Region of attraction
- También llamado: ROA, basin of attraction, domain of attraction
- Categoría: Control › Feedback control
- Etiquetas: stability, nonlinear-control, lyapunov-analysis, verification, control-theory
El conjunto de estados iniciales desde los que un sistema en lazo cerrado converge a un equilibrio o punto de consigna dado; mide cuánto puede perturbarse un controlador y aun así recuperarse.
Definición
Para un sistema dinámico bajo un controlador fijo, la región de atracción (region of attraction, ROA) de un equilibrio es el conjunto de todos los estados iniciales cuyas trayectorias convergen a ese equilibrio con el tiempo. Los resultados de estabilidad local, como linealizar alrededor de una postura erguida y encontrar autovalores estables, solo dicen que el equilibrio atrae los estados de algún entorno no especificado; la región de atracción dice cuán grande es realmente ese entorno. En sistemas no lineales con límites de los actuadores suele estar acotada y a menudo tiene forma irregular, y puede ser mucho más pequeña de lo que sugiere un análisis lineal. La misma idea se aplica a movimientos periódicos como una marcha, donde la cuenca de atracción es el conjunto de estados que convergen al ciclo límite.
La región de atracción exacta rara vez puede calcularse, así que los ingenieros trabajan con aproximaciones interiores que tienen garantizado estar dentro de ella. La herramienta estándar es una función de Lyapunov V(x): si V decrece a lo largo de las trayectorias en todo un conjunto de subnivel {x : V(x) ≤ ρ}, ese conjunto está dentro de la región de atracción. Para dinámicas polinómicas, la programación de sumas de cuadrados puede buscar el mayor ρ certificado, o la propia V. La simulación y el muestreo dan estimaciones más rápidas pero no certificadas, y los métodos basados en aprendizaje entrenan funciones de Lyapunov neuronales. Para los controladores LQR, el coste por recorrer (cost-to-go) cuadrático es un candidato natural a función de Lyapunov, y el análisis comprueba hasta dónde se extienden sus conjuntos de nivel antes de que las no linealidades o los límites de par rompan la condición de decrecimiento.
Las regiones de atracción hacen que los controladores sean componibles. En la composición secuencial, cada controlador o primitiva de movimiento se usa solo cuando el estado está dentro de su región de atracción, y el conjunto objetivo de un controlador se sitúa dentro de la región de atracción del siguiente, de modo que un planificador puede encadenarlos con garantías. Los LQR-Trees construyen un árbol de trayectorias estabilizadas cuyos embudos verificados cubren juntos un rango de estados iniciales. El artículo sobre locomoción con patas de nuestro sitio aplica el mismo principio a un grafo de primitivas de movimiento, donde la región de atracción de cada primitiva determina qué transiciones son seguras.
Por qué importa
Un controlador solo es útil si el robot empieza, y permanece, dentro de los estados de los que puede recuperarse. La región de atracción cuantifica esa robustez, orienta cuándo cambiar de controlador y convierte las afirmaciones de estabilidad local en garantías que un planificador puede usar.
Aplicaciones clave
- Verificación de controladores estabilizadores para sistemas subactuados
- Recuperación ante empujones y cambio entre estrategias de equilibrio en robots con patas
- Composición secuencial de controladores y primitivas de movimiento
- Planificación de movimiento con realimentación mediante embudos verificados
- Análisis de seguridad de controladores aprendidos
En la práctica
Un equipo que diseña un controlador de equilibrio de pie para un cuadrúpedo quiere saber qué empujón puede soportar. Simula muchos estados iniciales perturbados, variando la velocidad y la inclinación de la base, y registra cuáles vuelven a la postura de pie; la frontera entre las muestras que convergen y las que fallan da una región de atracción empírica. Para un modelo reducido también calcula una aproximación interior certificada a partir de una función de Lyapunov. En el robot, un supervisor compara el estado estimado con esta región y cambia a un controlador de pasos siempre que el estado sale de ella, en lugar de dejar que el controlador de pie intente recuperarse de un empujón que no puede manejar.
Ideas erróneas comunes
- Una linealización estable significa que el robot es estable en todas partes — el análisis lineal solo garantiza la convergencia en algún entorno, que puede ser muy pequeño cuando actúan los límites de par y las no linealidades
- Un conjunto de subnivel de Lyapunov es la región de atracción — es una aproximación interior; la región real suele ser mayor
- La región de atracción es una propiedad del robot solo — depende del controlador y de sus límites además de la dinámica, y cambia cuando cambian las ganancias o los límites de saturación
Quién debería saberlo
- Ingenieros de control que diseñan controladores estabilizadores
- Desarrolladores de robots con patas y robots humanoides que trabajan en el equilibrio
- Investigadores en control seguro y verificado
- Ingenieros de planificación que componen controladores o primitivas de movimiento
Tecnologías relacionadas
- Funciones de Lyapunov (Lyapunov Functions)
- Programación de sumas de cuadrados (Sums-of-Squares Programming)
- LQR-Trees
- Funciones de Lyapunov neuronales (Neural Lyapunov Functions)
- Drake