⚡ electrical engineering

Linear Quadratic Control with Non-Markovian and Non-Semimartingale Noise Models

이 논문은 기존의 이토 미적분학을 사용할 수 없는 비마르코프(non-Markovian) 및 비세미마팅게일(non-semimartingale) 노이즈 모델 환경에서, 러프 경로 이론(rough path theory)과 시그니처 표현법을 활용하여 일반화된 선형 이차 최적 제어 문제를 해결하는 방법을 제시합니다.

원저자: Mostafa M. Shibl, Sharan Srinivasan, Harsha Honnappa, Vijay Gupta

게시일 2026-02-11

📖 2 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Mostafa M. Shibl, Sharan Srinivasan, Harsha Honnappa, Vijay Gupta

원본 논문은 CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ✨ 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

1. 배경: 기존의 방식 (전통적인 LQG 제어)

우리가 자전거를 타고 갈 때, 바람이 아주 규칙적으로 '살랑살랑' 분다고 가정해 봅시다. 이 바람은 예측이 가능하고, 부드럽게 불어옵니다. 기존의 수학 모델(LQG)은 바로 이런 **'얌전하고 예측 가능한 바람'**을 전제로 만들어졌습니다. 그래서 자전거의 균형을 잡는 법(제어 전략)도 이 부드러운 바람에 맞춰져 있죠.

2. 문제점: 진짜 세상은 '엉망진창'이다 (Non-Markovian & Non-Semimartingale)

하지만 실제 세상은 어떤가요? 바람이 갑자기 미친 듯이 휘몰아치거나(fBm), 갑자기 벼락이 치듯 툭툭 튀어 오르는(Lévy process) 경우도 많습니다.

이런 현상들은 두 가지 특징이 있습니다:

기억력이 있음 (Non-Markovian): 방금 불었던 바람의 방향이 다음 바람에 영향을 줍니다. 즉, 과거의 패턴이 미래를 결정하는 '기억력'이 있는 아주 까다로운 녀석들이죠.
규칙이 없음 (Non-Semimartingale): 기존 수학 도구(이토 미적분학)로는 도저히 계산할 수 없을 만큼 움직임이 거칠고 불규칙합니다. 마치 아주 거친 사포 위를 달리는 것처럼 매끄럽지 않습니다.

기존의 '얌전한 바람용' 자전거 제어법을 가지고 이런 '미친 바람'을 만나면 어떻게 될까요? 자전거는 중심을 못 잡고 바로 고꾸라져 버립니다. (논문의 실험에서도 기존 방식은 시스템이 폭주하며 망가지는 것을 보여줍니다.)

3. 해결책: '거친 길 전문 내비게이션' (Rough Path Theory)

이 논문의 저자들은 이 문제를 해결하기 위해 **'러프 패스 이론(Rough Path Theory)'**이라는 아주 강력한 새로운 도구를 가져왔습니다.

이것을 비유하자면, **"단순히 현재 바람의 세기만 보는 게 아니라, 바람이 지나온 궤적과 그 거친 결(Texture)을 통째로 읽어내는 초정밀 내비게이션"**을 만든 것입니다.

기존 방식: "지금 바람이 왼쪽에서 부네? 오른쪽으로 핸들을 꺾자!" (단순 반응)
이 논문의 방식: "방금 바람이 이런 식으로 휘몰아치며 지나갔으니, 앞으로 0.1초 뒤에는 이런 식으로 요동칠 거야. 미리 이만큼 미리 대비하자!" (거친 흐름의 패턴을 읽고 예측하는 대응)

4. 결과: 어떤 일이 벌어졌나?

저자들은 이 새로운 수학적 도구를 이용해 **'gLQ(Generalized Linear Quadratic) 제어기'**라는 것을 설계했습니다. 그리고 '거꾸로 세워진 진자(Inverted Pendulum, 흔들리는 막대기 세우기)' 실험을 통해 증명했습니다.

기존 방식: 미친 듯이 날뛰는 바람이 불자, 막대기가 중심을 못 잡고 순식간에 쓰러져 버렸습니다.
새로운 방식 (gLQ): 바람이 아무리 거칠고 불규칙하게 불어도, 그 거친 흐름의 패턴을 읽어내어 미리 대응했기 때문에 막대기를 아주 안정적으로 똑바로 세워두는 데 성공했습니다.

요약하자면!

이 논문은 **"세상의 불규칙하고 거친 소음(Noise)들을 단순히 '무시해야 할 방해물'로 보는 게 아니라, 그 거친 움직임 속에 숨겨진 패턴(Rough Path)을 수학적으로 완벽하게 읽어내어, 어떤 극한 상황에서도 시스템을 안정적으로 움직이게 만드는 새로운 설계도를 제시한 연구"**라고 할 수 있습니다.

[기술 요약] 비마르코프 및 비세미마팅게일 노이즈 모델을 이용한 선형 이차 제어 (gLQ 제어)

1. 연구 배경 및 문제 정의 (Problem Statement)

전통적인 LQG(Linear Quadratic Gaussian) 제어 프레임워크는 시스템 노이즈가 브라운 운동(Brownian motion)을 따른다고 가정합니다. 브라운 운동은 마르코프 성질(Markov property)을 가지며 세미마팅게일(semimartingale) 구조를 갖기 때문에, 이토 적분(Itô calculus)을 통해 최적 제어기와 칼만 필터를 유도할 수 있습니다.

하지만 실제 물리 시스템(금융, 난류, 생물학적 시스템 등)에서 발생하는 노이즈는 다음과 같은 특징을 가집니다:

비마르코프성(Non-Markovian): 과거의 상태가 미래에 영향을 미치는 메모리 효과(Memory effect) 존재.
비세미마팅게일성(Non-semimartingale): 노이즈의 경로가 매우 거칠어(Low Hölder regularity) 기존의 이토 적분을 적용할 수 없음 (예: 허스트 지수 $H < 0.5$ 인 분수 브라운 운동).

본 논문은 이러한 거친(rough) 노이즈가 존재하는 환경에서 시스템의 안정성을 유지하며 비용 함수를 최소화하는 일반화된 선형 이차 제어(generalized LQ, 이하 gLQ) 문제를 해결하고자 합니다.

2. 연구 방법론 (Methodology)

기존의 확률 미분 방정식(SDE) 도구가 작동하지 않기 때문에, 저자들은 **거친 경로 이론(Rough Path Theory)**을 도입하여 수학적 프레임워크를 구축했습니다.

Rough Differential Equations (RDE): 노이즈를 단순한 확률 과정이 아닌, 경로와 그 경로의 반복 적분(iterated integrals, 예: Lévy area)을 포함하는 '거친 경로 리프트(rough path lift)'로 정의하여 시스템 동역학을 기술합니다.
Sewing Lemma & Lyons' Universal Limit Theorem: 거친 경로 상에서 적분이 잘 정의됨을 보장하고, 제어 입력과 노이즈에 따른 시스템 해의 유일성과 연속성을 수학적으로 증명합니다.
Rough HJB Equation: 기존의 Hamilton-Jacobi-Bellman 방정식을 거친 경로 환경에 맞게 확장하여 최적 제어 정책을 유도합니다.

3. 주요 기여 및 결과 (Key Contributions & Results)

A. 최적 제어기 설계 (Optimal Controller Design)

상태 관측이 가능한 경우 (LQR): 최적 제어기는 기존 LQR 제어기에 **'예측 보정 항(Predictive correction term, $V(t)$ )'**이 추가된 형태입니다. 이 항은 현재까지의 정보를 바탕으로 미래 노이즈가 상태 궤적에 미칠 영향을 예측하여 상쇄하는 역할을 합니다.
상태 관측이 불가능한 경우 (LQG/Observer): 상태를 추정하기 위한 **거친 경로 관측기(Rough Path Observer)**를 설계했습니다. 특히 프로세스 노이즈와 측정 노이즈 간의 상관관계(correlation)가 있는 경우에도 작동하는 최적의 관측기 이득(gain, $L$ )을 도출했습니다.
분리 원리(Separation Principle)의 확장: 최적 제어기 설계와 최적 관측기 설계가 독립적으로 이루어질 수 있음을 증명했습니다.

B. 경로별 최적성 (Pathwise Optimality)

본 논문은 기대값(expectation)뿐만 아니라, 특정 노이즈 경로가 주어졌을 때 해당 경로에 대해 비용을 최소화하는 **'경로별 최적성(Pathwise optimality)'**을 수학적으로 입증했습니다.

C. 수치적 검증 (Numerical Simulation)

분수 브라운 운동(fBm, $H=0.35$ ): 기존 LQ 제어기는 시스템을 발산(instability)시키지만, 제안된 gLQ 제어기는 시스템을 안정적으로 제어함을 확인했습니다.
레비 프로세스(Lévy Process, Stable distribution): 꼬리가 두꺼운(heavy-tailed) 점프 노이즈 환경에서도 gLQ 제어기가 탁월한 강건성(robustness)을 보였습니다.

4. 연구의 의의 (Significance)

이론적 확장: 이토 미적분학의 한계를 넘어, 매우 거친 노이즈를 가진 시스템에 대해 엄밀한 수학적 제어 이론을 제공했습니다.
실용적 강건성: 기존 LQG 제어기가 실패하는 비마르코프/비세미마팅게일 환경(금융, 난류 등)에서 안정적인 제어가 가능함을 입증했습니다.
연속성 보장: 거친 경로 프레임워크를 통해 관측값의 미세한 변화에 대해 제어 입력과 상태 궤적이 연속적으로 변함을 보임으로써, 제어 시스템의 수치적 안정성을 확보했습니다.

요약 키워드: Rough Path Theory, gLQ Control, Non-Markovian Noise, Fractional Brownian Motion, Lévy Process, Optimal Observer.