Differentiable Invariant Sets for Hybrid Limit Cycles with Application to Legged Robots

이 논문은 JAX 기반의 'immax' 라이브러리를 활용하여 이족 보행 로봇의 하이브리드 리미트 서클 주변 포워드 불변 집합을 계산하고, 이를 최대화하는 추적 제어기를 설계하는 3 단계 접근법을 제안합니다.

핵심

🤖 1. 배경: 로봇이 걷는다는 건 '넘어졌다 일어서는' 과정

이 논문에서 다루는 로봇은 다리가 있는 **이족 보행 로봇 (두 다리로 걷는 로봇)**입니다.
이 로봇이 걷는 방식은 마치 우리가 걷는 것과 비슷합니다.

1. 공중 도약 (연속 운동): 한 다리를 땅에 디딘 채 다른 다리를 앞으로 뻗으며 공중을 날아갑니다. (이때는 물리 법칙에 따라 부드럽게 움직입니다.)
2. 발바닥 착지 (불연속 충격): 앞다리가 땅에 닿는 순간, '쾅!' 하고 충격을 받습니다. 이때 로봇의 상태 (속도, 방향 등) 가 순간적으로 바뀝니다.

이처럼 '부드러운 움직임'과 '갑작스러운 충격'이 반복되는 시스템을 '하이브리드 시스템'이라고 부릅니다. 문제는 로봇이 조금만 흔들려도 넘어질 수 있다는 점입니다.

🛡️ 2. 핵심 질문: "얼마나 많이 흔들려도 로봇은 다시 원래 길로 돌아올까?"

연구자들은 로봇이 넘어지지 않고 계속 걷기 위해서는 **'안전한 영역 (Invariant Set)'**이 필요하다고 말합니다.

• 비유: 로봇이 걷는 길 위에 **'투명한 안전 지대 (안전 튜브)'**를 그려놓는다고 상상해 보세요.
• 이 안전 지대 안에서는 로봇이 바람에 밀리거나 발을 헛디뎌도, 자동으로 다시 원래 길로 돌아옵니다.
• 하지만 이 안전 지대가 너무 작으면, 아주 작은 충격에도 로봇이 튕겨 나가서 넘어집니다.

이 논문의 목표는 바로 이 '안전 지대'를 가능한 한 크게, 그리고 정확하게 찾아내는 것입니다.

🚀 3. 기존 방법의 문제점: "너무 느리고 무거워요"

과거에는 이 안전 지대를 계산하는 데 매우 복잡한 수학 (SOS 프로그래밍, 해밀턴 - 야코비 방정식 등) 을 사용했습니다.

• 비유: 마치 손으로 하나하나 벽돌을 쌓아 성을 짓는 것처럼, 계산량이 많고 시간이 너무 오래 걸렸습니다. 로봇의 다리가 2 개뿐인 간단한 모델도 계산하는 데 몇 시간씩 걸렸습니다.
• 그래서 더 복잡한 로봇 (팔이 여러 개인 로봇 등) 에는 적용하기 어려웠습니다.

✨ 4. 이 논문의 혁신: "스마트한 예측과 자동화"

이 연구팀은 새로운 방법을 개발했습니다. **immrax**라는 최신 도구를 사용했는데요.

1. 타원체 (구름) 로 감싸기:
   로봇이 움직일 때, 정확한 궤적 대신 **'타원체 모양의 구름'**으로 로봇이 있을 수 있는 모든 영역을 감쌉니다. (정확한 위치 대신 '대략 이 정도 범위 안에 있을 거야'라고 예측하는 방식입니다.)
2. 자동으로 계산하고 수정하기:
   이 구름이 땅에 닿는 순간 (충격), 어떻게 변형되는지를 수학적으로 빠르게 계산합니다.
   • 비유: 마치 구름이 벽에 부딪히면 모양이 바뀌는데, 그 새로운 모양이 원래 구름보다 작아지면 "안정적이다!"라고 판단하는 것입니다.
3. AI(자동 미분) 의 힘:
   이 계산 과정이 컴퓨터가 자동으로 미분 (기울기 계산) 을 할 수 있도록 설계되었습니다. 덕분에 **"안전 지대를 더 크게 만들기 위해 로봇의 제어 방식을 어떻게 tweaking(조절) 해야 할지"**를 컴퓨터가 스스로 찾아낼 수 있습니다.

📈 5. 실험 결과: "안전 지대가 4 배 커졌습니다!"

연구팀은 간단한 2 차원 보행 로봇 모델에 이 방법을 적용해 보았습니다.

• 기존 제어: 안전 지대가 매우 작았습니다. (조금만 흔들려도 위험)
• 새로운 제어 (이 논문): 컴퓨터가 자동으로 제어 방식을 최적화한 결과, 안전 지대의 크기가 4.25 배나 커졌습니다.
• 속도: 기존 방법들은 4 차원 로봇을 계산하는 데 몇 시간에서 며칠이 걸렸지만, 이 방법은 약 20 초 만에 결과를 냈습니다. (약 50 배 이상 빠름)

💡 6. 요약 및 의의

이 논문은 **"복잡한 로봇이 넘어지지 않고 걷게 하려면, 얼마나 넓은 안전 지대가 필요한지 아주 빠르게 계산하고, 그 지대를 최대한 넓게 만드는 제어 방식을 자동으로 찾아낸다"**는 것을 증명했습니다.

• 핵심 메타포: 로봇이 걷는 길을 **'안전한 터널'**로 만들고, 이 터널이 터지지 않고 계속 이어지도록 터널의 크기를 자동으로 늘리는 설계도를 그리는 기술입니다.
• 미래: 이 기술이 발전하면, 더 복잡하고 다리가 많은 로봇이나 자동차, 드론 등이 훨씬 더 안전하고 유연하게 움직일 수 있게 될 것입니다.

한 줄 요약:

"복잡한 로봇이 넘어지지 않게 하는 '안전한 영역'을 기존보다 훨씬 빠르고 정확하게 찾아내고, 그 영역을 자동으로 넓혀주는 새로운 기술을 개발했습니다."

기술 요약

1. 문제 정의 (Problem Statement)

• 하이브리드 시스템의 불변성 분석의 어려움: 다리가 있는 로봇 (Legged Robots) 과 같은 접촉이 빈번한 사이버 - 물리 시스템은 연속 역학과 이산 전환 (충격, 접촉) 이 공존하는 하이브리드 시스템입니다. 이러한 시스템의 강건성을 분석하기 위해서는 한계 주기 (Limit Cycle) 를 포함하는 불변 집합 (Invariant Set) 을 분석하는 것이 자연스럽지만, 불연속성과 스위칭 동작으로 인해 이를 정확하게 특성화하는 것은 매우 어렵습니다.
• 기존 방법론의 한계:
  • Lyapunov 기반 방법 및 SOS (Sum-of-Squares) 프로그래밍: 이론적으로 우아하지만, 차원이 증가함에 따라 계산 복잡도가 조합적으로 급증하여 고차원 시스템 (보통 10 개 미만의 상태 변수) 에 적용하기 어렵습니다.
  • Hamilton-Jacobi (HJ) 접근법: 더 정확한 영역을 제공하지만, 상태 공간 차원에 따라 계산 복잡도가 지수적으로 증가하는 '차원의 저주' 문제가 있습니다.
• 목표: 고차원 하이브리드 시스템에 대해 계산 효율성이 높고, 확장 가능하며, 제어 설계에 활용 가능한 (미분 가능한) 불변 집합을 계산하는 방법론을 개발하는 것입니다.

2. 방법론 (Methodology)

저자들은 Immrax (JAX 기반의 파라메트릭 도달 가능 집합 계산 라이브러리) 를 기반으로 한 새로운 3 단계 접근법을 제시합니다.

• 하이브리드 시스템 모델링:

  • 연속 흐름 ($\dot{x} = f(x, u)$) 과 가드 표면 (Guard Surface, $S$) 에서 발생하는 이산 리셋 맵 ($x^+ = \Delta(x^-)$) 으로 구성된 자율 하이브리드 시스템을 정의합니다.
  • '단계별 맵 (Step-to-step map, $F$)'을 사용하여 하이브리드 시스템을 이산 시간 시스템으로 변환하고, 이를 통해 주기 궤도의 안정성을 분석합니다.

• 파라메트릭 도달 가능 집합 (Parametric Reachability):

  • 선형 포함 (Linear Inclusions) 과 노르모토프 (Normotopes): 연속 역학의 오차를 선형 포함으로 모델링하고, 도달 가능 집합을 타원체 형태 (노르모토프) 로 근사화합니다.
  • 임베딩 시스템 (Embedding System): 중심 궤도, 모양 행렬 (Shaping matrix), 오프셋을 동적으로 진화시켜 도달 가능 튜브를 생성합니다. 이는 JAX 의 자동 미분 (Automatic Differentiation) 기능을 활용하여 효율적으로 계산됩니다.

• 하이브리드 불변성 검증 (Theorem 1 & 2):

  1. 연속 흐름: 가드 표면을 통과하기 전까지의 도달 가능 튜브를 계산합니다.
  2. 가드 교차 및 리셋: 튜브가 가드 표면과 교차하는 지점을 식별하고, 이를 리셋 맵을 통해 다음 단계로 전파합니다.
  3. 불변성 조건: 한 단계 후의 과대 근사된 도달 가능 집합이 초기 집합의 엄격한 부분집합 (Strict Subset) 이 되면, 해당 하이브리드 주기 궤도에 대한 전방 불변 집합 (Forward Invariant Set) 이 검증됩니다.
  4. 교차점 처리: 가드 표면과의 교차 영역을 (n-1) 차원 타원체로 절단 (Slicing) 하고, 리셋 맵의 선형 포함을 적용하여 전체 이득 (Gain) $\gamma$를 상한 bound 합니다.

• 이중 최적화 (Bi-level Optimization) 를 통한 제어기 설계:

  • 계산된 불변 집합의 크기를 최대화하기 위해 제어 이득 ($K$) 과 초기 모양 행렬 ($\alpha_0$) 을 최적화합니다.
  • Immrax 의 미분 가능성을 활용하여 불변성 조건 함수의 그래디언트를 직접 계산하고, 경사 하강법 (Gradient Descent) 을 통해 제어기를 설계합니다.

3. 주요 기여 (Key Contributions)

1. 하이브리드 시스템의 전방 불변성 조건 확장: 파라메트릭 도달 가능 집합 이론을 하이브리드 시스템에 적용하여, 도달 가능 집합이 전방 불변 집합이 되기 위한 수학적 조건을 도출했습니다.
2. 효율적인 검증 절차 도입: 구간 분석 (Interval Analysis) 을 사용하여 주어진 집합의 전방 불변성을 효율적으로 검증하는 절차를 제시했습니다.
3. 제어 설계와의 통합: 평면 보행자 (Planar Walker) 모델에 이 방법론을 적용하여, 미분 가능한 도달 가능 집합 계산을 통해 불변 집합의 크기를 극대화하는 추적 제어기 (Tracking Controller) 를 설계했습니다.

4. 실험 결과 (Results)

• 모델: 무릎 관절을 모델링한 단순화된 평면 보행자 (Telescoping leg bipedal walker) 를 사용했습니다.
• 불변 튜브 검증:
  • 연속 제어 없이 단계별 제어만 적용한 경우에도 검증된 불변 튜브를 생성했습니다.
  • 제안된 알고리즘 (알고리즘 1) 을 통해 추적 제어기를 설계한 결과, 불변 튜브의 크기가 4.25 배 증가했습니다.
  • 몬테카를로 시뮬레이션 (100 개 궤적, 15 번의 가드 교차) 을 통해 계산된 불변 집합이 실제로 불변임을 검증했습니다.
• 계산 효율성:
  • 4 차원 시스템에 대한 도달 가능 집합 계산에 약 19.56 초가 소요되었습니다 (JIT 컴파일 포함).
  • 기존 SOS 프로그래밍 (약 17.7 분) 및 HJ-Bellman 접근법 (약 36 시간) 에 비해 압도적으로 빠른 계산 속도를 보여주었습니다.

5. 의의 및 결론 (Significance & Conclusion)

• 확장성: 기존 방법론의 차원 저주를 극복하고, JAX 의 병렬 처리 및 자동 미분 기능을 활용하여 고차원 시스템으로 확장 가능한 가능성을 입증했습니다.
• 제어 설계의 혁신: 도달 가능 집합 분석을 제어 설계 과정에 직접 통합할 수 있게 되었습니다. 특히, 불변 집합의 크기를 최대화하는 방향으로 제어 이득을 자동 최적화할 수 있어, 로봇의 강건한 보행 제어를 위한 강력한 도구가 됩니다.
• 한계 및 향후 과제: 현재 가드 표면이 좌표에 대해 선형이어야 한다는 가정과, 구간 기반 선형 포함으로 인한 보수적인 (Conservative) 과대 근사 문제가 존재합니다. 향후 더 복잡한 하이브리드 시스템으로의 적용 및 보수성 감소를 위한 튜브 정제 (Refinement) 단계 통합이 계획되어 있습니다.

요약하자면, 이 논문은 하이브리드 로봇 시스템의 강건한 제어를 위해, 계산 효율성이 높고 미분 가능한 불변 집합 계산 프레임워크를 제안하고, 이를 통해 보행 로봇의 안정 영역을 크게 확장하는 제어기를 성공적으로 설계했습니다.