[논문 리뷰] Moment-Driven Predictive Control of Mean-Field Collective Dynamics

G. Albi, M. Herty외 2명|arXiv (Cornell University)|2021. 01. 01.

Distributed Control Multi-Agent Systems인용 수 2

한 줄 요약

이 논문은 상호작용하는 에이전트 시스템의 평균장 집단 역학을 위한 순간 기반 예측 제어(MdPC) 프레임워크를 제안한다. 선형화된 리카티 기반 피드백 법칙을 동적 순간 감쇠 추정치를 통해 적응적으로 갱신함으로써, 최소한의 제어 업데이트로도 대규모 상호작용 시스템을 안정적이고 계산 효율적으로 제어할 수 있으며, 제한된 피드백 조건에서도 거의 최적의 성능을 달성한다. 이는 군집, 공감, 집합 동역학에서 검증되었다.

ABSTRACT

The synthesis of control laws for interacting agent-based dynamics and their mean-field limit is studied. A linearization-based approach is used for the computation of sub-optimal feedback laws obtained from the solution of differential matrix Riccati equations. Quantification of dynamic performance of such control laws leads to theoretical estimates on suitable linearization points of the nonlinear dynamics. Subsequently, the feedback laws are embedded into nonlinear model predictive control framework where the control is updated adaptively in time according to dynamic information on moments of linear mean-field dynamics. The performance and robustness of the proposed methodology is assessed through different numerical experiments in collective dynamics.

연구 동기 및 목표

• 비선형 평균장 역학에 의해 지배되는 대규모 상호작용 에이전트 시스템을 위한 부분 최적 피드백 제어 법칙을 설계하기 위해.
• 국소 선형화로부터 유도된 선형 제어 법칙을 사용하여 비선형 시스템을 안정화하는 데 도전하는 것.
• 동적 순간 추정치를 활용하여 예측 제어의 제어 업데이트 빈도를 줄이는 것.
• 최소한의 피드백으로도 성능을 유지하면서 고차원 시스템에 적합한 강건하고 확장 가능한 제어 프레임워크를 개발하기 위해.
• 순간 감쇠의 이론적 및 수치적 분석을 통해 제어 전략의 성능와 강건성을 정량화하기 위해.

제안 방법

• 국소 평형 상태 주변에서 상호작용 커널을 선형화하여 선형-제곱 최적 제어 문제를 유도한다.
• 유도된 미분 행렬 리카티 방정식을 해결하여 부분 최적 피드백 제어 법칙을 도출한다.
• 선형 피드백 법칙을 비선형 평균장 역학에 통합하여 닫힌 루프 제어를 구현한다.
• 두 번째 순서 순간 감쇠의 동적 추정치를 기반으로 제어 업데이트를 트리거하는 새로운 순간 기반 예측 제어(MdPC) 프레임워크를 도입한다.
• 개방 루프에서 닫힌 루프 제어로의 전환을 가능하게 하는 허용 오차 파rameter δ를 사용하며, 순간 진화에 따라 업데이트 빈도를 조정한다.
• 1D 및 2D에서의 공감, 정렬, 집합 동역학을 포함한 수치 실험에 제어 전략을 적용한다.

실험 결과

연구 질문

• RQ1 비선형 평균장 역학을 갖는 상호작용 에이전트 시스템에 대해 부분 최적 피드백 제어 법칙을 효율적으로 합성할 수 있는 방법은 무엇인가?
• RQ2 선형화 오차는 제어 성능에 어떤 영향을 미치며, 시간이 지남에 따라 이를 어떻게 완화할 수 있는가?
• RQ3 동적 순간 추정치를 사용하여 예측 제어 프레임워크에서 제어 업데이트를 지능적으로 스케줄링할 수 있는가?
• RQ4 제안된 MdPC 전략은 개방 루프 및 닫힌 루프 제어 접근 방식과 비교해 성능 및 업데이트 빈도 측면에서 어떻게 다른가?
• RQ5 고차원 집단 역학에서 제어 업데이트 시점 결정에 있어 순간 감쇠를 신뢰할 수 있는 지표로 사용할 수 있는 정도는 어느 정도인가?

주요 결과

• 공감 동역학 테스트에서 δ = 1e-8인 MdPC(σ²)는 최종 분산 σ²[g](T) = 3.3371e-08을 달성하여 닫힌 루프 성능과 매우 유사하였다.
• 집합 동역학의 경우, δ = 0.1인 MdPC(σ²)는 총 단계의 1%만을 제어 업데이트로 사용하였고, σ²[g](T) = 1.6875e-09를 달성하였다.
• 집합 동역학에서 δ = 1e-9일 때 비용 기능 J∆t,Ns는 2.9750으로 수렴하여 이론적 최소값에 가까워졌다.
• MdPC 프레임워크는 매우 적은 업데이트로도 강건성을 보였으며, 테스트 3에서는 단 1%의 단계에서만 업데이트가 필요했지만, 성능는 거의 최적에 가까웠다.
• 순간 감쇠를 동적 업데이트 기준으로 사용함으로써, 훨씬 적은 제어 업데이트로도 거의 닫힌 루프 성능을 달성하였다.
• 이론적 및 수치적 분석을 통해 순간 감쇠가 적응형 제어 업데이트 스케줄링을 위한 신뢰할 수 있고 계산 효율적인 지표임을 확인하였다.