본 논문은 미지의 역학, 액추에이터 고장 및 제한된 외란 하에서 행렬 리 군 상에서 진화하는 시스템을 위한 기하학적 신경망 기반 추적 제어기를 제시합니다. 벡터 공간 $\R^{N\times N}$의 임베디드 부분다양체로 간주되는 행렬 리 군의 탄젠트 번들의 좌불변성을 활용하여, 리 군 구조와 본질적으로 호환되고 명시적인 매개변수화가 필요 없는 신경망 가중치에 대한 학습 규칙을 제안합니다. 리 군의 기하학적 특성을 활용하여, 이 방법은 매개변수화 특이점을 우회하고 최적 가중치에 대한 전역 탐색을 가능하게 합니다. 신경망 가중치, 좌표 없는 구성 오차 함수 및 추적 속도 오차를 포함한 모든 오차 신호의 궁극적 유계성은 Lyapunov의 직접법을 사용하여 확립됩니다. 제안된 방법의 효과를 검증하기 위해 특수 유클리드 군 상의 다중 에이전트 시스템의 분산 형성 제어에 대한 예시적인 시뮬레이션 결과를 제공합니다.
