ニューラル制御：平衡制約による随伴学習

arXiv cs.RO / 2026/5/6

📰 ニュースDeveloper Stack & InfrastructureIdeas & Deep AnalysisModels & Research

共有:

要点

本論文は、平衡制約によって構成が暗黙に決まる物理系の制御問題を扱い、境界のアクチュエーション条件が同じでも複数平衡状態（マルチステイブル）により非線形に振る舞い得る点を問題にしています。
提案手法「Neural Control」は、平衡方程式を随伴（アジョイント）定式化で微分することで、平衡ソルバの反復を逐次アンロールして逆伝播する代わりに、メモリ効率と計算効率の高い軌道依存のプロキシ勾配を計算します。
長い予見区間でのロバスト性のため、これらの感度推定を後退予測（receding-horizon）のMPCに統合し、最適化を実現された平衡状態に繰り返し再アンカーして、バシン切り替え（basin-switching）を抑えます。
シミュレーションと、変形可能な線状物体（DLO）のロボット操作実験の両方で、SPSAやCEMのような勾配不要手法より性能が向上することを示しています。