필터 기반 라인 서치 차등 동적 프로그래밍: 비선형 등식 제약 최적 제어의 새로운 접근법

초록

본 논문은 비선형 등식 제약 조건을 가진 이산 시간 최적 제어 문제를 풀기 위한 ‘FilterDDP’ 알고리즘을 제안한다. 기존의 벌칙 함수나 증강 라그랑지안 방법과 달리, 라인 서치와 결합된 스텝 필터를 사용하여 제약을 처리한다. 알고리즘의 핵심 설계는 1) 스텝 승인 기준으로 비용 대신 라그랑지안을 사용하고, 2) 후향 패스에서 가치 함수의 헤시안을 섭동시키는 것이다. 이론적으로 국소 2차 수렴성을 증명하였으며, 불등식 제약을 처리할 수 있는 원시-이중 내점법 확장과 로봇 공학의 접촉 암시적 궤적 최적화 문제에 대한 실험적 검증을 제시한다.

상세 분석

본 논문이 제안하는 FilterDDP 알고리즘의 가장 큰 기술적 기여는 기존 최적 제어 알고리즘의 프레임워크를 확장했다는 점이다. 첫째, 라인 서치 필터 방법론을 차등 동적 프로그래밍(DDP)에 도입함으로써, 증강 라그랑지안(AL) 방법보다 강력한 수렴 보장을 제공한다. AL 방법은 수렴성 보장이 제한적인 반면, 필터 방법은 IPOPT와 같은 성숙한 NLP 솔버에서 검증된 접근법이다. 둘째, 알고리즘의 안정적인 수치적 성능을 위한 두 가지 핵심 설계 선택을 도출하고 이론적으로 정당화했다. 하나는 ‘라그랑지안’을 필터 기준으로 사용하는 것이다. 저자는 이를 통해 스텝 승인 조건(19)식이 무제약 최적화의 Armijo 조건과 유사함을 정리 1과 따름정리 1을 통해 엄밀히 증명했다. 이는 비용 함수 대신 라그랑지안을 사용함으로써 목적 함수 감소와 제약 위반 감소 사이의 균형을 더 효과적으로 조절할 수 있음을 의미한다. 다른 하나는 후향 패스에서 가치 함수 헤시안을 ‘섭동’시키는 것이다. 구체적으로 (12)식의 KKT 시스템에 정규화 항(δ_w I, -δ_c I)을 추가하여 행렬의 성질(관성)을 조정한다. 이는 Newton 단계의 안정성을 보장하고, 제5장에서 증명한 국소 2차 수렴성의 핵심 조건이다. 이 수렴성 증명은 기존의 스칼라 상태/제어 변수에 대한 무제약 DDP의 결과를 벡터 값 및 제약 조건이 있는 일반적인 경우로 확장한 중요한 이론적 기여이다. 마지막으로, 원시-이중 내점법 프레임워크를 접목하여 등식 제약뿐만 아니라 불등식 제약이 있는 OCP로의 자연스러운 확장 경로를 제시한 점도 실용적 가치가 크다. 실험 결과는 접촉 암시적 카트-폴, 아크로봇, 물체 밀기 문제에서 기존 AL-DDP 방법 대비 더 낮은 반복 횟수와 강인성을 보여주며, IPOPT 대비 계산 효율성도 제안한다.