Human as an Actuator Dynamic Model Identification

기술 요약: 액추에이터로서의 인간 동적 모델 식별

문제 정의

본 논문은 폐루프 제어 시스템 내에서 동적 액추에이터로서 인간 조종사의 반응을 특성화하는 과제를 다룹다. 인간이 물리적 탈것(예: 항공기 또는 우주 비행체)과 상호작용할 때, 조종사의 반응 시간과 응답 특성은 전체 시스템의 안정성과 성능에 영향을 미치는 동역학을 도입한다. 이는 헬리콥터의 "H-V"(높이-속도) 도표를 계산하는 것과 같은 안전 분석에서 매우 중요하다. 왜냐관한 이 도표의 불안전한 비행 영역의 크기가 조종사의 반응 능력에 직접적으로 의존하기 때문이다.

기존 문헌은 주로 주파수 영역에서 식별된 저차 선형 시불변 모델에 의존해 왔으며, 일반적으로 단일 입력 단일 출력(SISO) 가정을 사용했다. 이전 접근 방식(예: [5])의 주요 한계는 조종사 모델을 차량의 결과값이 아닌 조종사의 원시 명령(예: 조이스틱 변위)에 맞추는 경우가 많다는 점이다. 저자들은 조종사 모델이 단순히 입력 명령을 복제하는 능력이 아니라, 원하는 차량 상태(예: 고도 추적)를 달ert하는 능력을 기준으로 평가되어야 한다고 주장한다.

방법론

저자들은 제약 조건이 있는 궤적 최적화(constrained trajectory optimization)를 사용하여 인간 조종사의 동적 모델을 추정하는 시계열(time-domain) 방법을 제안한다. 이 방법론의 핵심 단계는 다음과 같다:

1. 시스템 모델링:

   • 차량 동역학: $\dot{x}_v = f_v(x_v, u_v)$로 모델링되며, 여기서 $x_v$는 차량 상태이고 $u_v$는 제어 입력이다.
   • 조종사 동역학: $\dot{x}_p = f_p(x_p, u_p; \theta)$ 및 $y_p = h_p(x_p; \theta)$로 모델링된다. 여기서 $\theta$는 추정할 미지의 파라미터를 나타낸다.
   • 결합 시스템: 조종사와 차량은 결합 상태 벡터 $x = [x_v, x_p]^T$로 결합된다. 조종사의 입력은 원하는 목표 $\hat{y}$와 현재 차량 출력 $y_v$ 사이의 오차로 정의된다.

2. 데이터 수집:

   • 데이터는 조종사가 목표 위치를 나타내는 시각적 마커를 향해 차량을 기동하는 비행 시뮬레이터를 통해 수집된다.
   • 시스템은 유한 구간 $[0, T]$ 동안 이산 시간 단계에서 차량 출력 $y_v(t)$와 조종사의 조이스틱 명령을 기록한다.
   • 이 방법은 내부 시스템 상태($x$)의 직접적인 관측을 요구하지 않으며, 대신 암시적(implicit) 정식화를 사용한다.

3. 최적화 프레임워크:

   • 식별 문제는 측정된 출력과 모델 예측 출력 사이의 오차를 최소화하기 위해 파라미터 벡터 $\theta$와 상태 궤적 $X$를 찾는 제약 조건이 있는 최적화 문제로 정식화된다.
   • 목적 함수: 가우시안 노이즈를 가정하여, 측정된 출력 오차($\delta Y$)와 모델 출력 오차($H$) 사이의 제곱 $L_2$ 노름을 최소화한다.
   • 제약 조건:
     • 동역학 일관성: 상태 궤적은 결합 시스템 동역학 $\dot{x} = f(x; \hat{y}, \theta)$를 만족해야 한다. 이는 시간 미분을 근사하기 위해 이산 미분 행렬 $D$를 사용하여 강제된다.
     • 물리적/작업 제약: 조이스틱 변위를 제한하고 조종사 모델의 안정성(예: 루스-허위츠 판별법)을 보장하는 것과 같은 물리적 실재성을 확보하기 위해 부등식 제약 조건($g(X, \theta)$)이 적용된다.
   • 다중 시행 집계: 이 프레임워크는 인간 수행 능력의 자연스러운 변동을 고려하면서, 여러 실험 시행($M$)에 걸쳐 단일한 공통 모델 $\theta$를 동시에 추정할 수 있도록 한다.

4. 구현:

   • 최적화는 MATLAB의 비선형 계획법(NLP) 솔버인 IPOPT를 사용하여 해결된다.
   • 제약 조건의 자코비안(Jacobian)과 헤시안(Hessian)을 계산하기 위해 자동 미분이 사용된다.

실험 결과

제안된 방법은 쿼드콥터 드론 시뮬레이션 시나리오를 통해 검증되었다:

• 작업: 조종사는 쿼드콥터를 호버링 상태에서 특정 목표 거리($\hat{y}$)에 있는 정지 위치로 이동시키는 과제를 수행했다.
• 차량 모델: 프로펠러 추력 및 회전 속도를 포함한 피치 축 동역학을 중심으로 하는 6상태 모델이다.
• 조종사 모델: 6개의 파라미터($\theta \in \mathbb{R}^6$)로 정의된 3차 단일 입력 단일 출력 선형 시스템이다. 모델이 허위츠(Hurwitz)를 유지하도록 안정성 제약이 적용되었다.
• 데이터: 10m 목표에 대한 3회의 독립적인 실행과 20m 목표에 대한 3회의 실행이 기록되었다.
• 결과: 모든 실행의 데이터를 성공적으로 설명하는 단일 모델이 추정되었다.
  • 추정된 모델 파라미터는 안정적인 시스템을 생성했다.
  • 논문의 그림 5는 추정된 모델의 응답(빨간색 및 노란색 선)이 목표 위치로 수렴하며, 두 목표 거리 모두에서 경험적 데이터(파란색 선)와 밀접하게 일치함을 보여준다.
  • 결과는 모델이 다양한 시행 및 목표 거리에 걸친 인간 제어의 자연스러운 변동에 대해 견고함을 나타낸다.

주요 기여 및 의의

본 논문은 다음과 같은 기여를 주장한다:

1. 시계열 식별: 주파수 영역 접근 방식에 의존하는 기존 연구와 달리, 이 방법은 궤적 최적화를 사용하여 완전히 시계열 영역에서 모델을 해결한다.
2. 출력 중심 정규화: 이 방법은 추정 과정에 차량 동역학을 직접 통합한다. 모델을 조종사 명령에 맞추는 대신, 결과적인 차량 응답에 맞춘다. 이는 식별된 모델이 단순히 입력 신호를 모방하는 것이 아니라, 원하는 작업(예: 목표 고도 도달)을 달성할 수 있도록 하는 정규화 역할을 한다.
3. 다중 시행 견고성: 이 정식화는 여러 데이터 수집을 집계하여 단일한 공통 동적 모델을 찾을 수 있게 함으로써, 인간 수행 능력에 내재된 자연스러운 변동성을 효과적으로 처리한다.
4. 일반화 가능성: 이 접근 방식은 다중 입력 다중 출력(MIMO) 및 비선형 조종사 모델로 쉽게 일반화되도록 설계되어, 광범위한 비행 운영에 적용 가능하다.

저자들은 이 방법이 조종사를 액추에이터로 특성화하기 위한 견고한 프레임워크를 제공하며, 이는 조종되는 탈것의 정확한 동적 분석 및 H-V 도표와 같은 안전 필수 계산에 필수적이라고 결론짓는다. 향후 과제로 MIMO 조종사 시나리오에 대한 실험이 언급되었다.