기술 요약: 미분 가능한 물리학을 통한 재사용 발사체의 포화 인지 강건 궤적 최적화

1. 문제 정의

재사용 발사체(RLV), 특히 고각도 공격(high-angle-of-attack) "플립 기동"(예: 스타십 아키텍처)을 수행하는 수직 동력 착륙(VPL)은 강건한 유도, 항법 및 제어(GNC) 측면에서 매우 중요한 과제를 안겨준다. 이 단계는 고도의 비선형 공력 결합, 큰 구조적 하중, 급격한 동압 변화를 수반한다. 주요 난점은 심각한 다중 소스 불확실성(불안정한 공력, 윈드 시어, 질량 불확실성) 하에서도 물리적 액추에이터 한계(추력 벡터 제어 김벌 경계 및 엔진 스로틀링 제한)를 준수하면서 착륙 정밀도와 비행체의 생존성을 보장하는 것이다.

순차적 볼록화(Successive Convexification, SCvx)와 공분산 스티어링(Covariance Steering, CS)을 결합한 기존의 강건 궤적 최적화 방법들은 이러한 맥락에서 두 가지 근본적인 한계에 직면한다:

1. 국소 선형화 가정: 이들은 국소 선형화로부터 유도된 가우시안 공분산 전파에 의존하는데, 이는 심각한 비선형 공력 과도 현상으로 인해 발생하는 비가우시안(non-Gaussian), 왜곡된 상태 분포를 정확하게 포착하는 데 실패한다.
2. 포화 맹목성(Saturation Blindness): 이들은 일반적으로 무한한 제어 권한을 가정하여 피드백 법칙(예: 리카티 기반 LQR)을 합성한다. 그러나 외란이 물리적 액추에이터 범위를 넘어서는 제어 명령을 요구할 경우, 발생하는 하드웨어 절단(truncation)은 이론적 강건성 보장을 무효화하며, 이는 종종 액추에이터 포화, 제어 권한 상실 및 착륙 정밀도 저하로 이어진다.

2. 방법론

본 논문은 미분 가능한 물리학과 앙상블 기반 최적화를 통합하여 이러한 한계를 해결하는 미분 가능한 입자 튜브 제어(Differentiable Particle Tube Control, DPTC) 프레임워크를 제안한다. 이 방법론은 미분 가능한 물리 엔진과 딥러닝 기반 신경망 공력 대리 모델(neural aerodynamic surrogate)을 결합한 구조로 구축되었다.

핵심 구성 요소:

• 미분 가능한 물리 엔진: 시스템은 4차 룽게-쿠타(Runge-Kutta) 적분기를 사용하여 6자유도(6-DoF) 강체 운동학을 모델링하며, 모든 연산(쿼터니언 정규화 및 신경망 순전파 포함)은 미분 가능한 텐서 연산으로 정식화된다. 이를 통해 전체 비선형 동역학 그래프를 통해 정확한 그래디언트 전파가 가능하다.
• 확률 분포 형상화(Stochastic Distribution Shaping): 단일 명목 궤적을 최적화하는 전통적인 방식과 달리, DPTC는 강건한 유도를 제약된 확률적 확률 수송(stochastic probability transport) 문제로 취급한다. 불확실한 상태 분포를 라그랑주 입자 앙상블($N_p$ 입자)로 표현한다. 각 입자는 고유한 외란 실현 하에서 독립적으로 진화하지만, 통일된 제어 정책을 공유한다.
• 포화 인지 피드백 합성: 제어 정책은 시변 아핀 피드백 법칙($u = u_{ref} - K(x - x_{ref})$)으로 매개변수화된다. 결정적으로, 하드 액추에이터 투영 연산자($\Pi_U$)가 순전파 계산 그래프에 직접 내장된다. 이는 최적화 알고리즘이 실제 비행체가 겪는 것과 동일한 액추에이터 포화를 "경험"하면서, 피드포워드 궤적($u_{ref}$)과 피드백 이득($K$)을 동시에 합성하도록 강제한다.
• 꼬리 위험(Tail-Risk) 최적화: 하드 찬스 제약(hard chance-constraints)의 취약성을 피하면서 안전성을 처리하기 위해 미분 가능한 꼬리 위험 목적 함수가 도입된다. 부드러운 대리 함수(예: $ReLU^2$)를 사용하여, 프레임워크는 안전 제약을 위반하는 입자에 페널티를 부여하는 동시에 BPTT(Backpropagation Through Time)를 위한 연속적인 그래디언트 지형을 유지한다.

비교 베이스라인:

제안된 방법은 자동 미분 기반 순차적 볼록화(CS-AD-SCvx) 베이스라인과 벤치마킹된다. 이 베이스라인은 로컬 선형화를 사용하여 자코비안을 추출하고, 리카티 방정식을 통해 가우시안 공분산을 전파하며, 찬스 제약 마진을 사용하여 제약을 조여지지만, 피드백 합성 과정에서 본질적으로 포화 인지 능력이 결여되어 있다.

3. 주요 기여

본 논문은 세 가지 주요 기여를 기술한다:

1. 궤적 최적화에서 분포 형상화로의 전환: 프레임워크는 고전적인 가우시안 선형화 근사를 넘어 정확한 비선형 역학에 직접 작용한다. 본래 미분 가능한 6-DoF 엔진을 활용함으로써, 확률적 확률 매니폴드를 직접 성형하며, 이는 희귀 사건 분산 및 비가우시안 공력 응답을 본질적으로 포착한다.
2. 네이티브 포화 인지 피드백 합성: DPTC는 하드 물리 액추에이터 제한을 최적화 그래프에 직접 내장한다. 최적화 알고리즘은 물리적 비행체를 지배하는 동일한 포화 제약을 준수하면서 제어 정책을 합성하므로, 실행 불가능한 제어 명령이 생성되는 것을 방지한다.
3. 소프트 페널티 꼬리 위험 규제: 미분 가능한 꼬리 위험 목적 함수의 도입은 시간을 통한 부드러운 그래디언트 전파를 가능하게 한다. 이를 통해 프레임워크는 하드 찬스 제약과 관련된 수치적 불안정성 없이 제약 위반 입자(꼬리 위험)를 공격적으로 처벌할 수 있으며, 매우 생존성이 높은 폐루프 유도 법칙을 제공한다.

4. 결과

프레임워크는 5%의 불안정한 공력 외란 조건 하에서 6-DoF 몬테카를로 시뮬레이션(5,000회 실행)을 통해 평가되었다.

• 명목 성능: 결정론적 조건(외란 제로)에서 DPTC와 CS-AD-SCvx는 거의 동일한 연료 최적 궤적을 달성하였으며, 최종 비행체 질량 차이는 0.25% 미만이었다. 이는 미분 가능한 물리 엔진의 충실도를 검증한다.
• 불확실성 하의 강건성:
  • CS-AD-SCvx: 외란 발생 시, 베이스라인은 상당한 성능 저하를 보였다. 제약이 없는 피드백 공식은 액추에이터 포화(심층 스로틀링 및 김벌 제한 위반)를 초래했다. 이는 가정된 선형 공분산 진화와 실제로 실행된 역학 사이의 불일치를 야기하여, 비대칭 착륙 분산과 15.38 m의 CEP50을 발생시켰다.
  • DPTC: 제안된 프레임워크는 제약 인지적 성능 트레이드오프를 선제적으로 수행하였다. 고동압 구간 동안 공간적 추적 요구 사항을 완화함으로써, 터미널 하강을 위한 핵심 제어 권한을 보존하였다. 그 결과, 명목 궤적에 대한 **대칭적 포위(symmetric envelopment)**를 달さと 했으며, 1.97 m의 CEP50을 기록하여 베이스라인 대비 87%의 착륙 오차 감소를 달성했다.
• 계산 효율성: DPTC는 많은 오프라인 계산(GPU 가속 병렬 입자 앙상블 롤아웃)을 필요로 하지만, 결과적인 정책은 시변 텐서 시퀀스이다. 온라인 배포 시에는 $O(1)$ 룩업 및 행렬 곱셈으로 축소되어 실시간 실행에 적합하다. 프레임워크는 벡터화를 통해 GPU 상에서 배치 크스에 대해 $O(1)$ 스케일링을 보여주었다.

5. 의의 및 주장

본 논문은 미분 가능한 물리학과 앙상블 기반 최적화를 통합하는 것이 고도로 제약된 항공 우주 비행 시스템의 강건한 유도를 위한 효과적이고 실용적인 프레임워크를 제공한다고 주장한다.

• 패러다임 전환: 본 연구는 결정론적 궤적 추적에서 물리 정보 기반 확률 분포 형상화로의 전환을 입증한다. 저자들은 심각한 불확실성과 엄격한 액추에이터 제한 하에서 최적의 전략은 경로를 경직되게 추적하는 것이 아니라, 비선형 역학을 통해 확률적 상태 분포를 능동적으로 형성하는 것이라고 주장한다.
• 실용적 강건성: 물리적 제약을 학습 과정에 직접 내장함으로써, 프레임워크는 고전적인 강건 제어 방법의 "포화 맹목성"을 방지한다. 이는 가이드가 물리적 엔벨로프의 경계에서 작동할 때도 유효하고 생존 가능한 제어 법칙을 보장한다.
• 확장성: 이 접근 방식은 이상적인 선형 근사나 유한 차분법에 의존하는 대신, 물리 엔진에서 유도된 정확한 해석적 그래디언트를 활용하여 고차원, 비선형 항공 우주 문제를 위한 확장 가능한 아키텍처를 제공한다.

저자들은 이 프레임워크가 미션의 강건성과 물리적 제약 만족도를 크게 향상시켜, 차세대 재사용 발사체를 위한 고급 GNC 시스템의 유망한 대안을 제공한다고 결론짓는다.