Distributionally robust two-stage model predictive control: adaptive constraint tightening with stability guarantee

本論文は、分布が未知の擾乱に対して制約違反ペナルティを第二段階の最適化問題として定式化し、適応的な制約tighteningと終端制約による安定性を両立させる、新しい二段階分布ロバストモデル予測制御（TSDR-MPC）手法を提案し、その理論的保証と数値シミュレーションによる有効性を示しています。

要約

1. 従来の方法の「悩み」

自動運転車が道路を走る際、突風（外乱）が吹くことはよくあります。この「風」をどう扱うかで、これまでの制御技術には 2 つの大きな悩みがありました。

• 方法 A：「最悪の事態」を想定する（Robust MPC）
  • 考え方： 「風が最大級の強さで吹いてくるかもしれない」と仮定して、常に備える。
  • 結果： 安全は確保できるが、**「やりすぎ」**になる。風が吹いていないのに、まるで暴風雨の中を走っているかのように、車は必要以上に慎重に、ゆっくり動き、エネルギーを無駄にする。
• 方法 B：「風の統計データ」を使う（Stochastic MPC）
  • 考え方： 「過去のデータから、風は平均してこのくらい吹く」と予測して、少しのリスク（壁にぶつかる確率）を許容して走る。
  • 結果： 効率的だが、「データが正確でないと破綻する」。もし「今日は普段と違う変な風が吹いている（データの分布が変わっている）」場合、予測が外れて事故（制約違反）が起きる。

2. この論文が提案する「新しい知恵」

この論文は、**「分布に強さ（Distributionally Robust）」という考え方を導入し、さらに「2 段階（Two-Stage）」**という工夫を加えました。

① 「分布に強さ」：正解の分布はわからないが、範囲はわかる

「風の正確な分布（確率の形）」はわからないけれど、「風の強さや向きが、この範囲（曖昧な集合）内にあるはずだ」と考えます。

• アナロジー： 「風の正確な予報は出ないが、『暴風域』という大きな傘を被っておけば、どんな風が吹いても大丈夫だ」という考え方です。

② 「2 段階の戦略」：まず計画し、後で修正する

ここがこの論文の最大の特徴です。制御を 2 つのステップに分けます。

• 第 1 段階（計画）： 「風の影響を無視して、まずは理想のルートで走ろう」と計画を立てます。
• 第 2 段階（修正・罰則）： 「もし風でルートから外れて壁にぶつかりそうになったら、**その『ぶつかりやすさ』に対して重い罰金（ペナルティ）**を課す」と考えます。
  • ポイント： この「罰金」の重さは、その時の状況や風のデータに応じて自動で調整されます。
  • アナロジー：
    • 普段は「少し壁に近づいても OK」ですが、
    • 「今日は風が強い（データが不安定）」とわかれば、**「壁に近づいたら即座に大罰金！」**というルールに自動的に切り替わります。
    • これにより、**「必要な時だけ厳しくなり、そうでない時は柔軟になる」**という、適応的な制約の締め付けが可能になります。

3. なぜこれがすごいのか？（3 つのメリット）

1. 「過剰な警戒」も「無謀」も避ける

   • 風が弱い時は、最悪の事態を想定して無駄にブレーキをかけません。
   • 風が強い時は、自動的に「壁に近づかないように」厳しくなります。
   • 結果： 安全と効率のバランスが、状況に合わせて自動調整されます。

2. 「非ゼロの平均値」にも強い

   • 従来の技術は「風は平均して 0（右と左が打ち消し合う）」と仮定することが多かったですが、現実には「常に右から強い風が吹いている（平均値が 0 ではない）」こともあります。
   • この新しい方法は、「風が常に一方に偏っていても」、システムが安定して動けるように設計されています。

3. リアルタイムで計算できる

   • 「分布に強い」計算は通常、非常に複雑で時間がかかります。しかし、この論文では**「切断平面法（Cutting-plane algorithm）」**という工夫を使い、複雑な問題を「簡単な問題を繰り返す」形に変換しました。
   • アナロジー： 複雑な迷路を一度に解くのではなく、**「壁にぶつかるたびに、その壁を越えるための最短ルートを瞬時に見つける」**ようなアルゴリズムで、車載コンピュータでもリアルタイムに処理可能です。

4. 結論：どんな世界が来るのか？

この技術は、**「予測不能な変化」**に直面するあらゆるシステム（自動運転車、ドローン、工場ロボット、電力網など）に適用できます。

• これまでの制御： 「風が吹いたらどうしよう」と不安になり、要么は動きが鈍く、要么はデータがズレると大事故。
• この新しい制御： **「風の強さや方向がどう変わっても、その都度『一番賢い走り方』を自動で選んでくれる」**ような、しなやかでタフな制御システムを実現します。

つまり、「不確実性（未知の風）」を敵ではなく、システムが学習して適応する対象として取り込み、より安全で滑らかな走行を実現する画期的なアプローチなのです。

技術概要

論文技術サマリー：分布ロバストな 2 段階モデル予測制御：安定性保証付き適応的制約タイトニング

本論文は、**分布ロバスト最適化（Distributionally Robust Optimization: DRO）をモデル予測制御（MPC）の枠組みに統合し、「適応的制約タイトニング（Adaptive Constraint Tightening）」と「安定性保証」**を両立させる新しい制御手法、**2 段階分布ロバスト MPC（TSDR-MPC）**を提案しています。

以下に、問題定義、手法、主要な貢献、結果、および意義について詳細にまとめます。

---

1. 問題定義と背景

• 背景: MPC はシステム制約を明示的に扱える点で優れていますが、実システムでは測定ノイズやモデル誤差など、**分布が未知の擾乱（disturbance）**の影響を受けます。
• 既存手法の限界:
  • ロバスト MPC: 最悪ケースを想定するため、制約満足を保証しますが、過度に保守的（性能低下）になりがちです。
  • 確率 MPC: 擾乱の確率分布が正確に既知であることを前提としており、実際のデータから推定された分布には誤差が含まれるため、制約違反のリスクがあります。
• 課題: 擾乱の分布が未知であり、かつ時間変化する平均値（非ゼロ平均）や共分散を持つ場合、既存の分布ロバスト MPC（DRMPC）手法では、平均値がゼロであるという仮定や既知のモーメントに依存しているため、実用的な適応性が不足しています。

2. 提案手法：TSDR-MPC

提案手法は、制約違反のペナルティを第 2 段階の最適化問題として定式化し、第 1 段階の二次コストと組み合わせた2 段階分布ロバストプログラムを構築します。

主要な技術的要素

1. 2 段階最適化構造:
   • 第 1 段階: 制御入力 $u$ を決定し、二次コスト（状態と入力の重み付き和）を最小化します。
   • 第 2 段階: 制約違反に対するペナルティを最小化する線形計画問題を解きます。これにより、制約違反が発生した場合の「コスト」を柔軟に評価し、最悪の分布に対して期待コストを最小化します。
2. Wasserstein 曖昧集合（Ambiguity Set）:
   • 経験分布（サンプルデータ）を中心とした Wasserstein 距離に基づく曖昧集合を定義し、その内部にあるすべての分布に対して最悪ケースを考慮します。これにより、分布推定誤差に対するロバスト性を確保します。
3. 適応的制約タイトニング:
   • 従来の「チューブ型 MPC」のように事前に固定されたタイトニングパラメータや不変集合を使用せず、**現在の状態とサンプルデータに基づいて、最適化問題自体が制約を自動的にタイト化（厳格化）**します。
   • 制約違反のペナルティ係数と輸送コストパラメータ $\gamma$ を調整することで、制約境界に近い方向の擾乱に対して自動的に感度を高めます。
4. 安定性保証のための終端制約:
   • 擾乱の最悪ケース平均が非ゼロであっても閉ループ安定性を保証するため、**名义システム（Nominal System）**に対してのみ終端制約を導入します。
   • この制約は「終端状態が現在の状態に比例して有界であること」を要求し、Lyapunov 解析における定数項（オフセット）の発生を防ぎます。
5. 計算アルゴリズム:
   • 双対性（Strong Duality）を用いて問題を tractable な（計算可能な）形に書き換えます。
   • 非凸な最適化問題を解くために、**切断平面法（Cutting-Plane Algorithm）**を開発しました。このアルゴリズムは有限回の反復で収束し、リアルタイム実装に適しています。

3. 主要な理論的貢献

• 再帰的実行可能性（Recursive Feasibility）: 提案された 2 段階構造により、制約違反ペナルティがコストに組み込まれているため、最適化問題が常に実行可能であることが保証されます（明示的な不変集合の設計が不要）。
• 有限回収束アルゴリズム: 切断平面法が有限回の反復で最適解に収束することを証明しました。
• 漸近性能 bound: 閉ループシステムの平均コストが、曖昧集合の半径 $\varepsilon$、平均値の上限 $\bar{\mu}$、共分散の上限 $\bar{\Sigma}$ に依存する上限に収束することを証明しました。
  • 擾乱が消失すれば古典的決定論的 MPC に、モーメントのみが既知であればモーメントベースの DRMPC に自然に退化することを示し、理論的一貫性を確認しています。

4. 数値シミュレーション結果

二重積分器（Double-integrator）システムを用いたシミュレーションにより、以下の点が検証されました。

• 適応性: 擾乱の平均値が非ゼロ、共分散が大きい、時間変化するなどの様々なシナリオにおいて、手動でのパラメータ調整なしに制御器が保守性を自動調整しました。
• ロバスト性: 大きな共分散や非ゼロ平均を持つ擾乱下でも、システムは安定し、制約違反は許容範囲内に抑えられました。
• 性能: 擾乱が小さい場合は決定論的 MPC に近い性能を発揮し、擾乱が大きい場合は適応的に制約をタイト化することで、従来のロバスト手法よりも性能と保守性のバランスが優れていることが示されました。

5. 意義と結論

本論文は、**「分布が未知かつ時間変化する擾乱」**に対する MPC の課題に対して、以下のような画期的な解決策を提供しています。

1. 保守性と性能のトレードオフの解消: 事前の保守的なタイトニングパラメータに依存せず、データ駆動で適応的に制約を調整するため、過剰な保守性を排除しつつロバスト性を維持します。
2. 非ゼロ平均擾乱への対応: 多くの既存研究が仮定する「平均ゼロ」の制約を緩和し、実世界でより一般的に起こりうるバイアスを持つ擾乱に対しても安定性を保証します。
3. 実用性の向上: 切断平面法による有限回収束アルゴリズムと、終端制約の簡素化（名义システムのみへの適用）により、計算負荷を抑えつつ理論的保証を維持する実用的な枠組みを構築しました。

総じて、本手法は不確実性に対する適応性と理論的厳密さを両立させ、複雑な実環境における MPC の適用可能性を大きく広げる重要な貢献と言えます。