7.60 범함수의 정의와 변분 문제의 구성

1. 범함수의 정의

1.1 함수와 범함수의 구분

함수(function)는 수의 집합에서 수의 집합으로의 대응이다. 예를 들어, $f: \mathbb{R} \to \mathbb{R}$ 는 실수를 실수로 대응시킨다. 이에 반하여 범함수(functional)는 함수의 집합에서 실수로의 대응이다.

$J: \mathcal{F} \to \mathbb{R}$

여기서 $\mathcal{F}$ 는 적절한 함수 공간이다. 범함수는 하나의 함수 전체를 입력으로 받아 하나의 실수값을 출력한다.

1.2 적분형 범함수

변분법에서 가장 중요한 범함수 유형은 적분형 범함수이다. 가장 기본적인 형태는 다음과 같다.

$J[y] = \int_{t_0}^{t_f} L(t, y(t), \dot{y}(t))\,dt$

여기서 $L(t, y, \dot{y})$ 는 라그랑지안(Lagrangian) 또는 피적분 함수(integrand)라 하며, 시간 $t$ , 함수값 $y$ , 도함수 $\dot{y}$ 의 세 변수에 대한 연속 함수이다. 대괄호 $[\cdot]$ 는 $J$ 가 함수 $y(\cdot)$ 에 대한 범함수임을 나타내는 관례적 표기이다.

1.3 로봇공학에서의 범함수 예시

로봇공학에서 등장하는 범함수의 대표적 예시는 다음과 같다.

궤적 길이: 경로 $\mathbf{r}(t)$ 의 총 길이는 다음의 범함수이다.

$J[\mathbf{r}] = \int_{t_0}^{t_f} \lVert\dot{\mathbf{r}}(t)\rVert\,dt$

에너지 소비: 관절 토크 $\boldsymbol{\tau}(t)$ 에 의한 총 에너지 소비는 다음과 같다.

$J[\boldsymbol{\tau}] = \int_{t_0}^{t_f} \boldsymbol{\tau}(t)^T\boldsymbol{\tau}(t)\,dt$

작용(action): 해밀턴의 원리에서 라그랑지안의 시간 적분이다.

$S[\mathbf{q}] = \int_{t_0}^{t_f} \mathcal{L}(\mathbf{q}, \dot{\mathbf{q}}, t)\,dt$

여기서 $\mathcal{L} = T - U$ 는 운동 에너지와 포텐셜 에너지의 차이다.

2. 허용 함수의 공간

2.1 경계 조건

변분 문제에서 범함수를 평가하는 함수 $y(t)$ 는 주어진 경계 조건을 만족하여야 한다. 가장 기본적인 형태는 양단 고정 경계 조건(fixed endpoint conditions)이다.

$y(t_0) = y_0, \quad y(t_f) = y_f$

이 경계 조건을 만족하는 함수의 집합을 허용 함수 공간(space of admissible functions)이라 한다.

$\mathcal{F} = \{y \in C^2[t_0, t_f] : y(t_0) = y_0, \, y(t_f) = y_f\}$

여기서 $C^2[t_0, t_f]$ 는 $[t_0, t_f]$ 구간에서 2차 연속 도함수를 갖는 함수의 공간이다.

2.2 로봇 궤적에서의 경계 조건

로봇 궤적 계획에서 경계 조건은 시작 상태와 목표 상태를 규정한다.

$\mathbf{q}(t_0) = \mathbf{q}_0, \quad \mathbf{q}(t_f) = \mathbf{q}_f$

속도 경계 조건이 추가되면 다음과 같다.

$\dot{\mathbf{q}}(t_0) = \dot{\mathbf{q}}_0, \quad \dot{\mathbf{q}}(t_f) = \dot{\mathbf{q}}_f$

정지 상태에서 출발하여 정지 상태에 도달하는 경우 $\dot{\mathbf{q}}_0 = \dot{\mathbf{q}}_f = \mathbf{0}$ 이다.

3. 변분의 정의

3.1 함수의 변분

허용 함수 $y(t)$ 에 대한 변분(variation) $\delta y(t)$ 는 함수 공간에서의 미소 섭동(infinitesimal perturbation)이다. 섭동된 함수를 $\bar{y}(t) = y(t) + \epsilon\eta(t)$ 로 표현한다. 여기서 $\epsilon$ 은 미소 스칼라이고, $\eta(t)$ 는 경계 조건을 만족하는 임의의 함수이다.

$\eta(t_0) = 0, \quad \eta(t_f) = 0$

경계 조건에서의 섭동이 영이므로, 변분 $\delta y = \epsilon\eta$ 도 경계에서 영이다. 이는 허용 함수 공간 내에서의 섭동만을 고려하는 것이다.

3.2 범함수의 변분

범함수 $J[y]$ 의 1차 변분(first variation) $\delta J$ 는 다음과 같이 정의된다.

$\delta J = \lim_{\epsilon \to 0} \frac{J[y + \epsilon\eta] - J[y]}{\epsilon} = \frac{d}{d\epsilon}J[y + \epsilon\eta]\bigg\vert_{\epsilon = 0}$

이는 일반 함수의 미분에서 방향 도함수(directional derivative)에 해당하는 개념이다. $\delta J$ 는 $\eta(t)$ 의 선택에 의존하며, $y(t)$ 에서의 $J$ 의 방향별 변화율을 나타낸다.

4. 변분 문제의 정식화

4.1 극값 문제

변분 문제(variational problem)의 기본 형태는 범함수의 극값(극소 또는 극대)을 달성하는 함수를 찾는 것이다.

$\min_{y \in \mathcal{F}} J[y] = \min_{y \in \mathcal{F}} \int_{t_0}^{t_f} L(t, y, \dot{y})\,dt$

경계 조건 $y(t_0) = y_0$ , $y(t_f) = y_f$ 하에서 이 범함수를 최소화(또는 최대화)하는 함수 $y^*(t) \in \mathcal{F}$ 를 극값 함수(extremal)라 한다.

4.2 정상 조건

범함수 $J[y]$ 가 $y^*$ 에서 극값을 가지면, 모든 허용 변분 $\eta$ 에 대하여 1차 변분이 영이어야 한다.

$\delta J = 0, \quad \forall\eta$

이는 일반 함수의 극값에서 도함수가 영이라는 조건의 함수 공간 일반화이다. 이 정상 조건(stationarity condition)으로부터 극값 함수가 만족하여야 하는 미분 방정식이 유도된다.

5. 다변수 범함수

5.1 벡터 함수에 대한 범함수

$n$ 차원 벡터 함수 $\mathbf{y}(t) = [y_1(t), y_2(t), \ldots, y_n(t)]^T$ 에 대한 범함수는 다음과 같다.

$J[\mathbf{y}] = \int_{t_0}^{t_f} L(t, \mathbf{y}, \dot{\mathbf{y}})\,dt$

여기서 $L(t, \mathbf{y}, \dot{\mathbf{y}})$ 는 $2n + 1$ 개의 변수를 갖는 스칼라 함수이다. 로봇 매니퓰레이터의 $n$ 개 관절에 대한 궤적 최적화는 이 형태의 범함수를 최소화하는 문제이다.

5.2 고차 도함수를 포함하는 범함수

$\ddot{y}$ 와 같은 고차 도함수를 포함하는 범함수도 고려할 수 있다.

$J[y] = \int_{t_0}^{t_f} L(t, y, \dot{y}, \ddot{y})\,dt$

최소 스냅 궤적 생성에서는 4차 도함수(스냅, snap)의 제곱 적분을 최소화하는 범함수가 등장한다.

$J[\mathbf{q}] = \int_{t_0}^{t_f} \lVert\mathbf{q}^{(4)}(t)\rVert^2\,dt$

6. 변분 문제의 유형

6.1 최소 시간 문제

시작점에서 목표점까지의 이동 시간을 최소화하는 문제이다.

$\min J = \int_{t_0}^{t_f} 1 \, dt = t_f - t_0$

여기서 $t_f$ 는 자유 종단 시각이다. 이 문제에서는 종단 시각 자체가 최적화 변수가 된다.

6.2 최소 에너지 문제

시작점에서 목표점까지 이동하는 데 소비되는 에너지를 최소화하는 문제이다.

$\min J = \int_{t_0}^{t_f} \boldsymbol{\tau}^T\boldsymbol{\tau} \, dt$

토크의 제곱 합이 에너지의 근사적 측도로 사용된다.

6.3 등시간 문제

주어진 시간 구간 $[t_0, t_f]$ 에서 특정 성능 지표를 최소화하면서 경계 조건을 만족하는 궤적을 찾는 문제이다. 최소 가가속도(jerk) 궤적이 이 유형에 해당한다.

$\min J = \int_{t_0}^{t_f} \lVert\dddot{\mathbf{q}}(t)\rVert^2\,dt$

7. 요약

범함수는 함수 공간에서 실수로의 대응으로, 변분법의 기본 대상이다. 변분은 함수 공간에서의 미소 섭동이며, 범함수의 1차 변분이 영이 되는 조건이 극값 함수를 결정하는 정상 조건이다. 로봇공학에서 범함수는 궤적 길이, 에너지 소비, 작용 적분 등 다양한 성능 지표로 나타나며, 이들의 극값을 구하는 변분 문제는 최적 궤적 계획과 동역학 모델링의 수학적 기초를 형성한다. 경계 조건의 설정은 로봇의 시작 상태와 목표 상태를 규정하며, 허용 함수 공간의 정의에 핵심적인 역할을 한다.

참고 문헌

Gelfand, I. M. & Fomin, S. V. (2000). Calculus of Variations. Dover Publications.
Liberzon, D. (2012). Calculus of Variations and Optimal Control Theory: A Concise Introduction. Princeton University Press.
Kirk, D. E. (2004). Optimal Control Theory: An Introduction. Dover Publications.
Betts, J. T. (2010). Practical Methods for Optimal Control and Estimation Using Nonlinear Programming (2nd ed.). SIAM.
Siciliano, B., Sciavicco, L., Villani, L., & Oriolo, G. (2009). Robotics: Modelling, Planning and Control. Springer.

version: 0.1.0