[논문 리뷰] Random Finite Set Theory and Optimal Control for Large Spacecraft Swarms.

Bryce Doerr, Richard Linares외 2명|arXiv (Cornell University)|2018. 10. 01.

Distributed Control Multi-Agent Systems인용 수 3

한 줄 요약

이 논문은 모델 예측 제어(MPC)와 반복 선형 정규화 제어(ILQR)를 활용하여 불확실성과 계산 복잡성을 관리하는, 랜덤 유한집합(RFS) 이론 기반의 최적 제어 프레임워크를 대형 우주선 스웜 제어에 제안한다. ILQR를 통한 효율성 향상으로 목표 위치로 스웜 강도를 성공적으로 이끌었으며, 우주선 상대 운동 시뮬레이션을 통해 검증되었다.

ABSTRACT

Controlling large swarms of robotic agents has many challenges including, but not limited to, computational complexity due to the number of agents, uncertainty in the functionality of each agent in the swarm, and uncertainty in the swarm's configuration. This work generalizes the swarm state using Random Finite Set (RFS) theory and solves the control problem using model predictive control (MPC) which naturally handles the challenges. To determine more computationally efficient solutions, iterative linear quadratic regulator (ILQR) is also explored. This work uses information divergence to define the distance between swarm RFS and a desired distribution. A stochastic optimal control problem is formulated using a modified L2^2 distance. Simulation results using MPC and ILQR show that swarm intensities converge to a target destination, and the RFS control formulation can vary in the number of target destinations. ILQR also provides a more computationally efficient solution to the RFS swarm problem when compared to the MPC solution. Lastly, the RFS control solution is applied to the spacecraft relative motion problem showing the viability for this real-world scenario.

연구 동기 및 목표

• 대규모 로봇 우주선 스웜 제어의 계산 및 불확실성 과제를 해결한다.
• 불확실한 에이전트 수와 구성 상태를 표현하기 위해 RFS 이론을 활용해 스웜 상태에 대한 확률적 최적 제어 문제를 수립한다.
• 실시간 적용 가능성을 위해 MPC와 ILQR를 활용해 계산 효율적인 제어 해법을 개발한다.
• 실제 우주선 상대 운동 시나리오에서 RFS 제어 프레임워크를 검증한다.
• 계산 효율성 측면에서 ILQR가 MPC보다 얼마나 향상되었는지 성능 향상을 정량화한다.

제안 방법

• 불확실한 에이전트 수와 공간적 구성 상태를 모델링하기 위해 스웜 상태를 랜덤 유한집합(RFS)으로 표현한다.
• 정보 발산과 수정된 L2^2 거리 측정을 통해 제어 비용을 정의하여 실제 분포와 목표 RFS 분포 간의 이탈을 측정한다.
• 수축하는 수평 최적화를 통해 확률적 최적 제어 문제를 해결하기 위해 모델 예측 제어(MPC)를 구현한다.
• RFS 기반 제어에 있어 MPC의 계산 비용을 줄일 수 있는 효율적인 대안으로 반복 선형 정규화 제어(ILQR)를 탐색한다.
• 상대 우주선 운동의 동역학 모델링을 고려해 연속 공간에서 제어 문제를 수립한다.
• 시뮬레이션을 통해 MPC 및 ILQR 하에서 스웜 강도가 목표 위치로 수렴하는지 평가한다.

실험 결과

연구 질문

• RQ1 어떻게 RFS 이론을 효과적으로 대규모 우주선 스웜의 불확실한 구성원 수와 구성 상태를 모델링하고 제어하는 데 적용할 수 있는가?
• RQ2 불확실성 하에서 RFS 기반 스웜 시스템에 대해 MPC가 얼마나 강건한 제어 성능을 제공하는가?
• RQ3 RFS 스웜 제어에서 ILQR는 MPC와 비교해 유사한 제어 성능을 달성하면서도 현저히 낮은 계산 비용을 확보할 수 있는가?
• RQ4 RFS 제어 공식화는 스웜 제어 문제에서 목표 위치 수의 변화를 어떻게 처리하는가?
• RQ5 제안된 RFS 제어 프레임워크는 실제 우주선 상대 운동 시나리오에서 얼마나 실현 가능한가?

주요 결과

• RFS 기반 제어 공식화는 목표 수가 변할 경우에도 스웜 강도를 목표 위치로 성공적으로 이끌어낸다.
• 모델 예측 제어(MPC)는 스웜 강도가 목표 분포로 안정적으로 수렴함을 보였다.
• 반복 선형 정규화 제어(ILQR)는 동일한 RFS 제어 문제에 대해 MPC보다 더 계산 효율적인 해법을 제공한다.
• 정보 발산과 수정된 L2^2 거리의 사용은 실제 스웜 분포와 목표 분포 간의 이격을 효과적으로 측정할 수 있게 한다.
• RFS 제어 프레임워크는 우주선 상대 운동 시나리오에서 검증되어 실제 우주 임무에의 실용적 적용 가능성을 입증했다.
• 시뮬레이션 결과는 MPC 및 ILQR 모두 수렴을 달성하며, ILQR는 성능과 계산 부담 사이에 유리한 트레이드오프를 제공함을 확인했다.