⚡ electrical engineering

Data-Driven Covariance Steering with Output Feedback

この論文は、システムモデルを知らずに過去の入出力データから非最小状態表現を構築し、時間的に相関するノイズを扱うための推定手法と半正定計画問題への凸緩和を用いることで、確率的離散時間線形時不変システムに対する出力フィードバック共分散誘導問題を解決するデータ駆動型フレームワークを提案しています。

原著者： Dimitrios Moustroufis, Panagiotis Tsiotras

公開日 2026-04-03

📖 1 分で読めます☕ さくっと読める

CC BY 4.0

原著者： Dimitrios Moustroufis, Panagiotis Tsiotras

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

1. 物語の舞台：見知らぬ土地での旅

想像してください。あなたが**「見知らぬ土地（未知のシステム）」**を歩いているとします。

目的地（目標）： 特定の場所（平均値）に到着し、その時の「広がり具合（ばらつき）」も決まった形にしたい。
問題点：
1. 地図がない： この土地の地形や法則（システムのモデル）が全くわからない。
2. 目が見えない： 自分が今どこにいるか正確には見えない（出力フィードバック）。
3. 風の乱れ： 歩いていると、突然強い風（ノイズ）に吹かれて道からそれてしまう。しかも、この風は「一瞬で消える」のではなく、**「前の風の勢いが次の風にも影響する」**という性質がある（時間的に相関するノイズ）。

これまでの技術は、「地図（モデル）が完璧にわかっていること」や「風がランダムで無関係であること」を前提にしていました。しかし、現実の世界ではそんなことばかりではありません。

2. この論文の解決策：過去の足跡を頼りにする

この研究チームは、**「地図がなくても、過去の足跡（データ）を頼りにすれば、目的地にたどり着ける」**と提案しています。

① 「過去を振り返る」新しい視点

通常、ロボットは「今の状態」だけを見て次の動きを決めます。しかし、この研究では**「過去 10 秒間の足跡と風の記録」**をまとめて、あたかもそれが「新しい状態」であるかのように扱います。

たとえ話： 「今、風で吹き飛ばされたのは、10 秒前の風のせいかもしれない。だから、過去の風の記録を全部まとめて『現在の状況』として捉え直そう」という考え方です。
これにより、複雑な「見えない状態」を、過去の「入力と出力のデータ」だけで表現できるようになります。

② 風の性質を見抜く（ノイズの推定）

ここが最も重要なポイントです。この土地の風は「前の風の影響を受ける」ため、単純なランダムなノイズではありません。

これまでの方法： 風を無視するか、単純なランダムだと仮定してしまうと、目的地にたどり着けません。
この論文の方法： 過去のデータ（足跡）を詳しく分析し、**「風の法則（ノイズの時間的相関）」**を数学的に推測します。
- 「あ、この風は、前の風の勢いを引き継いでいるな」というパターンを見つけ出し、それを計算に組み込みます。

③ 2 つの戦略：「平均」と「広がり」を別々に操る

目的地にたどり着くには、2 つの目標を達成する必要があります。

平均の制御（どこへ向かうか）：
- 間接的なアプローチ： 過去のデータから「地形の法則（モデル）」を推測し、それを使って「平均的な道筋」を計算します。
- たとえ話： 「過去の足跡から『ここは坂だ、ここは平らだ』という地図を勝手に作って、その地図を使ってルートを決める」ようなものです。
広がり（ばらつき）の制御（どれだけ乱れるか）：
- 直接的なアプローチ： モデルを作らず、**「過去のデータそのもの」**を使って、風でどれだけ揺れるかを直接計算します。
- たとえ話： 「地図を作らずとも、過去の『風で吹き飛ばされた足跡』の集まりを見れば、『ここに来たら風でどれくらいズレる確率が高いか』が直接わかる」という発想です。

3. なぜこれがすごいのか？

モデルが不要： 複雑な数式でシステムを記述する必要がありません。過去のデータさえあれば、未知のシステムでも制御できます。
現実的： 「完全な状態が見えない（センサーが不完全）」かつ「ノイズが連続して影響する」という、現実の難しい状況でも機能します。
数学的な保証： 単なる「試行錯誤」ではなく、確率論と数学的な保証（半正定値計画問題）を使って、最適な解を効率的に見つけ出します。

4. まとめ：旅人のための新しいコンパス

この論文は、**「未知の土地で、不完全な情報と連続する風の乱れの中で、確実かつ効率的に目的地へたどり着くための新しいコンパス」**を提供したと言えます。

従来の方法： 「完璧な地図と、予測不能な風の仮定」が必要だった。
この新しい方法： 「過去の足跡（データ）」さえあれば、風の性質まで見抜いて、最適なルートを描ける。

これにより、自律走行車やドローンなど、複雑で予測不能な環境で動くロボットが、より安全に、より賢く行動できるようになることが期待されています。

論文「Data-Driven Covariance Steering with Output Feedback」の技術的要約

本論文は、システムモデル（行列 A, B, C）を事前に知らない状態で、確率的な離散時間線形時不変（LTI）システムに対する出力フィードバックによる共分散誘導（Covariance Steering, CS）問題を解決する手法を提案しています。従来のデータ駆動型 CS 手法が「状態フィードバック」や「完全な状態観測」を前提としていたのに対し、本手法は「出力フィードバック」のみを利用し、かつ時間的に相関するノイズが存在する環境下でも機能することを示しています。

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解説します。

1. 問題定義 (Problem Formulation)

対象システム: 確率的な離散時間 LTI システム。
- 状態方程式: $x_{k+1} = Ax_k + Bu_k + w_k$
- 出力方程式: $y_k = Cx_k + q_k$
- ここで、 $w_k$ （過程ノイズ）と $q_k$ （測定ノイズ）は独立な白色ガウスノイズですが、出力フィードバック制御において構築される「非最小状態空間表現」内では、誘導されたノイズが時間的に相関を持つようになります。
制約条件:
- システム行列 $A, B, C$ は未知。
- 利用可能なデータは、単一の過去の軌道から得られた入力・出力データ対 $\{u_k, y_k\}$ のみ。
- 制御目標は、指定された時間範囲（ホライズン $N$ ）内で、出力の確率分布を初期分布 $N(\mu_i, \Sigma_i)$ から終端分布 $N(\mu_f, \Sigma_f)$ へ誘導すること。
- 目的関数（コスト）の最小化。
課題:
- 既存のデータ駆動型 CS 手法は、完全な状態測定を仮定しており、実用的な出力フィードバック設定には適用できない。
- 出力フィードバックへの変換（非最小状態表現）により生じる「時間相関ノイズ」を、従来の直接法・間接法でどのように扱うかが未解決だった。

2. 手法 (Methodology)

本論文は、**非最小状態空間表現（Non-minimal State Space Representation）**を基盤とし、間接法と直接法を組み合わせたハイブリッドアプローチを採用しています。

A. 非最小状態空間表現の構築

過去の入力と出力から構成される非最小状態ベクトル $z_k$ を定義し、これを線形変換 $\chi_k = L z_k$ することで、冗長性を除去した状態 $\chi_k$ を得ます。
この表現において、システムは以下のように記述されます：
$\chi_{k+1} = A\chi_k + Bu_k + \xi_k$
$y_k = C\chi_k + \zeta_k$
重要な特徴: この変換により、誘導されたノイズ $\zeta_k$ は白色ノイズではなく、時間的に相関するノイズとなります（ $\zeta_{k+1} = \Psi \zeta_k + \eta_k$ ）。これにより、状態とノイズの間の交差共分散（Cross-covariance）を明示的に追跡する必要があります。

B. モデル同定とデータ駆動表現

モデルを推定するために、以下の 2 つのアプローチを提案しています：

間接法（平均誘導用）:
- 入力・出力データからシステム行列 $\hat{A}, \hat{B}, \hat{C}$ を推定します。
- 推定には、回帰変数とノイズが相関する問題に対処するため、**工具変数法（Instrumental Variables, IV）または総最小二乗法（Total Least Squares, TLS）**を使用します。特に、サンプルサイズが大きい場合、IV 法がより良い性能を示すことが示されています。
直接法（共分散誘導用）:
- 推定されたモデルを用いずに、データ行列そのものを用いて共分散の伝播を記述します（Willems の基本補題の拡張）。
- 時間相関ノイズの特性（ $\Psi, D$ ）をデータから推定し、共分散行列の更新式を半正定計画問題（SDP）として定式化します。

C. 最適化問題の定式化

平均誘導と共分散誘導を分離して解きます。
共分散誘導問題において、状態とノイズの交差共分散 $\Sigma_{\chi\zeta}$ の伝播を考慮した新しい動的制約を導入しました。
非凸な最適化問題を、**凸緩和（Convex Relaxation）**を用いて半正定計画問題（SDP）に変換し、効率的に解けるようにしています。
- 決定変数 $G_k$ を用いてフィードバックゲインを表現し、さらにスラック変数を導入して凸性を確保しています。

3. 主要な貢献 (Key Contributions)

出力フィードバックへの拡張:
- 既存のデータ駆動型共分散誘導手法を、状態フィードバックから出力フィードバックへ拡張しました。これにより、完全な状態観測が不可能な実システムへの応用が可能になりました。
時間相関ノイズの扱い:
- 出力フィードバック変換に伴って生じる時間相関ノイズを明示的にモデル化し、その共分散と交差共分散の伝播を考慮した制御設計手法を初めて提案しました（既存文献では未解決だった問題）。
ノイズ実現値の推定手法:
- 時間相関ノイズ下での、システム行列とノイズ実現値（noise realization）の両方を整合的に推定するための手法（IV 法および TLS 法の適用）を提示しました。
凸緩和による SDP 定式化:
- 複雑な共分散伝播制約を含む問題を、効率的に解ける半正定計画問題（SDP）に変換する具体的なアルゴリズムを提供しました。

4. 数値シミュレーション結果 (Results)

モデル推定精度:
- 異なるサンプルサイズ（50〜5,000）で 200 回の実験を行いました。
- 小サンプル数では IV 法の誤差が大きい傾向がありましたが、サンプル数が増加するにつれ、IV 法は TLS や通常の最小二乗法（LS）よりも高い精度と安定性を示しました。
分布誘導性能:
- MIMO システムを用いた密度誘導（Density Steering）シミュレーションを実施。
- 初期分布から目標分布（平均と共分散）への誘導が、データセットサイズが大きくなるにつれて精度向上することが確認されました。
- 終端における平均誤差ノルムが減少し、目標共分散楕円が適切に収束することが示されました。
- 1,500 サンプルのデータを用いた場合、最適軌道（青線）に沿って出力が誘導され、目標共分散が達成されました。

5. 意義と今後の展望 (Significance & Future Work)

実用性の向上: 多くの実システム（ロボット、航空宇宙など）では完全な状態観測が困難であり、センサーノイズも存在します。本手法は、モデルフリーかつ出力フィードバックのみで確率的な性能保証を提供するため、実世界への応用可能性が極めて高いです。
理論的進展: 時間相関ノイズ下でのデータ駆動制御の理論的基盤を強化しました。特に、非最小状態表現におけるノイズの相関構造を制御設計に組み込んだ点は画期的です。
今後の課題:
- 推定誤差に対するロバスト性の向上（ロバスト共分散誘導制御の設計）。
- 凸緩和による解の最適性保証（緩和によるギャップの定量化）。

結論

本論文は、システムモデルが未知で、かつ出力フィードバックのみが利用可能な確率システムにおいて、時間相関ノイズを考慮したデータ駆動型共分散誘導制御を実現しました。非最小状態表現と凸最適化を巧みに組み合わせることで、理論的な厳密さと計算効率の両立を図っており、自律システム制御の分野において重要な進展をもたらすものです。