기술 요약: CUDAMPC

문제 정의

모델 예측 제어(MPC)는 상태 및 입력 제약을 강제하면서 다변수 성능을 최적화하는 강력한 방법론이다. 그러나 온라인 최적화에 대한 의존성으로 인해 상당한 계산 부하를 발생시키며, 특히 빠른 샘플링 속도, 고차원 또는 고도의 비선형성을 가진 로봇 시스템에서 문제가 된다. 기존의 CPU 기반 솔버(예: acados, CasADi)는 좁은 샘ming 구간 내에 정확한 제어 입력을 계산하지 못하는 경우가 많으며, 이로 인해 예측 지평(horizon) 길이, 모델 충실도 또는 최적화 정확도 사이에서 타협을 강요받게 된다.

GPU는 수천 개의 병렬 코어를 제공하지만, 기존의 GPU 기반 MPC 구현체들은 디바이스를 단순히 선형 대수 가속기로만 취급한다. 텐서 프레임워크(예: PyTorch, JAX)를 사용하는 방식은 반복적인 최적화를 프레임워크 수준의 연산 시퀀스로 표현한다. 이는 반복적인 커널 실행(kernel launch)과 높은 지연 시간을 갖는 글로벌 메모리 전송을 초래하며, 이는 고주파수 동작 시 솔브 시간(solve time)을 지배하고 GPU의 병렬 이점을 저해한다. 더욱이, 많은 기존 GPU 방식은 특정 수치 커널(예: 뉴턴 시스템 솔브)만을 병렬화하거나, 피지빌리티 인증(feasibility certificate)이 부족하고 고차원 제약 조건 처리에 어려움을 겪는 샘플링 기반 접근법(예: MPPI)에 의존한다.

방법론

본 논문은 이러한 한계를 극복하기 위해 알고리즘, 실행, 메모리 수준에서 공동 설계된 GPU 네이티브 MPC 프레임워크인 CUDAMPC를 소개한다. 핵심 방법론은 다음과 같이 밀접하게 결합된 세 가지 설계 계층으로 구성된다:

1. 알고리즘 수준 (Parallel-in-Horizon ADMM):
   본 프레임워크는 병렬-인-호라이즌(parallel-in-horizon) ADMM(Alternating Direction Method of Multipliers) 분할을 활용한다. 비선형 MPC 문제는 먼저 동역학 및 제약 조건을 선형화하는 순차적 볼록 계획법(Sequential Convex Programming, SCP)을 통해 처리된다. 생성된 볼록 하부 문제는 ADMM 합의 변수(consensus variables)를 사용하여 분할된다. 이 정식화는 예측 지평에 따른 최적화를 분리하여, 인접 이웃 간의 합의를 통해서만 결합되는 독립적인 스테이지별 업데이트를 가능하게 한다.

2. 실행 수준 (Fused CUDA Kernel):
   각 ADMM 연산을 위해 별도의 커널을 실행하는 텐서 프레임워크 구현과 달리, CUDAMPC는 전체 반복 솔브 과정을 하나의 커스텀 CUDA 커널로 융합(fuse)한다.

   • 호스트 개입 없음 (No Host Intervention): 전체 내부 ADMM 루프는 호스트로 제어권을 반환하지 않고 GPU 상에서 네이티브로 실행된다.
   • 이웃 국소 동기화 (Neighbor-Local Synchronization): 블록 수에 따라 확장되는 비용이 큰 그리드 전체 배리어(grid.sync())를 사용하는 대신, CUDAMPC는 국소적 아토믹 플래그(atomic-flag) 프로토콜을 채택한다. 블록들은 오직 자신의 즉각적인 공간적 이웃(경계 변수의 순방향 및 역방향 전파)과만 동기화된다. 이는 조정 비용을 총 호라이즌 블록 수와 무관하게 줄여주며, 수렴이 증명된 유한한 지연(부분적 비동기 ADMM)을 도입한다.

3. 메모리 수준 (Block-Resident Storage):
   FlashAttention의 I/O 인식 원칙에 따라, 본 프레임워크는 글로벌 메모리와 온칩(on-chip) 메모리 간의 전송을 최소화한다.

   • 공유 메모리 상주 (Shared Memory Residency): 최적화 변수(원시, 쌍대 및 합의 변수)와 중간 계산값들은 커널 시작 시 저지연 온칩 공유 메모리로 로드되며, 솔브 과정 내내 상주한다.
   • 자원 할당: 호라이즌은 CUDA 스레드 블록에 할당되는 서브-호라이즌(sub-horizons)으로 분할된다. 서브-호라이즌 길이는 디바이스의 스레드 및 공유 메모리 제한에 따라 동적으로 계산되어, 작업 집합(working set)이 전체적으로 온칩에 적재되도록 보장한다. 글로벌 메모리는 초기 로딩, 최종 출력 및 경계 변수 교환에만 사용된다.

주요 기여

본 논문은 세 가지 주요 기여를 주장한다:

1. CUDAMPC 프레임워크: 단일 공유 메모리 상주 CUDA 커널 내에서 병렬-인-호라이즌 ADMM을 실행하는 GPU 네이티브 아키텍처.
2. 이웃 국립 동기화 프로토콜: 그리드 전체 배리어를 쌍별 아토믹 플래그로 대체하여, 조정 비용이 호라이즌 블록 수와 무관하게 유지되도록 하는 메커니즘.
3. 벤치마크 연구: 6가지 비선형 로보틱스 문제를 대상으로 한 최첨단 CPU 및 GPU 솔버와의 종합적인 평가를 통해, 증가된 실시간 실행 가능한 호라이즌이 CPU 베이스라인이 실행 가능한 어떤 호라이즌에서도 달성할 수 없는 폐루프(closed-loop) 능력(예: 충돌 회피, 군집 협업)을 가능하게 함을 입증함.

결과

본 논문은 Pendulum, Cart-Pole, Car Parking, Truck-Trailer, Quadcopter-Pole, Centralized Swarm의 6가지 벤치마크를 통해 CUDAMPC를 CPU 솔버(CasADi with Ipont, acados with HPIPM) 및 기타 GPU 방식(Primal-Dual iLQR, $\pi$MPC의 텐서 프레임워크 구현)과 비교 평가한다.

• 텐서 프레임워크 대비 성능: 선형화된 항공기 모델에 대해 PyTorch 및 Julia 기반의 $\pi$MPC와 비교했을 때, CUDAMPC는 136$\times$에서 965$\times$에 달하는 속도 향상을 달성했다. 이는 커널 실행 횟수를 약 172,000회에서 솔브당 1회로 줄이고, VRAM 트래픽을 약 17 GB에서 약 31 MB로 줄인 결과이다.
• 확장성: 비선형 벤치마크에서 CUDAMPC의 호라이즌 길이($N$)에 따른 솔브 시간 스케일링은 CPU 방식보다 현저히 우수했다. 예를 들어, Pendulum 문제에서 $N=1000$일 때, CUDAMPC는 차순위 솔버보다 20.1$\times$ 더 빨랐다.
• 실시간 실행 가능성: CUDAMPC는 CPU 솔버보다 1~2 자릿수 더 긴 호라이즌에서도 실시간 실행 속도를 유지했다.
  • Car Parking: 0.1초 샘플링 간격 내에서 100초의 예측 지평을 가진 최적화 기반 충돌 회피 문제를 해결했다.
  • Centralized Swarm (10개 에이전트): CUDAMPC는 실시간 실행(~28 ms)과 충돌 없는 협업을 모두 달성한 유일한 솔버였다. CPU 솔버(acados, CasADi)는 샘플링 간격 내에 실행 가능한 해를 찾지 못했으며(각각 3.5초 및 4.5초 소요), GPU 기반 Primal-Dual iLQR은 실시간 실행은 가능했으나 하드 충돌 회피를 위한 소프트 페널티 제약 조건 튜닝의 어려움으로 인해 데드락(deadlock) 국소 최솟값에 빠졌다.

의의

본 논문은 CUDAMPC가 GPU를 단순히 선형 대수 가속기로 사용하는 것을 넘어, 최적화 알고리즘과 하드웨어 아키텍처를 통합적으로 공동 설계하는 패러다임의 전환을 나타낸다고 주장한다. 호스트 개입과 글로벌 메모리 트래픽을 최소화함으로써, 본 프레임워크는 긴 호라이즌과 제약 조건이 많은 MPC 문제를 실시간으로 실행할 수 있는 능력을 열어준다. 그 의의는 단순한 속도 향상에 있는 것이 아니라, 이전에는 실시간 시스템에서 계산적으로 불가능했던 제어 전략(예: 중앙 집중식 다중 에이전트 협업 및 장기 호라이즌 충돌 회피)을 가능하게 하여 고급 로봇 플랫폼의 운용 범위를 확장하는 데 있다.