학습된 라그랑지안 잠재역학의 차원축소 제어와 기하학적 구조

초록

본 논문은 고차원 라그랑지안 시스템의 동역학을 저차원 잠재공간에 구조 보존 방식으로 학습하고, 이를 기반으로 전액 및 부분 구동 로봇에 대한 추적 제어법을 설계한다. 리만 기하학적 관점에서 모델 차원 축소와 투영을 분석하고, 모델링 오차와 투영 오차가 폐루프 안정성에 미치는 영향을 정량화한다. 완전 구동 시스템에 대해 지역적 지수형 입력‑상태 안정성을 증명하고, 학습된 구동 패턴을 이용해 부분 구동 및 언더액추에이션 상황으로 확장한다. 시뮬레이션 및 실제 소프트 로봇 실험을 통해 제안 방법의 정확도와 안정성을 검증한다.

상세 분석

이 연구는 라그랑지안 역학을 갖는 고차원 기계 시스템, 예컨대 연성 로봇이나 변형 물체의 동작을 저차원 잠재공간에 투영하면서 물리적 구조를 보존하는 비침투적 차원축소 모델(RO‑LNN)을 활용한다. 저차원 매니폴드 (\tilde Q)와 고차원 매니폴드 (Q) 사이의 임베딩 (\phi)와 축소 (\rho)는 투영 성질 (\Pi=\phi\circ\rho)가 멱등이 되도록 설계되어, 학습된 잠재 상태가 원래 공간에 정확히 매핑됨을 보장한다. 이때 질량‑관성 행렬은 SPD 네트워크로 파라미터화되어 리만 기하학적 제약을 만족하고, 포텐셜 및 감쇠 행렬도 동일하게 SPD 형태로 학습한다.

제어 설계는 전통적인 PD + 피드포워드 구조를 잠재 동역학에 적용한 형태로, 목표 궤적 ((q_d,\dot q_d,\ddot q_d))에 대한 역동역학 보상 (\tilde\tau_{FF}= \tilde M\ddot q_d+(\tilde C+\tilde D)\dot q_d+\tilde g)를 사용한다. 이때 실제 시스템에 적용되는 제어 입력은 (\tau_c = B(q)u)이며, 완전 구동((B=I))일 경우 입력‑상태 안정성(ISS) 분석을 통해 오차 동역학이 (\dot e = A e + \Delta) 형태로 표현되고, (\Delta)는 모델링 오차와 투영 오차의 합으로 정의된다. 리만 서브머전 이론을 이용해 (\Delta)를 상한화하고, 고유값이 모두 음수인 (A)를 보장함으로써 지역적 지수 수렴을 증명한다.

언더액추에이션 상황에서는 학습된 구동 패턴 (\hat B(\tilde q))를 도입해 실제 구동 매트릭스와의 차이를 보정한다. 이때 가상 언더액추에이션에 의해 발생하는 추가 자유도는 투영 오차와 동일한 형태로 취급되어, 동일한 ISS 조건을 만족하도록 설계한다. 실험에서는 7‑DOF 펜듈럼 시뮬레이션과 인간형 로봇이 조작하는 소프트 퍼시트 장치를 사용했으며, 제안된 제어기가 기존 PD + 방법 대비 트래킹 오차를 3배 이상 감소시키고, 모델링 오차가 10 % 이하일 때 안정적인 수렴을 확인하였다.

핵심 인사이트는 (1) 구조 보존 차원축소가 물리적 보존량(에너지, 대칭성)을 유지함으로써 전통적인 라그랑지안 기반 제어 이론을 잠재공간에 그대로 적용할 수 있게 한다는 점, (2) 리만 기하학적 투영을 명시적으로 모델링함으로써 오차 원인을 정량화하고 안정성 조건을 도출할 수 있다는 점, (3) 학습된 구동 패턴을 통해 부분 구동 및 언더액추에이션 시스템에도 동일한 안정성 프레임워크를 확장할 수 있다는 점이다.