⚡ electrical engineering

Simultaneous Online System Identification and Control using Composite Adaptive Lyapunov-Based Deep Neural Networks

本論文は、深層ニューラルネットワークのすべての層に対して複合適応リャプノフに基づく更新則を採用することで、不確実な非線形システムにおけるオンライン同定と軌道追従を同時に達成する新たな制御枠組みを提示し、これにより誤差の均一最終有界性と指数収束を保証するとともに、間欠的な状態フィードバックの喪失時においても堅牢な性能を実現する。

原著者： Omkar Sudhir Patil, Emily J. Griffis, Wanjiku A. Makumi, Warren E. Dixon

公開日 2026-05-25

📖 1 分で読めます☕ さくっと読める

CC BY 4.0

原著者： Omkar Sudhir Patil, Emily J. Griffis, Wanjiku A. Makumi, Warren E. Dixon

原論文は CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) でライセンスされています。 ✨ これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。免責事項の全文を読む

ロボットに綱渡りを教える様子を想像してください。そのロボットは、風や重力がどのように自分を押し動かすかを推測し、バランスを調整しようとする「脳」（深層ニューラルネットワーク、DNN）を持っています。

従来の方法の問題点
従来、エンジニアはこのロボット脳をオフラインで教育していました。何千回ものシミュレーションを実行させ、ロボットに学習させた後、その脳を固定（フリーズ）します。ロボットが実際の綱渡りを始めると、その脳は新しいことを学習できなくなります。風が予期せず変化した場合、ロボットはバランスを調整する術を知らない固定された脳のために転落する可能性があります。

より新しい方法では、ロボットが歩行しながら学習することを可能にしています。しかし、これらの方法は「綱の上にとどまること」のみを重視しています。脳内の設定をロボットが転ばないようにする程度に調整するだけであり、風が実際に何をしているかを脳に教えるわけではありません。ロボットは直立し続けるかもしれませんが、状況の物理法則を真に「理解」しているわけではありません。もしロボットが一時的にバランスセンサーを失った場合（例えば、突然の停電など）、風を予測して進み続ける方法を全く知りません。

新しい解決策：「二重任務」の脳
この論文は、ロボットが同時に二つのことを学習する新しい方法を導入しています：

綱の上にとどまる方法（追跡制御）。
風が実際にどのように機能するか（システム同定）。

これは、試験を受ける学生に例えられます。

従来の方法：学生は試験の特定の問題に対する答えを丸暗記するだけです。先生が少し異なる質問をすれば、学生は失敗します。
この論文の方法：学生は試験の問題を正しく答えるだけでなく、なぜその答えになるのかを説明する詳細な学習ガイドも書き留めます。後で先生が新しい質問をしても、学生はその学習ガイドを使って答えを導き出すことができます。

仕組み（比喩）
著者は、二重チェックシステムのように機能する特別な「学習則」（適応則）を作成しました：

「今」のチェック（追跡誤差）：ロボットは、自分がいる場所と、あるべき場所を比較します。もしずれていれば、経路を修正するために脳を調整します。これが標準的な方法です。
「もしも」のチェック（予測誤差）：これが魔法の部分です。ロボットは、ロボットの動きに基づいて風力が「あるべき」ものを推測する特別な「観測器」（もう一つの目）を持っています。この推測と、ロボットの脳が風をどう予測していたかを比較します。
- 脳の推測が間違っていれば、ロボットは経路を修正するだけでなく、将来の推測をより正確にするために、脳内のルールを書き換えます。

この二つのチェックを組み合わせることで、ロボットの脳は真の専門家となります。単に直立し続けるために手練手管を使うのではなく、システムの実際の物理法則を学習するのです。

「懐中電灯」の要件（励起の持続性）
この論文では、「励起の持続性（Persistence of Excitation: PE）」と呼ばれる条件に言及しています。暗い部屋の形を学ぼうとしている状況を想像してください。もし直線だけ歩けば、目の前の床のことしか分かりません。部屋全体を学ぶには、動き回り、壁に触れ、さまざまな方向を見る必要があります。

PEとは、ロボットが十分に動き回る（単に静止しているか、退屈なループを動くだけではない）ことを意味し、脳が風と重力の全体像を学習するのに十分な「データ」を得るために必要です。ロボットが十分に動けば、学習は驚くほど速く正確になります。

スーパーパワー：停電への耐性
この方法の最大の利点は、ロボットがセンサーを失ったとき（「綱」のセンサーが暗闇に消えたとき）に何が起こるかです。

従来の方法：センサーが故障すると、ロボットはパニックに陥ります。風を知らないため、転落します。
この方法：ロボットの脳がすでに「学習ガイド」（システム同定）を学習しているため、センサーがなくても風がどう動くかを予測できます。センサーが復旧するまで、学習したモデルを使って歩き続けることができます。

結果
著者は、この方法を二つのもの、すなわちロボットアーム（工場用ロボットのようなもの）と水中車両でテストしました。

精度：新しい方法は、従来の方法よりもロボットを経路に留めることがはるかに優れていました。
理解：ロボットの脳は、システムの物理法則をはるかに正確に学習しました。
回復力：センサーがオフにされた場合（停電をシミュレート）、新しい方法はロボットを安定させましたが、従来の方法は苦戦するか失敗しました。

まとめ
この論文は、ロボットに単にミスに反応するだけでなく、プレイしながら「ゲームのルール」を学習する脳を与えます。これにより、ロボットはより良いパフォーマンスを発揮し、環境を深く理解し、一時的に感覚を失っても働き続けることができます。

技術的概要：複合適応リャプノフベース深層ニューラルネットワークを用いた同時オンラインシステム同定と制御

問題定式化
深層ニューラルネットワーク（DNN）ベースの制御器は、不確実な非線形動的システムに対して広く利用されているが、従来のアプローチは通常、オフライン事前学習に依存している。これらのシナリオでは、DNN の重みは実行中に固定されるため、適応性が制限され、学習データセット外で動作する際のモデルの信頼性に関する懸念が生じる。一方、最近のリャプノフベース（Lb）適応制御手法は、軌道追跡を確保するためにオンラインでの重み更新を可能にするが、追跡誤差フィードバックのみに依存している。その結果、これらの手法は追跡誤差の収束を保証するものの、システム同定（パラメータ推定）に関する保証を提供できない。正確な同定がなされなければ、DNN は未探索の軌道に対して一般化できず、状態フィードバックの断続的な喪失中に不確実性を効果的に補償することができない。さらに、追跡誤差と予測誤差を組み合わせる複合適応則を DNN に拡張することは、DNN のパラメータ内非線形性（NIP）構造、すなわち内部層の重みがネストされた非線形活性化関数内に埋め込まれている構造のために、技術的に困難である。

手法
本論文は、2 次非線形システムに対する同時オンラインシステム同定と軌道追跡を行う複合適応 Lb-DNN 制御器を提案する。中核となる手法は以下の構成要素を含む：

動的状態微分オブザーバ：未知の状態微分に直接アクセスできないことによる予測誤差（実際のダイナミクスと DNN 推定値との差異）の取得の困難さに対処するため、動的状態微分オブザーバが設計される。このオブザーバは、利用可能な状態測定値と制御入力を用いてドリフト関数 $f(x, \dot{x})$ を推定し、適応則において未知の状態微分を必要としないようにする。
複合適応則：オブザーバによるドリフトの推定値を用いて、新たな予測誤差定式化が構築される。この予測誤差は追跡誤差と組み合わされ、最小二乗法に基づく複合適応則を形成する。
NIP 構造の処理：DNN のネストされた NIP 構造がもたらす課題を克服するため、適応則は DNN の重みに関するヤコビアンを利用する。DNN 出力に対して 1 階のテイラー級数展開を適用し、予測誤差をパラメータ推定誤差の観点で表現することで、非線形性にもかかわらず適応則を定式化可能にする。
安定性解析：統合されたリャプノフベースの安定性解析が実施される。この解析には、追跡誤差、状態微分推定誤差、および DNN 重み推定誤差が含まれる。パラメータ推定値が有界集合内に留まることを保証するために射影演算子を利用し、忘却因子を備えた時間変化する最小二乗ゲイン行列を採用する。

主要な貢献
本論文は、以下の主要な貢献を主張する：

同時同定と制御に関する初の結果：本作業は、DNN の全層に対してオンライン更新を用いて、非線形システムにおける同時オンラインシステム同定と軌道追跡を達成する初の結果を提示する。
新規な予測誤差定式化：動的状態微分オブザーバに基づく予測誤差の開発。これは追跡誤差と統合され、NIP 不確実性に適した複合適応則を構築する。
安定性の保証：解析により、追跡誤差、状態微分推定誤差、および DNN 重み推定誤差が均一最終有界（UUB）であることが証明される。
PE 下での指数収束：持続励起（PE）条件の下で、追跡誤差と重み推定誤差が原点の近傍へ指数関数的に収束することが示される。この近傍の大きさと収束速度は、制御ゲインと PE 因子に依存する。
断続的フィードバックへの一般化：正確なシステム同定を達成することで、同定された DNN モデルは時間的に前方へ伝播させ、十分な滞留時間条件が満たされれば、状態フィードバックの断続的な喪失中に不確実なダイナミクスを予測し補償することが可能となる。

結果
比較シミュレーションは、2 リンクロボットマニピュレータと無人水中ビークル（UUV）の 2 つのシステムに対して実施された。

ロボットマニピュレータ：開発された複合適応 Lb-DNN 制御器は、追跡誤差ベースの適応 Lb-DNN、オブザーバベースの擾乱除去制御器、非線形 PD 制御器、および非線形モデル予測制御（MPC）と比較して、著しい性能向上を示した。具体的には、複合手法は追跡誤差ベースの基準と比較して、二乗平均平方根（RMS）追跡誤差を約 50% 削減し、テストデータセットにおける平均関数近似誤差を 72% 改善した。これは優れた一般化能力を示している。制御努力は基準と同等かそれ以下であった。
無人水中ビークル（UUV）：状態フィードバックの断続的な喪失を伴うシミュレーションにおいて、複合適応 Lb-DNN はすべての基準に対して優れた追跡性能を維持した。追跡誤差ベースの手法はパラメータ推定の保証が欠如しているため、フィードバック喪失中に予測が急速に発散したのに対し、複合手法はドリフトダイナミクスを成功裏に予測し補償した。オブザーバベースのアプローチはフィードバックが利用可能な場合には同程度の性能を示したが、フィードバック喪失中は著しく劣化し、より高い制御努力を必要とした。

意義
本論文は、この作業が、制御器が単に軌道を追跡するだけでなく、基礎となるシステムダイナミクスも学習する堅牢な適応制御への基礎的な一歩を提供すると主張する。パラメータ推定を確保することで、同定されたモデルは探索された軌道を超えて一般化する能力を獲得する。この能力は、システムが安定性を維持するために内部モデルに依存しなければならない、センサー故障の断続的な発生を伴う安全クリティカルな応用において決定的に重要である。結果は、追跡誤差最小化のみに焦点を当てる手法と比較して、複合適応を介してシステム同定を制御ループに直接統合することが、追跡精度と動的補償の両面で目に見える性能上の利益をもたらすことを示している。

関連論文