要旨: 本論文では、リー群上で進化する動力学系に対して、頑健な制御器を合成するための学習フレームワークを提案する。頑健制御収縮計量（RCCM）とニューラルフィードバック制御器を共同で学習し、リー群多様体上での収縮条件を強制する。こうしたRCCMおよびニューラル制御器の存在に関する十分条件を導出し、多様体構造によって課される幾何学的制約を尊重しながら、外乱に依存するチューブを設定して出力軌道を境界づけることを保証する。ケーススタディとして、本提案フレームワークを用いてクアッドロータのためのフィードバック制御器を設計する。性能は数値シミュレーションにより評価し、幾何学的制御器と比較する。
収縮法を用いたリ—群上のニューラルロバスト制御（拡張版）
arXiv cs.RO / 2026/4/3
💬 オピニオンIdeas & Deep AnalysisModels & Research
要点
- 本論文は、リ—群上で進化する動力学システムに対してロバスト制御器を設計するための学習フレームワークを提案し、ロバスト制御収縮メトリクス（RCCM）とニューラル・フィードバック制御器を共同で学習する。
- 幾何学的構造を尊重しつつ収縮制約を満たす、RCCMとニューラル制御器の存在に関する十分条件を導出する。
- 本フレームワークは、収縮挙動に結び付いたロバスト性保証を与える、外乱に依存する「チューブ」を出力軌道の境界として生成する。
- 四回転機（クアドロトール）の制御事例によりこの手法を示し、数値シミュレーションの結果を幾何学的制御器と比較する。
