技術要約：オートエンコーダを用いた制御アフィン次数低減モデルの学習

問題設定

本論文は、偏微分方程式（PDE）または複雑なシミュレーションによって支配される高次元かつ非線形な動的システムに対して、次数低減モデル（ROM）を特定するという課題に取り組んでいる。従来の投影ベースの手法（例：POD-Galerkin）は、支配方程式に関する明示的な知識を必要とするが、データ駆動型のシナリオではそのような知識が得られないことが多い。オートエンコーダ（AE）を用いたディープラーニング手法は、低次元の潜在多様体を特定することには成功しているが、得られる潜在ダイナミクスは構造化されていない、複雑すぎる、あるいは純粋に線形である場合が多い。

特定の制限として、これらのモデルが制御用途に用いられる場合に問題が生じる。純粋に線形な潜在ダイナミクスは複雑な非線形挙動を捉えきれない可能性があり、一方で一般的な非線形潜在ダイナミクスは、効率的な制御設計（例：フィードバック線形化）に必要な構造的特性を欠くことが多い。著者らは、既存のデータ駆動型ROMにおけるギャップを特定している。それは、潜在ダイナミクスに**制御アフィン（control-affine）**構造を強制するフレームワークの欠如である。この構造は、非線形モデリング能力と、制御に求められる解析的な扱いやすさのバランスをとるものである。

手法

1. 制御アフィン潜在ダイナミクス

核となる貢献は、以下の離散時間制御アフィン構造に従う潜在表現 $z_k \in \mathbb{R}^r$ を学習するフレームワークである：
$$z_{k+1} = a_{\phi_1}(z_k) + B_{\phi_2}(z_k) \cdot u_k$$
ここで、$a_{\phi_1}$ は自律的なダイナミクスを表す「ドリフト」ネットワークであり、$B_{\phi_2}$ は制御入力 $u_k$ とアフィン形式で相互作用する「入力」ネットワークである。この構造が選ばれた理由は、多くの物理システム（例：ロボティクス、化学反応器）と一致しており、フィードバック線形化の適用を可能にするためである。

2. 結合学習戦略

オートエンコーダの学習とダイナミクスの学習を切り離して行う標準的なアプローチとは異なり、本手法は同時学習戦略を採用している。エンコーダ（$E_\theta$）、デコーダ（$D_\phi$）、および潜在ダイナミクスモデル（$G_\phi$）は、以下のマルチオブジェクティブ損失関数を用いて同時に最適化される：
$$L = \gamma_1 L_{AE} + \gamma_2 L_{lat-cons} + \gamma_3 L_{dyn}$$

• $L_{AE}$: 高次元状態の再構成誤差。
• $L_{lat-cons}$: 潜在ダイナミクスが将来のエンコードされた状態（$E_\theta(x_{k+l})$）を正確に予測することを保証する整合性損失。この項は、潜在空間のダイナミクスが真値と整合することを保証し、デコーダが悪質な潜在ダイナミクスを補償してしまうことを防ぐために極めて重要である。
• $L_{dyn}$: 高次元空間におけるエンドツーエンドの誤差。

また、本フレームワークは、高次元の制御入力（例：分布境界場）を潜在入力ベクトル $u'_k$ に圧縮する入力オートエンコーダもサポートしており、これにより制御アフィン構造が高次元の駆動力を扱えるようにしている。

3. シーケンスベースの定式化

予測精度を犠牲にすることなく制御アフィン構造を維持するために、著者らはモデルをシーケンス上で動作するように拡張している。潜在状態と入力の履歴を含む拡張状態ベクトル $\xi_k$ が構築される。そして、ダイナミクスは以下のようにモデル化される：
$$\xi_{k+1} = \alpha(\xi_k) + \beta(\xi_k) \cdot u_k$$
ここで、$\alpha$ はメモリのための線形シフト演算子と非線形ドリフト項を含み、$\beta$ は制御入力を適用する。この定式化により、制御アフィンの特性を維持しながら、タイムディレイ効果や履歴依存性を捉えることが可能となる。

4. フィードバック線形化

本論文では、学習されたROMにフィードバック線形化を適用するためのガイドラインを提供している。

• 全状態線形化（Full-State Linearization）: 標準的なモデルにおいて、入力行列 $B_{\phi_2}(z_k)$ がフルランク（$r \leq m$）を持つ場合、非線形ダイナミクスを線形システム $z_{k+1} = \bar{A}z_k + \bar{B}v_k$ へ変換するフィードバック則を導出できる。
• 入出力線形化（Input-Output Linearization）: シーケンスベースのモデルの場合、メモリバッファが存在するため、全状態線形化は構造的に不可能である。しかし、著者らは、現在の潜在状態を出力として扱うことで、拡張システムの入力行列がフルランクである限り、厳密な入出力線形化が可能であることを証明している。これにより、潜在空間において標準的な線形コントローラ（例：PID、LQR）を使用することが可能になる。

主な貢献

1. 制御アフィンROMフレームワーク: 潜在ダイナミクスに制御アフィン構造を強制することで、表現力豊かな非線形モデリングと制御理論的な扱いやすさの間の溝を埋める、新しいデータ駆動型手法。
2. 結合最適化: 座標変換（AE）と構造化されたダイナミクスを同時に学習する戦略により、潜在空間が制御アフィン仮定と互換性を持つことを保証する。
3. シーケンスベースの拡張: 状態と入力の履歴を扱うための制御アフィンモデルの適応であり、制御アフィン構造を保持しつつ予測精度を向上させる。
4. 制御に関する理論的保証: 学習されたROMがフィードバックによって厳密に線形化可能であることを示す条件を確立する、形式的な命題。
5. オープンソース実装: エンドツーエンドの学習フレームワークを実装したPythonパッケージ DeepE2EROM を公開。

実験結果

本フレームワークは、2つの数値例で評価された。

1. 一次元熱伝導方程式

• 設定: 状態が温度場であり、入力が空間的に分布した熱源である分布制御問題。状態と入力の両方が高次元である。
• 性能: 制御アフィンROMは、線形潜在ダイナミクスを持つベースラインROMを大幅に上回った。エンドツーエンドのRMSEにおいて2倍の減少を達成し、潜在ダイナミクスの精度においても顕著な改善を示した。
• 制御: フィードバック線形化とPIDコントローラを組み合わせることで、参照温度軌跡の追従に成功した。コントローラは、システムを誘導するために必要な分布熱入力を生成することに成功した。

2. ボックスド・ボール（2Dシミュレーション）

• 設定: 境界付近の強い非線形反発力を持つユニットボックス内を移動するボールの動きを、64x64のカメラフレームを通じて観察。
• 性能: 制御アフィンROMは、強制（駆動）設定および自律設定の両方において、線形ベースラインを上回った。強制設定においては、ベースラインと比較してエンドツーエンドのRMSEで約半分、潜在誤差で約3分の1の値を達成した。
• 自律ダイナミクス: 自律的な軌道に関する明示的な学習を行っていない場合でも、モデルはシステムの平衡点を正確に特定した。
• 制御: 線形化された潜在ダイナミクスに対する比例制御を用いることで、円軌道の参照追従を可能にした。

意義と主張

本論文は、潜在ダイナミクスに制御アフィン構造を強制することは「強力な妥協案」を提供すると主張している。これは、適切な座標変換（フィードバック線形化）を経て、確立された線形制御技術を使用できる能力を維持しつつ、正確な非線形モデリングのための能力を保持するものである。

著者らは、線形潜在ダイナミクスが人気（しばしばKoopman作用素理論に関連付けられる）である一方で、複雑な非線形システムには不十分である可能性があると強調している。逆に、一般的な非線形モデルは解釈可能性や制御の扱いやすさに欠けることが多い。提案された制御アフィンアプローチは、ダイナミクスが状態に対して非線形であるが制御入力に対してアフィンであるという、幅広いエンジニアリングシステムに自然に適合することで、これらの限界に対処する。

本研究の範囲は限定的であり、全状態フィードバック線形化には潜在次元が入力数以下（$r \leq m$）である必要があるという制約がある。このような場合、部分的なフィードバック線形化しか不可能であることを著者らは認めている。これに対処するために、潜在空間を制御可能な部分空間と制御不能な部分空間に分解することが今後の課題として示唆されている。

結論として、提案されたフレームワークは、PDEベースおよび画像ベースのシステムの両方で検証されており、高次元の非線形システムに対するコントローラをデータから直接設計するための堅牢な基盤を提供するものである。