 으로 지수적으로 수렴하여 소프트 제약이 원래대로 회복됩니다.
부드러움 (Smoothness) 개선:
- $\max, \min$ 연산자와 $\text{sign}$ 함수로 인한 비연속성을 해결하기 위해, $\tanh$ 함수와 로그 근사 기법을 사용하여 매끄러운 (smooth) CCF 경계를 생성할 수 있음을 제안합니다.

나. Funnel 기반 제어기 설계 (Funnel-Based Controller Design)

설계된 CCF 내부에서 시스템 출력을 유지하기 위해 지정된 성능 제어 (PPC) 기법을 적용합니다.

변환 (Transformation):
- 출력 $x_i$ 와 속도 오차 $e_v$ 를 각각 비대칭 CCF 와 대칭 속도 오차 깔때기 내에서 정규화하여 $(-1, 1)$ 범위의 신호로 변환합니다.
- 로그 변환 함수 $T(\cdot) = \ln(\frac{1+\hat{x}}{1-\hat{x}})$ 를 사용하여 제약된 공간을 무제약 공간으로 매핑합니다.
제어 법칙:
- 속도 레벨: 원하는 기준 속도 $v_d$ 를 정규화된 오차에 비례하도록 설계 ( $v_d = -k_x \xi_x \epsilon_x$ ).
- 가속도 레벨 (입력 $u$ ): 실제 속도와 기준 속도의 오차를 보상하기 위해 $u = -k_v \xi_v \epsilon_v$ 형태의 제어 입력을 적용합니다.
- 이 제어기는 시스템의 동역학 ( $M, C, g, D$ ) 에 대한 정확한 지식을 필요로 하지 않는 모델 프리 (Model-free) 구조입니다.

3. 주요 기여 (Key Contributions)

하드 및 소프트 제약의 통합 처리: Funnel 제어 프레임워크 내에서 하드 (안전) 와 소프트 (성능) 제약을 동시에 다루는 최초의 연구 중 하나입니다. 하드 제약은 절대 위반되지 않으며, 소프트 제약은 충돌 시 우선순위가 낮아지지만 충돌 해결 후 지수적으로 회복됩니다.
모델 프리 및 계산 효율성: 기존 CBF 기반 방법들이 시스템 동역학의 정확한 모델을 요구하거나 실시간 최적화 (QP) 를 필요로 하는 반면, 제안된 방법은 모델 프리이며 최적화 없이 (Optimization-free) 계산적으로 효율적인 제어 법칙을 제공합니다.
온라인 CCF 계획 알고리즘: 제약 조건이 시간에 따라 변하고 상충할 수 있는 상황에서도 항상 실행 가능 (Feasible) 하고 연속적인 깔때기 경계를 생성하는 새로운 계획 알고리즘을 제시했습니다.
강인성: 외부 섭동과 시스템 불확실성이 존재하는 오일러 - 라그랑주 시스템에 대해 모든 폐루프 신호의 유계성 (Boundedness) 을 수학적으로 증명했습니다.

4. 시뮬레이션 결과 (Simulation Results)

시나리오: 2 차원 평면에서 이동하는 로봇이 박스 형태의 안전 영역 (하드 제약) 내에 머무르면서, 움직이는 물체 (소프트 제약/성능 목표) 를 추종하는 상황.
결과:
- 로봇은 안전 영역 (하드 제약) 을 절대 위반하지 않았습니다.
- 안전 영역과 추종 목표가 겹치는 구간에서는 목표 궤적을 잘 추종했습니다.
- 안전 영역과 목표가 충돌하는 구간에서는 로봇이 안전을 우선시하여 목표 궤적에서 일시적으로 벗어났으나, 충돌이 해소되자마자 목표 궤적으로 빠르게 회복되었습니다.
- 수정 신호 ( $\phi$ ) 가 제약 충돌 시 활성화되어 CCF 경계를 조정하고, 충돌 해제 시 0 으로 수렴하는 것을 확인했습니다.
- $k_c$ 이득 조절을 통해 소프트 제약 회복 속도와 보수성 (Conservatism) 사이의 균형을 조절할 수 있음을 보였습니다.

5. 의의 및 결론 (Significance and Conclusion)

이 논문은 실제 로봇 공학 및 제어 시스템에서 필수적인 **안전 (Safety)**과 성능 (Performance) 간의 상충 관계를 해결하는 새로운 패러다임을 제시합니다. 특히, 복잡한 최적화 문제 없이도 강인하고 계산 효율적인 모델 프리 제어기를 통해 시간 가변적인 하드/소프트 제약을 처리할 수 있음을 입증했습니다. 이는 자율 주행 차량, 로봇 매니퓰레이터 등 안전이 최우선인 불확실한 비선형 시스템의 제어 설계에 중요한 기여를 합니다. 향후 연구에서는 제약 조건을 시간과 출력에 의존하도록 일반화하고, 소프트 제약 회복을 지수적이지 않고 정확히 (Exact) 수행하는 방향으로 확장할 계획입니다.