1. 연구 배경 및 문제 정의 (Problem Statement)

• 배경: 자율주행차, 전력망, 교통 네트워크 등 현실 세계의 많은 시스템은 연속적인 동역학과 이산적인 모드 전환이 공존하는 하이브리드 시스템 (Hybrid Systems) 으로 모델링됩니다. 이러한 시스템의 안전성 검증은 주어진 초기 조건과 불확실성 하에서 시스템 상태가 위험 영역 (Unsafe Region) 에 진입할 수 있는지 확인하는 도달 가능성 분석 (Reachability Analysis) 에 달려 있습니다.
• 문제점:
  • 기존 하이브리드 시스템 검증 방법 (예: Girard et al. 의 Zonotope 방법) 은 정확한 수학적 모델이 필요하지만, 실제 응용에서는 이러한 모델을 얻기 어렵거나 불가능한 경우가 많습니다.
  • 기존 데이터 기반 방법 (Alanwar et al.) 은 선형 및 일반 비선형 시스템에는 적용되었으나, 모드 전환 (Mode Transition) 시 발생하는 상태 공간의 불연속성을 처리하지 못했습니다. 특히 영역 경계에서 동역학이 급격히 변할 때, 기존 방법은 도달 집합 (Reachable Set) 을 부정확하게 과대 추정하거나 안전 위반을 놓칠 수 있습니다.
  • 조각별 아핀 (Piecewise Affine, PWA) 시스템의 경우, 서브모델의 수 결정, 아핀 파라미터 추정, 분할 초평면 식별 등 식별 자체가 어렵고, 노이즈가 있는 측정 데이터로부터 안전성을 보장하는 도달 집합을 계산하는 데 큰 도전 과제가 존재합니다.

2. 제안된 방법론 (Methodology)

이 논문은 하이브리드 존토프 (Hybrid Zonotopes) 를 활용한 데이터 기반 접근법을 제시합니다.

A. 하이브리드 존토프 (Hybrid Zonotopes)

• 기존 존토프 (Zonotope) 에 이산적인 모드 전환을 표현할 수 있는 이진 변수 (Binary variables) 와 선형 제약 조건을 추가한 확장된 집합 표현법을 사용합니다.
• 이를 통해 PWA 시스템의 여러 모드와 상태 공간 분할을 하나의 집합 표현으로 통합하여, 모드 전환 시 발생하는 불연속성을 정밀하게 포착하고 안전성을 보장할 수 있습니다.

B. 입력 - 상태 데이터 기반 도달 가능성 분석 (Section III)

• 목표: 프로세스 노이즈 (Process Noise) 가 포함된 입력 - 상태 데이터로부터 PWA 시스템의 도달 집합을 계산.
• 알고리즘 (Algorithm 1):
  1. 모델 집합 식별: 주어진 데이터 ($X, U$) 와 프로세스 노이즈 존토프 ($Z_w$) 를 사용하여 가능한 모든 시스템 행렬 집합 ($M_{\Sigma}$) 을 계산합니다 (Theorem 1).
  2. 도달 집합 전파: 현재 상태 집합을 각 영역 ($C_i$) 에 교차시킨 후, 해당 영역의 서브모델과 입력을 적용하여 다음 단계의 도달 집합을 계산합니다.
  3. 경계 처리: 계산된 다음 단계 집합이 다른 영역과 교차하는지 확인하고, 해당 영역의 제약 조건 ($L_i x \le \rho_i$) 을 적용하여 교집합을 구합니다. 이 과정을 모든 모드에 대해 반복하여 전체 도달 집합을 구합니다.

C. 온라인 집합 기반 상태 추정 (Section IV)

• 목표: 프로세스 노이즈와 측정 노이즈 (Measurement Noise) 가 모두 존재하는 입력 - 출력 데이터로부터 상태를 추정.
• 3 가지 측정 업데이트 기법: 시간 업데이트 (Time Update) 후 측정 정보를 반영하기 위해 세 가지 방법을 제안하고, 이들이 수학적으로 동등함을 증명했습니다.
  1. Reverse-Mapping (RM): 측정 방정식을 상태 공간 표현으로 명시적으로 변환 (SVD 사용) 후 예측 집합과 교집합을 구함.
  2. Implicit Intersection (IN): 측정 정보를 가중치 행렬 ($\lambda$) 을 통해 암시적으로 반영하고, 집합의 부피를 최소화하는 가중치를 최적화하여 계산.
  3. Generalized Intersection (GI): 측정 방정식을 하이브리드 존토프의 추가 제약 조건으로 직접 표현.
• 동등성 증명 (Theorem 2): 세 가지 방법 (RM, IN, GI) 은 측정 행렬이 풀 랭크 (Full Rank) 이고 최적 가중치가 사용될 경우, 동일한 도달 가능 상태 집합을 산출함을 수학적으로 증명했습니다.

3. 주요 기여 (Key Contributions)

1. 데이터 기반 PWA 도달 가능성 분석: 사전 모델 지식 없이 노이즈가 포함된 측정 데이터만으로 PWA 시스템의 도달 집합을 계산하는 새로운 방법론 제시.
2. 모드 전환 문제 해결: 하이브리드 존토프를 활용하여 상태 공간 분할과 모드 전환을 명시적으로 처리하며, 전환 구간에서도 안전성을 보장하는 알고리즘 개발.
3. MIMO PWA 시스템 상태 추정 프레임워크: 프로세스 및 측정 노이즈를 모두 고려한 다중 입력 - 다중 출력 (MIMO) PWA 시스템에 대한 집합 기반 상태 추정 프레임워크 확립.
4. 세 가지 기법의 동등성 증명: RM, IN, GI 세 가지 측정 업데이트 기법이 수학적으로 동등함을 증명하고, 각 방법의 장단점 (계산 효율성 등) 을 비교 분석.

4. 실험 결과 및 평가 (Results & Evaluation)

• 시뮬레이션 설정:
  • 도달 가능성 분석: 2 개의 서브모드를 가진 벤치마크 PWA 시스템을 사용하여, 초기 존토프에서 시작하여 시간에 따른 도달 집합을 계산.
  • 상태 추정: 3 개의 센서를 가진 선형 시스템을 PWA 시스템으로 가정하고, 실제 상태 궤적이 추정된 집합 내에 포함되는지 확인.
• 성능 결과:
  • 정확성: 제안된 데이터 기반 접근법 (연한 보라색 영역) 은 모델 기반 해석적 도달 집합 (파란색 영역) 을 항상 포함 (Over-approximation) 하여 유효성을 입증했습니다.
  • 동등성 검증: Fig. 4 와 Fig. 5 에서 RM, IN, GI 세 방법이 모두 동일한 추정 경계를 생성하여 이론적 동등성이 실험적으로 확인되었습니다.
  • 계산 효율성: Table I 및 Fig. 6 에 따르면, Reverse-Mapping (RM) 방법이 중앙값 0.025 초로 가장 빠른 계산 시간을 보였으며, GI(0.028 초) 와 IN(0.036 초) 보다 우세했습니다.
  • 복잡도: 시간 단계가 길어질수록 계산 시간이 기하급수적으로 증가하는 경향이 관찰되었습니다 (Fig. 3).

5. 의의 및 결론 (Significance & Conclusion)

• 안전성 검증의 혁신: 정확한 수학적 모델이 부재하거나 불확실성이 큰 복잡한 하이브리드 시스템 (자율주행, 로봇 등) 에서 안전성을 검증할 수 있는 강력한 도구를 제공합니다.
• 실용성: 노이즈가 있는 실제 센서 데이터를 직접 활용하여 안전성을 보장하는 집합을 생성하므로, 실제 사이버 - 물리 시스템 (CPS) 적용에 큰 잠재력을 가집니다.
• 향후 연구 방향: PWA 시스템의 경계와 서브모델 파라미터 간의 결합 문제, 그리고 혼합 논리 동역학 (Mixed Logical Dynamical) 시스템 등 다른 하이브리드 시스템으로의 확장 연구가 필요하다고 결론지었습니다.

이 논문은 하이브리드 시스템의 도달 가능성 분석 분야에서 모델 불확실성과 데이터 노이즈를 동시에 해결하면서도 수학적 엄밀성 (안전성 보장) 을 유지하는 중요한 진전을 이루었습니다.