네트워크형 Euler‑Lagrange 시스템을 위한 소규모 이득 정리 기반 분산 지정 시간 볼록 최적화

초록

**
본 논문은 연결된 무향 그래프 위에 배치된 다중 Euler‑Lagrange 로봇들의 분산 최적화 문제를, 지정된 시간 안에 수렴하도록 설계된 제어기와 소규모 이득 정리를 결합해 해결한다. 위치‑의존 측정 그래디언트를 이용해 보조 시스템을 구성하고, 시간‑가변 이득을 통해 지정 시간 T 내에 전역 최적 해에 도달함을 증명한다. 내부 신호의 유계성도 보장한다.

**

상세 분석

**
이 연구는 기존의 비동기적 피드백 기반 분산 최적화가 갖는 수렴 속도와 초기 상태 의존성을 극복하고자, ‘지정 시간(prescribed‑time)’ 개념을 도입한다. 지정 시간 제어는 설계자가 사전에 수렴 시간을 정확히 지정할 수 있게 해 주며, 이는 유한‑시간 및 고정‑시간 제어가 초기 조건에 따라 수렴 시간이 변동되는 한계를 보완한다. 논문은 먼저 각 로봇의 Euler‑Lagrange 동역학을 표준 형태
(M_i(q_i)\ddot q_i + C_i(q_i,\dot q_i)\dot q_i = \tau_i) 로 가정하고, 관성 행렬의 양의 정부호성, 스키워-대칭성, 그리고 파라미터 불확실성을 선형화 가능한 회귀 형태 (\Omega_i\theta_i) 로 표현한다.

목표는 전역 목적함수 (\sum_{i=1}^N f_i(y_i)) 를 최소화하면서 모든 로봇의 출력 (y_i) 가 합의 제약 (y_i = y_j) 를 만족하도록 하는 것이다. 여기서 중요한 점은 각 로봇이 자신의 목적함수 그래디언트를 직접 알지 못하고, 오직 위치‑의존 측정값 (d f_i(y_i)/d y_i) 만을 실시간으로 얻는다는 점이다. 이는 기존 연구에서 가정하던 그래디언트 함수의 정확한 형태를 필요로 하지 않아 통신 부하와 센서 요구사항을 크게 낮춘다.

이러한 제한 하에 저자들은 (i) 보조 시스템을 설계해 각 로봇이 공동으로 전역 최적점 (y^*) 를 탐색하도록 하고, (ii) 보조 시스템과 실제 로봇 동역학 사이의 강한 상호작용을 좌표 변환을 통해 해석 가능한 오류 시스템으로 변환한다. 오류 시스템은 내부 루프(보조 시스템)와 외부 루프(로봇 추적 제어)로 구성된 상호 연결 구조이며, 두 루프 간의 이득 관계를 정량화하기 위해 새로운 ‘지정 시간 소규모 이득 정리’를 제시한다.

정리의 핵심은 각 서브시스템의 Lyapunov 함수가 시간‑가변 스칼라 (\mu(t)) (클래스 (K_T) 함수) 로 스케일링될 때, 전체 시스템의 종합 Lyapunov 미분값이 (-\alpha(\mu(t))) 형태로 부호가 유지되는 조건을 제시한다. 여기서 (\alpha) 는 클래스 (K_\infty) 함수이며, (\mu(t)) 은 (t\to T) 에서 무한대로 발산한다. 결과적으로 전체 오류는 (\kappa_i(\alpha(\mu(t)))) 형태로 급격히 감소하며, 지정된 시간 (T) 에 정확히 0이 된다.

적응 제어기를 도입해 파라미터 불확실성 (\theta_i) 를 실시간 추정하고, 추정 오차가 존재하더라도 (\mu(t)) 의 발산 속도가 충분히 빠르면 내부 신호(위치, 속도, 제어 입력) 모두 (L_\infty) 에서 유계임을 증명한다. 이는 지정 시간 제어에서 흔히 발생하는 ‘이득 폭발’ 문제를 Lyapunov‑기반 매핑과 적절한 초기 조건 설계로 완화한 것이다.

마지막으로 시뮬레이션에서는 5대 로봇이 연결된 무향 그래프 상에서 각기 다른 2차형 목적함수를 가지고, 지정 시간 (T=5)초 내에 모두 동일한 최적 위치로 수렴하는 모습을 보인다. 수렴 곡선은 급격히 가팔라지며, 제어 입력은 제한된 범위 내에서 변동한다.

요약하면, 이 논문은 (1) 측정 기반 그래디언트만을 이용한 저통신 분산 최적화, (2) 파라미터 적응을 포함한 지정 시간 제어, (3) 상호 연결 시스템에 대한 새로운 소규모 이득 정리라는 세 가지 혁신을 동시에 제공한다. 이는 실시간 협동 로봇, 무인 차량 플릿, 그리고 스마트 그리드와 같이 빠른 협업과 강인한 제어가 요구되는 네트워크 시스템에 직접 적용 가능하다.

**