Safety-Critical Control with Guaranteed Lipschitz Continuity via Filtered Control Barrier Functions

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

이 논문은 **"안전하고 부드러운 자율 주행 로봇을 위한 새로운 제어 방법"**에 대해 설명합니다.

기존의 기술은 로봇이 안전장벽 (예: 벽이나 사람) 에 부딪히지 않도록 하는 데는 탁월했지만, 로봇이 움직일 때 "갑작스럽게 꺾이거나 쩍쩍거리는" 거친 움직임을 만들어내는 문제가 있었습니다. 이 논문은 이를 해결하기 위해 **'필터 (Filter)'**라는 개념을 도입한 **'FCBF(필터링된 제어 장벽 함수)'**라는 새로운 방법을 제안합니다.

이 복잡한 내용을 일상적인 비유로 쉽게 설명해 드릴게요.

1. 문제 상황: "안전하지만 거친 운전"

상상해 보세요. 당신은 자율 주행 택시를 타고 있습니다.

안전 (Safety): 이 택시는 절대 다른 차나 사람과 부딪히지 않습니다. (기존 기술인 HOCBF 가 이 부분을 잘 처리합니다.)
부드러움 (Smoothness): 하지만 이 택시는 안전을 지키기 위해 브레이크를 갑자기 세게 밟거나, 핸들을 급하게 꺾는 행동을 합니다.

왜 이것이 문제일까요?

승객의 멀미: 승객은 심한 흔들림에 멀미를 합니다.
차의 수명: 갑작스러운 힘의 변화는 차량의 엔진이나 브레이크를 빨리 닳게 합니다.
이론적 한계: 수학적으로도 너무 급격한 변화는 시스템이 예측 불가능하게 만들어 안전을 보장할 수 없게 만듭니다.

기존의 기술은 "안전장벽"을 지키는 데는 완벽했지만, 그 과정에서 **"입력 (조작) 의 변화 속도"**를 제한하지 못해 이런 거친 움직임을 막지 못했습니다.

2. 해결책: "보이지 않는 조력자 (필터)"

이 논문은 **"필터링된 제어 장벽 함수 (FCBF)"**라는 새로운 시스템을 제안합니다. 핵심 아이디어는 **보조적인 '조력자'**를 고용하는 것입니다.

기존 방식: 운전자가 (제어기) 안전장벽을 보며 직접 핸들을 꺾습니다. 이때 안전을 위해 급하게 꺾을 수도 있습니다.
새로운 방식 (FCBF):
1. 주 운전 (Original Input): 안전장벽을 보고 "지금 핸들을 90 도 꺾어야 해!"라고 외칩니다.
2. 조력자 (Input Regularization Filter): 이 소리를 듣고 **"잠깐, 너무 급해! 천천히, 부드럽게 90 도까지 돌려보자"**라고 중재합니다.
3. 실제 작동 (Filtered Input): 조력자가 중재한 대로 핸들이 서서히, 부드럽게 돌아갑니다.

이 '조력자'는 수학적으로 **저역 통과 필터 (Low-pass filter)**라고 불리는 장치로, 신호의 '고주파수 (갑작스러운 변화)'를 걸러내고 '저주파수 (부드러운 흐름)'만 통과시킵니다.

3. 핵심 장점: "리피시츠 연속성 (Lipschitz Continuity)"

논문에서 자주 언급되는 **'리피시츠 연속성'**이라는 어려운 단어가 있습니다. 이를 쉽게 풀면 **"변화 속도의 한계"**입니다.

일반적인 연속성: 함수가 끊어지지 않고 이어져 있다는 뜻입니다. (예: 계단 없이 경사로)
리피시츠 연속성: 경사로의 기울기가 너무 가파르지 않다는 것을 보장합니다. 아무리 급하게 가파른 길을 내려가더라도, 그 기울기가 무한대로 치솟지 않고 일정하게 제한되어 있다는 뜻입니다.

비유:

일반 연속성: 엘리베이터가 1 층에서 100 층까지 가는데, 중간에 갑자기 100 층으로 점프할 수도 있다는 뜻 (연속은 되지만 충격이 큼).
리피시츠 연속성: 엘리베이터가 1 층에서 100 층으로 가되, 초당 최대 10 미터만 올라갈 수 있도록 속도가 제한되어 있다는 뜻입니다.

이 논문은 이 **'변화 속도의 한계'**를 수학적으로 100% 보장해 줍니다. 덕분에 로봇은 절대 갑자기 멈추거나 튀지 않으며, 기계 부품도 보호받고 승객도 편안합니다.

4. 어떻게 작동할까요? (시뮬레이션 결과)

논문에서는 자전거 (Unicycle) 모델을 이용해 실험했습니다.

상황: 자전거가 원형 장애물을 피해야 합니다.
기존 방법 (HOCBF): 안전을 지키지만, 핸들이 덜덜 떨리거나 급하게 꺾입니다.
기존 방법 + 추가 비용 (sp-HOCBF): 부드럽게 하려고 노력했지만, 안전 조건과 충돌해서 아예 작동이 안 되는 (계산이 불가능한) 경우가 생겼습니다.
새로운 방법 (FCBF):
- 안전: 장애물을 완벽하게 피합니다.
- 부드러움: 핸들 조작이 유유하게 흐릅니다.
- 안정성: 어떤 상황에서도 계산이 멈추지 않고 작동합니다.

5. 요약

이 논문은 **"안전한 로봇을 만들 때, 안전만 챙기면 로봇이 미친 듯이 흔들릴 수 있다"**는 문제를 지적하고, **"안전장벽과 부드러운 조정을 동시에 잡을 수 있는 새로운 필터 시스템"**을 개발했습니다.

마치 **스마트폰의 손떨림 보정 (OIS)**처럼, 카메라 (안전 제어) 가 흔들리는 것을 감지하되, 렌즈 (실제 모터) 에는 그 흔들림이 전달되지 않도록 부드럽게 보정해 주는 기술이라고 생각하시면 됩니다. 덕분에 로봇은 안전하면서도 매우 매끄럽고 인간 친화적으로 움직일 수 있게 됩니다.

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

1. 문제 제기 (Problem Statement)

배경: 안전-중요 시스템 (자율 주행, 로봇 등) 에서는 시스템의 안전성 (Safety) 과 부드러운 제어 입력 (Smooth Control Input) 이 모두 필수적입니다.
기존 방법의 한계:
- 기존 제어 장벽 함수 (CBF), 특히 고차 CBF(HOCBF) 는 안전 집합의 순방향 불변성 (Forward Invariance) 을 보장하여 안전성을 확보합니다.
- 그러나 CBF 기반의 최적 제어 (QP) 는 제어 입력의 **연속성 (Continuity)**이나 **미분 가능성 (Differentiability)**을 보장하지 않습니다.
- 단순히 "부드러운 (Smooth)" 입력을 요구하는 것만으로는 입력의 **변화율이 유계 (Bounded Variation)**임을 보장하지 못합니다. 이는 제어 입력의 급격한 변화 (Abrupt changes) 를 초래하여 작동기 (Actuator) 의 수명을 단축시키거나 시스템 모델링 가정을 위반할 수 있습니다.
핵심 요구사항: 안전성의 이론적 보장 (닫힌 루프 동역학의 잘 정의됨) 과 작동기 제한을 준수하기 위해서는 **리프시츠 연속성 (Lipschitz Continuity)**이 필수적입니다. 이는 입력 변화율에 균일한 상한을 두어 급격한 변화를 제거합니다.
목표: 안전성, 제어 입력 제한, 그리고 리프시츠 연속성을 동시에 보장하는 제어 전략을 개발하는 것.

2. 제안된 방법론 (Methodology)

논문은 **필터드 제어 장벽 함수 (FCBF)**를 도입하여 문제를 해결합니다.

A. 보조 동적 시스템 (Auxiliary Dynamic System) 도입

기존 HOCBF 프레임워크에 **입력 정규화 필터 (Input Regularization Filter)**로 불리는 보조 동적 시스템을 추가합니다.
이 필터는 원래의 제어 입력 $u$ 대신, 필터링된 입력 $u_f$ 를 시스템에 적용하도록 설계됩니다.
필터는 저역 통과 필터 (Low-pass filter) 형태로 구현되어 고주파 성분을 감쇠시키고, $u_f$ $u_{f}$ 가 시간에 따라 매끄럽게 변하도록 합니다.
- 예시: 1 차 저역 통과 필터 $\dot{u}_f = \frac{1}{\tau}(\nu - u_f)$ (여기서 $\nu$ 는 보조 입력, $\tau$ 는 필터 파라미터).

B. FCBF 및 HOCBF 통합

FCBF 정의: 보조 시스템의 동역학을 고려하여 새로운 장벽 함수 $b_f(x, \pi)$ 를 정의합니다. 여기서 $\pi$ 는 보조 상태 (필터링된 입력 및 그 미분값) 를 포함합니다.
제약 조건:
1. 안전성: 원래 시스템의 안전 조건 ( $b(x) \ge 0$ ) 을 만족하도록 HOCBF 제약식을 적용하되, 입력을 $u_f$ 로 대체합니다.
2. 입력 제한 및 리프시츠 연속성: 필터링된 입력 $u_f$ 가 물리적 제한 ( $u_{min} \le u_f \le u_{max}$ ) 을 준수하고, 그 시간 미분 $\dot{u}_f$ 가 유계임을 보장하기 위해 추가적인 HOCBF 제약식을 $u_f$ 에 적용합니다.
최적 제어 문제 (QP): 안전성 (FCBF/HOCBF), 안정성 (CLF), 그리고 입력 제한을 모두 단일 2 차 계획법 (Quadratic Program, QP) 으로 통합합니다.
- 목적 함수는 필터링된 입력 $\nu$ 의 에너지를 최소화하도록 재구성됩니다.
- 이 접근법은 계산 효율성을 유지하면서도 리프시츠 연속성을 이론적으로 보장합니다.

C. 이론적 보장

정리 2 (안전성 보장): 초기 조건이 안전 집합에 속하고, 보조 입력 $\nu$ 가 FCBF 조건을 만족하면, 시스템과 보조 시스템의 상태는 안전 집합 내에서 순방향 불변성을 유지합니다.
정리 3 (리프시츠 연속성 및 입력 제한 보장): 보조 시스템이 HOCBF 조건을 만족하면, 필터링된 입력 $u_f$ 는 리프시츠 연속성을 가지며 물리적 입력 제한을 준수합니다. 이는 $u_f$ 의 변화율이 일정 상수 $L$ 에 의해 제한됨을 의미합니다.

3. 주요 기여 (Key Contributions)

FCBF 프레임워크 제안: 기존 HOCBF를 확장하여 보조 동적 시스템을 통합함으로써, 제어 입력의 리프시츠 연속성을 명시적으로 보장하는 새로운 방법론을 제시했습니다.
이론적 엄밀성: 단순히 입력의 미분 가능성을 요구하는 것이 아니라, 변화율의 유계성을 보장하여 안전성 증명의 전제 조건 (Well-posedness) 을 충족시킵니다.
실시간 적용 가능성: 복잡한 비선형 최적화가 아닌, 기존 CBF-CLF-QP 와 유사한 구조의 단일 QP로 문제를 재구성하여 계산 효율성과 실시간 구현 가능성을 유지했습니다.
유연한 설계: 필터 파라미터 ( $\tau$ ) 와 클래스 $\kappa$ 함수의 하이퍼파라미터를 조정하여 제어 입력의 부드러움과 반응 속도를 트레이드오프할 수 있습니다.

4. 실험 결과 (Results)

시뮬레이션 환경: 단원 (Unicycle) 모델을 사용하여 원형 장애물을 회피하는 시나리오를 수행했습니다.
비교 대상:
1. HOCBF: 기존 고차 CBF 방법.
2. sp-HOCBF: 제어 입력의 변화량을 목적 함수에 페널티로 추가하여 부드러움을 유도하는 방법.
3. FCBF (제안 방법): 필터링을 통한 리프시츠 연속성 보장 방법.
결과 분석:
- 안전성: 세 방법 모두 장애물 회피에 성공했습니다.
- 입력 부드러움: FCBF 는 HOCBF 및 sp-HOCBF 보다 매우 부드러운 제어 입력을 생성했습니다. sp-HOCBF 는 페널티를 추가했음에도 불구하고 입력의 급격한 변화가 여전히 관찰되었습니다.
- feasibility (실현 가능성): 초기 방향각이 작은 경우, sp-HOCBF 는 QP 가 비실현 가능 (Infeasible) 해져 제어에 실패했으나, FCBF 와 HOCBF 는 모든 조건에서 실현 가능했습니다.
- 파라미터 영향: 필터 시간 상수 $\tau$ 를 증가시키거나 클래스 $\kappa$ 함수의 파라미터를 조정하면 입력의 변화가 더욱 완만해지는 것을 확인했습니다.

5. 의의 및 결론 (Significance & Conclusion)

실제 적용성 향상: 이론적으로 리프시츠 연속성을 보장함으로써, 실제 로봇이나 자율 시스템에서 발생할 수 있는 작동기 마모, 진동, 모델링 오차 등의 문제를 완화합니다.
안전성 증명의 강화: 기존 CBF 기반 제어에서 간과되었던 "입력의 급격한 변화" 문제를 해결하여, 안전성 증명의 이론적 기반을 더욱 견고하게 했습니다.
확장성: 제안된 프레임워크는 기존 CBF 기반 제어 시스템에 쉽게 통합될 수 있으며, 향후 확률적 시스템에 대한 학습 기반 하이퍼파라미터 튜닝 및 물리 로봇 플랫폼 적용을 위한 기초를 마련했습니다.

요약하자면, 이 논문은 안전-중요 제어 시스템에서 안전성과 **부드러운 제어 입력 (리프시츠 연속성)**을 동시에 보장하는 실용적이고 이론적으로 엄밀한 솔루션을 제시했다는 점에서 큰 의의가 있습니다.