스탠퍼드 ASL이 CDC 2026에 제출한 Bilevel MPC for Linear Systems를 정리했어요. 상위 층이 목표를 정하고 하위 층이 그 목표를 따라가는 계층 제어 구조에서, 층을 나눈 대가가 얼마인지를 계산할 수 있게 만든 연구예요. 제어 인터페이스의 추상화 수준이 가르는 LLM의 로봇 조작 성능가 AI를 어느 층에 붙일지의 문제였다면, 이 논문은 층을 나눈 구조 자체가 최적성에서 무엇을 잃는지를 다뤄요. 구현은 깃허브에 공개돼 있어요.
계층 제어는 왜 흔한가
로봇이든 공정이든 제어기를 한 덩어리로 만드는 경우는 드물어요. 상위 층은 경제성이나 안전, 시스템 전체의 성능을 보고 어디로 갈지, 즉 참조 궤적이나 정상상태 목표를 정해요. 하위 층은 그 참조를 실제로 따라가는 일만 해요. 자동차, 마이크로그리드, 건물 공조, 우주선까지 이 구조가 널리 쓰이는 이유는 단순해요. 하위 문제를 선형 추종 MPC 같은 잘 정의된 볼록 문제로 유지하면 실시간으로 풀 수 있고, 상위 층은 느린 주기로 큰 판단만 하면 되니까요.
문제는 상위가 참조를 고를 때 하위가 그 참조에 어떻게 반응할지를 정확히 모른다는 점이에요. 하위 MPC는 제약을 만나면 지시받은 대로 움직이지 않아요. 그 반응을 무시하고 참조를 고르면, 각 층은 자기 문제를 최적으로 풀었는데 전체로는 최적이 아닌 결과가 나와요.
이중수준으로 쓰면 정확하지만 풀기 어려워요
이 상황을 정직하게 적으면 이중수준 최적화가 돼요. 상위 문제의 제약 안에 하위 최적화 문제가 통째로 들어가는 구조예요. 상위는 하위가 실제로 내놓을 최적 응답을 알고 참조를 고르게 되니 표현으로는 정확해요.
그런데 이걸 푸는 표준 방법인 KKT 재정식화가 문제를 망가뜨려요. 하위 문제의 최적성 조건을 상위 제약으로 바꿔 넣으면 상보성 조건이 따라 들어오는데, 이게 비볼록이고 종종 비평활한 구조를 만들어요. 실시간으로 풀어야 하고 결과를 검증해야 하는 제어에서는 쓰기 어려운 성질이에요. 논문의 수치 실험이 이 위험을 그대로 보여줘요. 나이브한 이중수준 정식화는 초기값을 0으로 주면 최적해를 찾지만, 무작위로 주면 최적해를 놓쳤어요. 비볼록성이 이론적 흠집이 아니라 실제로 답을 바꾼다는 뜻이에요.
상보성을 피하는 축약
제안된 해법은 하위 문제의 부등식 제약을 상위로 들어 올리고, 하위에는 정상성 조건만 남기는 거예요. 이렇게 하면 비평활함의 근원인 상보성 조건이 정식화에서 사라지고, 문제 전체가 매끄러운 단일수준 최적화가 돼요.
물론 표현을 바꿨으니 원래 문제와 같은 답을 준다는 보장이 필요해요. 논문은 블록 행렬의 비특이성이라는 조건을 제시하고, 그 조건이 성립하면 축약이 정확하다는 것을 보여요. 최적값도, 실제로 실현되는 입력 궤적도 원래의 이중수준 문제와 같아요. 이 조건은 미리 확인할 수 있는 형태라서 설계 시점에 검증할 수 있어요.
여기에 볼록성 가정이 더해지면 실현 입력의 최적해가 유일해지고, 그 해가 층을 나누지 않은 중앙집중 MPC의 해와 일치해요. 중앙집중 MPC에 대해 이미 알려진 폐루프 성질을 그대로 물려받을 수 있다는 의미예요. 정상상태 매개변수화도 S = [I − A, −B]의 영공간을 쓰는 방식이라, (I − A)의 역행렬이 필요 없어서 적분기를 포함하거나 조건수가 나쁜 플랜트에도 적용돼요.
계층과 이중수준을 잇는 다이얼
논문에서 가장 실용적인 부분은 계층 MPC와 이중수준 MPC를 하나의 스펙트럼으로 잇는 대목이에요. 기존 계층 MPC는 참조를 한 덩어리로 고정해 넘기는 구조인데, 이는 이중수준 문제에서 참조를 블록 하나로 묶은 특수한 경우로 볼 수 있어요. 블록을 잘게 쪼개는 정도, 즉 move-blocking의 세밀함을 다이얼처럼 돌리면 계층 MPC에서 이중수준 MPC까지 연속적으로 이동해요.
이 스펙트럼 위에서 최적값들의 순서 관계가 정해지고, 각 지점에서 성능이 얼마나 나빠지는지에 대한 사후 상한이 나와요. 이 상한은 원 문제보다 훨씬 낮은 차원의 양으로 계산되기 때문에 부담이 거의 없어요. 연산 여유가 적은 하드웨어에서 블록을 성글게 잡아 계산을 줄이면서, 그 선택이 성능을 얼마나 깎는지를 근거를 갖고 말할 수 있게 돼요.
적용 범위
검증은 위치와 속도를 상태로 갖는 2차원 선형 시스템 예제로 이론을 확인하고, 부록에서 Koopman EDMD로 선형화한 쿼드로터에 적용해요. 하위 MPC가 강볼록 이차계획이고 시스템이 선형이라는 가정 위에 서 있는 결과라, 접촉이 섞인 조작이나 비선형 동역학을 그대로 다루는 상황에는 바로 옮겨지지 않아요.
그래도 로봇 제어가 플래너와 트래커로 나뉘어 있는 한 이 질문은 계속 따라와요. 그 분리가 공짜인지, 얼마를 지불하는 것인지를 계산해서 답할 수 있게 됐다는 게 이 논문의 기여예요.