온라인 학습 기반 감독 스위칭 제어

본 논문은 부분 관측 가능한 선형 동역학 시스템에 대해 다수의 후보 컨트롤러 중 최적의 컨트롤러를 빠르고 안전하게 식별하는 새로운 감독 스위칭 프레임워크를 제안한다. 전통적인 추정 기반 감독 제어는 시스템이 안정적일 때만 asymptotic 안정성을 보장하고, 실제 적용 시 필요한 유한 시간 성능 한계를 제공하지 못한다. 반면, 최신 비정상적 시스템 식별 기법은 안정성 가정을 전제로 하여, 불안정 컨트롤러를 시험할 수 없는 한계가 있다. 이러한 격차를 메우기 위해 저자들은 다중 팔 밴딧(MAB) 알고리즘을 제어 문제에 직접 적용하고, 시스템 관측성을 활용해 초기 상태를 복원함으로써 불안정 컨트롤러를 탐지하고, 동시에 시스템 식별 정확도를 확보한다. 문제 설정은 다음과 같다. \(N\)개의 후보 모델 \(\{(C_i,A_i,B_i)\}_{i=1}^N\)과 각각에 대응하는 선형 컨트롤러가 주어지고, 실제 시스템 파라미터 \((C_\star,A_\star,B_\star)\)는 이 컬렉션 중 하나이다. 각 모델‑컨트롤러 쌍 \((i,j)\)에 대해 닫힌 루프 시스템 \(M