본 논문은 불확실한 비선형 시스템을 위한 실시간 강건 최적 제어 (real-time robust optimal control)를 연구합니다. 여기서 선형 시변 (LTV, linear time-varying) 근사는 계획 (planning)을 실행 가능하게 만들지만, 강건한 제약 조건 만족을 보장하기 위해서는 타당한 선형화 오차 경계 (LEB, linearization error bounds)가 필요합니다. 우리는 비선형 및 신경망 (NN, neural network) 동역학의 LTV 근사를 위해 정밀하고 미분 가능한 GPU 병렬 LEB를 개발합니다. 해석적 동역학 (analytic dynamics)의 경우, 표준 구간 방법 (interval methods)보다 더 정밀한 경로 기반 헤시안 경계 (path-based Hessian bounds)를 도입합니다. NN 동역학의 경우, NN 검증기 (NN verifier)가 생성한 아핀 완화 (affine relaxations) 및 국소 자코비안 보정 (local Jacobian corrections)을 사용하여 인증된 LEB를 도출합니다. 우리는 GPU 병렬 시스템 수준 합성 LTV 기반 강건 제어 솔버 (GPU-parallel system-level synthesis LTV-based robust control solver)를, 우역행렬 (right-invertible) 교란 행렬과 정밀한 존토픽 불확실성 전파 (zonotopic uncertainty propagation)를 위한 비제로 중심 교란 집합 (non-zero-centered disturbance sets)을 처리할 수 있도록 확장함으로써 이러한 LEB와 호환되도록 조정합니다. 우리의 방법인 GPUSLS-LEO는 선형화 오차를 고려하는 강건 피드백 정책의 온라인 최적화를 가능하게 하여, 정밀하고 형식적으로 검증된 도달 가능 튜브 (reachable tubes)를 생성합니다. 최대 168개의 상태 차원(state dimensions)을 가진 복잡한 비선형 및 NN 동역학에 대해, 우리의 방법은 GPU에서 최대 67 Hz의 속도로 강건 제어 정책을 계산할 수 있으며, 형식적 보장과 실시간 성능을 유지하면서 베이스라인 대비 계산 시간과 보수성 (conservativeness)을 줄입니다.