# Co-Learning Port-Hamiltonian Systems and Optimal Energy-Shaping Control

### 저자

Ankur Kamboj, Biswadip Dey, Vaibhav Srivastava

### 💡 개요

본 연구는 포트-해밀토니안(pH) 시스템의 에너지 성형 제어를 위한 물리학 정보 기반 학습 프레임워크를 제안합니다. 제안된 접근 방식은 정책 인식 데이터 수집을 통한 교대 최적화를 통해 pH 시스템 모델과 최적 에너지 균형 수동 기반 제어기(EB-PBC)를 공동 학습합니다.

### 🔑 시사점 및 한계

- **해석 가능한 제어기 학습:** 신경망을 사용하여 pH 동역학과 EB-PBC 구조를 임베딩함으로써, 제어기의 에너지 상호작용에 대한 해석력을 높였습니다.

- **안정성 보장 및 성능 향상:** 학습된 제어기는 폐루프 시스템을 본질적으로 수동적이고 안정적으로 만들며, 자연적인 잠재력을 상쇄하지 않고 플랜트의 수동적 동역학을 활용합니다. 또한, 소멸 정규화를 통해 훈련 중 엄격한 에너지 감쇠를 강제하여 시뮬레이션-실제 간극에 대한 강건성을 향상시킵니다.

- **향후 과제:** 제안된 프레임워크는 다양한 페로 연필 시스템에 대해 검증되었지만, 더 복잡하고 고차원적인 시스템으로의 확장 가능성 및 다양한 종류의 동적 노이즈에 대한 견고성 확보에 대한 추가적인 연구가 필요합니다.

[PDF 보기](https://arxiv.org/pdf/2604.26172)

For the site tree, see the [root Markdown](https://slashpage.com/haebom.md).