연구진이 조건부 가역 신경망(cINN)을 멀티로터 제어를 위한 확률적 역동학 모델로 연구했어요. 2차원 동축 멀티로터에 대해, INDI(Incremental Nonlinear Dynamic Inversion) 모델을 활용해 제어 입력을 학습했어요. 실험 결과, 개방 루프 재현성은 R^2 0.944, CRPS 0.0915, 로그 확률 오차 상관관계 -0.60을 달성했어요.
폐루프 시나리오 15개에서 위치 RMSE는 INDI와 유사한 수준(9.7 vs. 9.5 m)을 보였으며, 제어 성능은 47% 수준이었어요. 실패 원인은 공격적인 제어 단계에서 자세 불일치, 고주파 레퍼런스에서 위상 지연으로 분석돼요.
명령 대역폭과 데이터 커버리지가 주요 실패 메커니즘으로 확인돼, cINN 기반 제어 시스템의 한계와 개선 방향을 제시했어요.