스탠퍼드 AA203 5강 정리: 폰트랴긴 최소 원리와 뱅뱅 제어, 2점 경계값 수치 해법까지

핵심 메시지

• 제어 입력에 상·하한이 있으면 '해밀토니안의 정류점'이라는 기존 최적성 조건으로는 부족하고, 최적 입력이 해밀토니안을 전역적으로 최소화해야 한다는 폰트랴긴 최소 원리로 조건이 강화된다.
• 목적함수가 무엇이냐에 따라 최적 제어의 형태 자체가 정해진다. 최소 시간 문제는 뱅뱅(bang-bang), 최소 연료 문제는 뱅-오프-뱅, 최소 에너지 문제는 포화(saturating) 형태다.
• 미분방정식을 풀기 전에 이미 제어 신호의 구조를 알 수 있다는 점이 간접법(indirect method)의 강점이다.
• 특이 구간(singular arc)에서는 최적성 조건이 제어에 대해 아무 정보도 주지 않으며, 간접법을 실제로 쓸 때 가장 많은 노력이 들어가는 지점이 바로 이런 조건이 나쁜 상황이다.
• 상태 변수에 대한 제약은 간접법이 잘 다루지 못해, 보통 동역학을 단순화한 경로 계획 문제로 바꿔 푼 뒤 그 통찰을 간접법에 반영한다.

쉽게 이해하기

스탠퍼드 온라인이 공개한 AA203 '최적·학습 기반 제어' 5강은 개루프(open-loop) 제어의 간접법을 마무리하는 회차다. 간접법은 먼저 최적성 조건을 유도한 뒤 이를 수치적으로 이산화해 푸는 '최적화 후 이산화' 방식으로, 다음 회차에 다룰 직접법(이산화 후 최적화)과 대비된다. 강의는 지난 회차에서 유도한 조건이 입력에 제약이 없다는 가정 위에 서 있었음을 상기시키며 시작한다.

핵심 도구는 해밀토니안이다. 유한 차원 최적화의 라그랑주 함수에 해당하는 역할로, 단계 비용에 동역학과 코스테이트(costate) p를 곱한 항을 더해 정의한다. 코스테이트는 상태 변수마다 하나씩 대응하는 시간의 함수로, 유한 차원에서 라그랑주 승수가 하던 일을 맡는다. 최적성 조건은 세 묶음의 방정식으로 정리되며, 마지막 대수 조건에서 입력을 상태와 코스테이트의 함수로 표현한 뒤 나머지 미분방정식에 대입해 푸는 것이 기계적인 절차다.

그런데 실제 시스템에는 추력 한계처럼 입력에 상한이 있는 경우가 흔하다. 강의는 유한 차원의 직관으로 이 차이를 설명한다. 경계가 없다면 어느 방향으로도 움직일 수 있어 기울기가 0이어야 한다는 조건이 나오지만, 경계 위에서는 한쪽 방향으로만 움직일 수 있어 기울기가 0이 아니어도 극소가 될 수 있다. 함수 공간에서도 같은 논리가 성립해, 최적 입력이 경계에 붙어 있으면 변분의 부호 조건만 남는다. 그 결과가 폰트랴긴 최소 원리이며, 입력은 이제 정류점이 아니라 해밀토니안의 전역 최소점이어야 한다.

강의는 세 가지 전형적인 문제로 이 조건을 실습한다. 시간을 최소화하는 문제에서는 최적 입력이 코스테이트와 입력 행렬의 곱 부호에 따라 최대 또는 최소값만 오가는 뱅뱅 제어가 된다. 목표에 가장 빨리 도달해야 하니 전속력 아니면 최대 제동이라는 결과가 직관과도 맞는다. 입력의 절댓값을 최소화하는 최소 연료 문제에서는 0을 포함한 세 값 사이를 오가는 뱅-오프-뱅 제어가 나오는데, 가능한 한 빨리 관성으로 미끄러지는 구간에 들어가고 필요할 때만 충격적으로 개입하는 형태다. 제곱 비용을 쓰는 최소 에너지 문제에서는 범위 안에서는 선형이고 밖에서는 포화되는 제어가 나온다.

다만 코스테이트와 입력 행렬의 곱이 0이 되는 구간에서는 최적성 조건이 제어에 대해 어떤 정보도 주지 않는다. 이를 특이 구간이라 부르며, 강의는 수업 범위에서 제외하면서도 간접법을 실무에 적용할 때 두뇌를 가장 많이 쓰게 되는 지점이라고 짚는다. 상태에 대한 제약 역시 간접법으로는 다루기 어려워, 동역학을 단순화한 기하학적 경로 계획으로 먼저 푼 뒤 그 결과를 활용하는 우회가 일반적이라고 설명한다.

마지막으로 수치 해법을 예고한다. 최적성 조건은 결국 양 끝단에 조건이 걸린 2점 경계값 문제로 귀결되는데, 이를 푸는 방법은 크게 슈팅 기법과 콜로케이션으로 나뉜다. 슈팅은 초기값을 추측해 앞으로 적분한 뒤 최종 조건과의 오차를 보고 추측을 갱신하는 방식이고, 콜로케이션은 다항식 같은 기저 함수로 동역학을 근사해 지정된 점들에서 조건을 만족시키는 방식이다. 강의는 사이파이(SciPy)의 solve_bvp에 동역학, 잔차 형태의 경계 조건, 시간 격자, 초기 추측을 넣어 간단한 예제를 푸는 과정까지 보여주고, 다음 시간에 직접법으로 넘어간다고 예고한다.

주요 인사이트

• 제약이 최적해의 '값'만 바꾸는 게 아니라 최적성 조건 자체의 형태를 바꾼다는 점이 이 강의의 출발점이다. 경계에서는 변분이 한쪽 방향으로만 허용되므로 등식 조건이 부등식 조건으로 약해진다.
• 비용 함수의 선택은 취향 문제가 아니라 제어기의 성격을 결정한다. 시간·연료·에너지 중 무엇을 아끼려 하느냐에 따라 뱅뱅, 뱅-오프-뱅, 포화 제어라는 서로 다른 구조가 도출된다.
• 미분방정식을 다 풀지 않고도 제어 프로파일의 구조를 알 수 있다는 것은, 해석적 해가 없어도 설계 단계에서 시스템 거동을 예측할 수 있다는 실용적 이점이다.
• 최적성 조건은 최적해를 '찾아주는' 것이 아니라 후보를 걸러 주는 필요조건이다. 특이 구간은 그 필터가 아무것도 걸러내지 못하는 상황을 보여준다.
• 입력 상한을 아주 느슨하게 풀면 전역 최소 조건이 다시 정류점 조건으로 수렴한다는 설명은, 강화된 조건이 기존 조건의 일반화임을 보여준다.

자주 묻는 질문

관련 AI 소식