Stein変分不確実性適応型モデル予測制御

要旨: 潜在的なパラメトリック不確実性を伴う非線形動力学システムに対して、Stein 分散変分（Stein variational）分布ロバスト制御器を提案します。本手法は、タスク依存の不確実性分布を決定論的な粒子ベース近似で扱うことで、保守的な最悪ケースの曖昧さ集合（ambiguity-set）最適化に代わるものです。これにより、閉ループ性能に最も強く影響するパラメータの感度に制御器が集中できるようになります。本手法は、最適制御と Stein 変分推論を結合することで、潜在的なパラメータ不確実性に対してロバストな制御器をもたらし、不確実性モデルに対する制約の強いパラメトリック仮定を回避しつつ、計算の並列性を維持します。最悪ケース設計によって名目性能（nominal performance）を犠牲にし得る従来の DRO（分布ロバスト最適化）と対照的に、我々は本アプローチが、タスク目的に対して最も重要な関連する不確実性の周りに制御則を形作ることで、ロバスト性を達成できることを見出します。提案する枠組みはしたがって、パラメータ不確実性を伴う幅広いクラスの制御システムに対して、ロバスト制御と変分推論を単一の意思決定論的な定式化で両立させます。代表的な制御問題に対して本アプローチを示し、名目、アンサンブル、ならびに従来の分布ロバスト基準と比較して、性能とロバスト性のトレードオフが実験的に改善されることを示します。