Robust Control Lyapunov-Value Functions for Nonlinear Disturbed Systems

본 논문은 외란이 있는 비선형 시스템을 위해 제어 리아푸노프 가치 함수 (CLVF) 를 확장한 강인한 CLVF(R-CLVF) 를 제안하고, 이를 통해 최소 강인 제어 불변 집합 (SRCIS) 을 식별하며 지수 안정화 영역 (ROES) 내에서의 시스템 안정화를 보장하는 동시에 차원의 저주 문제를 해결하기 위한 워마스트 및 시스템 분해 기법을 제시합니다.

핵심

1. 문제 상황: 미친 바람이 부는 길

상상해 보세요. 여러분이 자율주행 드론을 타고 목적지 (예: 충전소) 로 가려고 합니다.

• 목표: 드론을 목적지에 안전하게 멈추게 하는 것.
• 장애물: 갑자기 불어오는 **강한 바람 (외란)**과 드론의 엔진 출력 한계 (입력 제약).

기존의 방법들은 "바람이 전혀 없는 이상적인 세상"을 가정하거나, "목적지에 닿기만 하면 된다"는 식이었습니다. 하지만 현실은 다릅니다. 바람이 너무 세면 목적지에 닿을 수 없거나, 닿아도 다시 날아가 버릴 수 있습니다.

2. 이 논문이 제안한 해결책: "최소 안전 구역"과 "스마트 나침반"

이 논문은 두 가지 핵심 아이디어를 제시합니다.

① '최소 강인 제어 불변 집합 (SRCIS)' = 피할 수 없는 안전 지대

바람이 아무리 세게 불어도, 드론이 최소한으로 멈출 수 있는 가장 작은 원형 구역을 찾습니다.

• 비유: 폭풍우가 몰아치는 바다에서 배가 멈출 수 있는 유일한 '작은 항구'를 찾는 것과 같습니다.
• 이 논문의 나침반은 드론을 '완벽한 0 점 (정지)'으로 보내는 게 아니라, 이 작은 안전 항구로 데려가는 것을 목표로 합니다. 만약 바람이 너무 세서 0 점에 멈출 수 없다면, 이 안전 항구 안에서 최대한 안정적으로 머무는 것이 최선이기 때문입니다.

② 'R-CLVF' = 폭풍우를 예측하는 스마트 나침반

기존의 나침반 (제어 리아푸노프 함수) 은 "여기서 저기로 가라"고만 했습니다. 하지만 이 새로운 나침반 (R-CLVF) 은 다음과 같은 능력을 가집니다.

• 가속도 조절: "바람이 불면 더 빨리, 바람이 멈추면 천천히"라는 식으로 **지정된 속도 (지수적 수렴률)**로 목적지로 가도록 유도합니다.
• 위험 감지: "여기서는 아무리 노력해도 안전 항구에 도달할 수 없어"라고 알려주는 **안전 영역 (ROES)**을 그려줍니다.

3. 왜 이 방법이 특별한가요? (창의적인 비유)

비유 1: 할인 쿠폰 vs. 증폭기

기존 연구들은 미래의 가치를 계산할 때 '할인율 (Discount Factor)'을 썼습니다. 마치 "내일 받을 100 원은 오늘 90 원 가치"라고 생각하는 것처럼요.
하지만 이 논문은 **'증폭기 (Exponential Amplifier)'**를 사용합니다.

• 비유: "지금 100 원의 가치가 미래에 100 원이 아니라, 시간이 지날수록 그 가치가 더 중요하게 작용하도록 설계"한 것입니다.
• 효과: "바람이 불어도 이만큼은 반드시 이 속도로 안정화되어야 한다"는 물리적인 직관을 더 명확하게 줍니다.

비유 2: 거대한 퍼즐을 잘게 나누기 (계산의 효율성)

이 나침반을 계산하려면 매우 복잡한 수학 (고차원 동역학) 을 풀어야 하는데, 컴퓨터가 감당하기엔 너무 무겁습니다. (차원의 저주)

• 해결책: 거대한 퍼즐을 **작은 조각 (서브시스템)**으로 나누어 각각 계산한 뒤 다시 합칩니다.
• 비유: 10 차원의 복잡한 드론을 '앞뒤', '좌우', '상하'로 나누어 각각의 작은 나침반을 만든 뒤,把它们 합쳐서 전체 지도를 완성하는 방식입니다.
• 워밍업 (Warm-starting): 처음부터 0 부터 계산하지 않고, 이미 계산된 '안전 구역' 정보를 바탕으로 시작해서 계산 속도를 90% 이상 빠르게 합니다.

4. 실제 적용 예시 (논문 속 사례)

1. 2D 시스템: 바람이 불어오는 2 차원 공간에서 드론이 어떻게 '작은 사각형 안전 구역'으로 모이는지 보여줍니다.
2. 3D Dubins Car: equilibrium point (평형점) 가 아예 없는 시스템 (예: 일정한 속도로 달리는 자동차) 에서도 이 방법이 작동함을 증명합니다.
3. 10 차원 쿼드콥터: 매우 복잡한 10 차원 드론을 3 개의 작은 부분 (X, Y, Z 축) 으로 쪼개서 계산함으로써, 기존에는 불가능했던 고차원 시스템을 성공적으로 제어했습니다.

5. 결론: 이 논문이 세상에 주는 메시지

이 논문은 **"완벽한 통제 불가능한 세상 (바람, 장애물) 에서도, 로봇이 최소한의 안전 구역으로 안정적으로, 그리고 사용자가 원하는 속도로 도달할 수 있는 수학적 도구"**를 제공했습니다.

• 안전 (Safety): 위험한 상태에 빠지지 않도록 막아줍니다.
• 생명 (Liveness): 멈추지 않고 계속 움직일 수 있도록 합니다.
• 실용성: 복잡한 계산도 '조각내기'와 '워밍업' 기술로 빠르게 해결합니다.

결국 이 기술은 자율주행차, 드론, 로봇이 실제 거친 세상에서도 우리가 기대하는 대로 안전하고 똑똑하게 움직일 수 있는 토대를 마련해 줍니다.

기술 요약

1. 문제 정의 (Problem Statement)

• 배경: 자율 시스템의 안전성 (Safety) 과 활동성 (Liveness) 을 보장하기 위해 제어 장벽 함수 (CBF) 와 제어 리아푸노프 함수 (CLF) 가 널리 사용되지만, 일반적인 비선형 시스템에서 이를 수동으로 설계하거나 고차원 시스템에 적용하는 것은 매우 어렵습니다.
• 한계점: 기존의 해밀턴 - 야코비 (HJ) 도달성 분석은 안전성이나 목표 도달 시간을 분석하는 데 유용하지만, 시스템이 목표에 도달한 후 강인하게 안정화 (Stabilization) 되는지, 그리고 지수 수렴 속도 (Exponential Rate) 를 보장하는지에 대해서는 다루지 않습니다. 또한, 기존 CLF 기반 방법들은 주로 평형점 (Equilibrium Point) 으로의 수렴을 가정하며, 교란 (Disturbance) 이 존재하는 경우 적용이 제한적입니다.
• 핵심 문제: 입력과 교란이 제한된 (bounded) 비선형 시스템에서, 임의의 관심 지점 (Point of Interest, POI) 으로 시스템을 강인하게 안정화시키고, 그 지수 수렴 영역 (Region of Exponential Stabilizability, ROES) 을 정확히 계산하는 방법론이 필요합니다. 또한, 고차원 시스템에서의 계산 비용 ("차원의 저주") 을 해결해야 합니다.

2. 방법론 (Methodology)

이 논문은 해밀턴 - 야코비 - 이삭스 (HJI) 도달성 분석을 기반으로 한 새로운 함수인 강인 제어 리아푸노프 - 값 함수 (Robust Control Lyapunov-Value Function, R-CLVF) 를 제안합니다.

• R-CLVF 정의:

  • 기존 HJ 도달성 분석의 손실 함수 (loss function) 를 수정하여, 시스템 궤적이 관심 지점 (POI) 에서 얼마나 멀리 벗어날 수 있는지를 측정합니다.
  • 지수 증폭기 (Exponential Amplifier, $\gamma$): 기존 문헌에서 흔히 쓰이는 할인 인자 (discount factor) 대신, 사용자가 지정하는 지수 수렴 속도 $\gamma$ 를 비용 함수에 곱하는 증폭기로 사용합니다. 이는 물리적 직관을 제공하며, 원하는 수렴 속도를 명시적으로 제어할 수 있게 합니다.
  • 최소 강인 제어 불변 집합 (SRCIS): R-CLVF 의 영하 레벨 세트 (zero sub-level set) 는 시스템이 도달할 수 있는 가장 작은 강인 제어 불변 집합 (Smallest Robustly Control Invariant Set, SRCIS) 과 일치함을 증명합니다.

• 수학적 기반:

  • R-CLVF 는 동적 프로그래밍 원리 (DPP) 를 만족하며, 특정 변분 부등식 (Variational Inequality, VI) 의 점근 해 (viscosity solution) 임을 증명합니다.
  • R-CLVF 의 존재 여부는 시스템이 SRCIS 로부터 지수적으로 안정화 가능한지 (Exponential Stabilizability) 와 동치임을 보입니다.

• 계산 가속화 기법 (Curse of Dimensionality 극복):

  • Warm-starting (예시 초기화): 먼저 SRCIS 와 해당 값 함수를 계산한 후, 이를 두 번째 단계 (R-CLVF 계산) 의 초기값으로 사용하여 수렴 속도를 획기적으로 높입니다.
  • 시스템 분해 (System Decomposition): 시스템이 서로 공유하는 상태나 입력이 없는 하위 시스템으로 분해 가능할 경우, 각 하위 시스템의 R-CLVF 를 독립적으로 계산한 후 최대값을 취하여 전체 시스템의 R-CLVF 를 구성합니다. 이 방법은 특정 조건 하에서 정확한 해를 보장합니다.

• 제어기 합성:

  • R-CLVF 를 기반으로 가능성 보장 Quadratic Program (QP) 제어기를 설계합니다. 이 제어기는 참조 제어기에 가깝게 유지하면서 R-CLVF 의 감소 조건을 만족하도록 최적화됩니다.

3. 주요 기여 (Key Contributions)

1. SRCIS 및 R-CLVF 정의: 임의의 관심 지점 (POI) 에 대한 최소 강인 제어 불변 집합 (SRCIS) 을 정의하고, 이를 기반으로 강인 제어 리아푸노프 - 값 함수 (R-CLVF) 를 제안했습니다. 이는 기존 평형점 중심의 접근을 넘어선 확장입니다.
2. 이론적 증명:
   • R-CLVF 가 Lipschitz 연속이며, DPP 를 만족하고, 해당 VI 의 점근 해임을 증명했습니다.
   • R-CLVF 의 존재가 시스템의 지수적 안정화 가능성과 동치임을 증명했습니다.
   • R-CLVF 의 영하 레벨 세트가 정확히 SRCIS 임을 보였습니다.
3. 지수 증폭기 활용: $\gamma$ 를 할인 인자가 아닌 지수 증폭기로 사용하여, 물리적 수렴 속도와 직접적인 연계를 갖는 직관적인 정립을 제시했습니다.
4. 계산 효율성 증대: Warm-starting 과 시스템 분해 기법을 도입하여 고차원 시스템에서의 계산 비용을 줄였으며, 이 방법들이 정확한 해를 복원함을 이론적으로 증명했습니다.

4. 실험 결과 (Results)

논문은 세 가지 수치 예시를 통해 제안된 방법의 유효성을 검증했습니다.

• 2D 시스템: 다양한 $\gamma$ 값과 손실 함수 (Norm) 에 따른 SRCIS 와 ROES 를 시각화했습니다. $\gamma$ 가 커질수록 수렴 속도는 빨라지지만 ROES 는 축소되는 트레이드오프 관계를 확인했습니다.
• 3D Dubins Car: 평형점이 존재하지 않는 시스템에 적용하여, 시스템이 SRCIS 로 지수적으로 수렴함을 보였습니다.
• 10D 쿼드콥터 (Quadrotor):
  • 시스템을 X, Y, Z 축 하위 시스템으로 분해하여 계산했습니다.
  • Warm-starting 적용 효과: 분해된 시스템 (예: Z 축) 에서 Warm-starting 을 사용할 경우, 사용하지 않을 때보다 계산 시간이 약 15~30% 단축되었습니다 (예: 42.72초 $\to$ 36.59초).
  • 분해 기법을 통해 10 차원 문제를 해결할 수 있음을 입증했습니다.

5. 의의 및 결론 (Significance)

• 이론적 확장: 기존의 CLF 이론을 평형점이 아닌 임의의 집합 (SRCIS) 으로 확장하고, 교란이 존재하는 비선형 시스템에 적용 가능한 강인한 프레임워크를 제공했습니다.
• 실용성: 고차원 시스템 (10D 이상) 에서도 계산이 가능하도록 Warm-starting 과 분해 기법을 제안하여, 실제 로봇 공학 및 자율 시스템에 적용 가능한 가능성을 열었습니다.
• 안전성과 활동성의 통합: 안전성 (CBF) 과 활동성 (CLF) 을 동시에 고려할 수 있는 통합된 접근법을 제시하며, 사용자가 원하는 수렴 속도를 명시적으로 제어할 수 있게 합니다.

결론적으로, 이 논문은 교란이 있는 비선형 시스템에 대해 강인한 안정화와 지수 수렴을 보장하는 계산 가능한 제어 이론을 정립하고, 이를 고차원 시스템에 적용하기 위한 효율적인 알고리즘을 제시했다는 점에서 중요한 의의를 가집니다.