技術要約：L2有界な構造化状態空間コントローラの自由パラメータ化

1. 問題提起

非線形システムに対して、複雑で非凸な目的関数を同時に最適化しつつ、安定化制御ポリシーを設計することは、依然として大きな課題である。ニューラルネットワーク（NN）は高い表現力を提供する一方で、本質的なロバスト性に欠けることが多く、入力の微小な摂動が予測不可能な形で伝播し、閉ループ系を不安定化させる可能性がある。

安定性を確保するための既存のアプローチは、通常、最適化中にコントローラのパラメータに対して明示的な制約を課す。しかし、これらの制約（例：射影や制約付き最適化）を強制することは、計算オーバーヘッドを増大させ、学習プロセスを複雑にする。また、連続時間ポリシー（例：ポート・ハミルトンモデルやNeural ODEs）に依存する方法は、離散化する際に$L_2$ゲインの保証を失ったり、実装が困難な陰関数を生じたりすることが多い。本研究が取り組む核心的な問題は、いかにして、一般的な非線形目的関数に対して完全な無制約最適化を可能にしつつ、設計によって安定性が保証される離散時間コントローラのパラメータ化を実現するかである。

2. 手法

本論文は、構造化状態空間モデル（SSM）、具体的には**$L_2$再帰ユニット（$L_2$RU）**と呼ばれる新しいアーキテクチャを活用した新しいフレームワークを提案している。この手法は、以下の3つの柱に基づいている。

A. 理論的基礎：小ゲイン定理

このアプローチは、閉ループの安定性を保証するために小ゲイン定理を利用する。プラントが既知（または推定された）有限の$L_2$ゲイン$\hat{\gamma}$を持ち、コントローラが$L_2$ゲイン$\gamma$を持つように設計されており、$\gamma\hat{\gamma} < 1$を満たす場合、フィードバック相互結合は$L_2$安定であることが保証される。目標は、最適化変数に依存せず、$\gamma$が固定かつ規定された値となるコントローラのパラメータ化を構築することである。

B. 新しい自由パラメータ化

著者らは、規定された$L_2$ゲイン$\gamma$を持つ線形時不変（LTI）システムのための自由パラメータ化を導入する。複雑な制約や射影を必要とした従来の手法とは異なり、このパラメータ化は、一連の自由パラメータ$\omega \in \mathbb{R}^q$を、結果として得られるシステムが常に$L_2$境界$\gamma$を満たすようなシステム行列$(A, B, C, D)$へと直接マッピングする。

このパラメータ化（論文内のBlock 1）の主な特徴は以下の通りである：

• 複素対角構造： 状態行列$A$は、複素固有値 $\lambda_j = \exp(-\exp(\mu_j) + i \exp(\theta_j))$ を持つ対角行列としてパラメータ化される。この構造は、Linear Recurrent Unit (LRU) アーキテクチャから継承されている。
• 明示的なゲイン制御： フィードスルー行列$D$および$B$と$C$のスケーリングは、有界実レマ（Bounded Real Lemma）の条件を通じて、境界$\gamma$を厳密に強制するように導出される。
• 汎用性： この手法は、正方行列に限定されていた従来の研究（Massai and Ferrari-Trecate, 2025）を一般化し、任意の次元（$n_h, n_u, n_y$）をサポートしている。

C. $L_2$RU アーキテクチャ

$L_2$RU アーキテクチャは、複数の状態空間レイヤ（SSL）をスタックしたものである。各レイヤは以下で構成される：

1. 新しい自由パラメータ化によってパラメータ化されたLTIシステム。
2. 静的でリプシッツ連続な有界非線形関数（例：有界なMLP）。
3. スキップ接続。

アーキテクチャ全体は、線形エンコーダおよびデコーダによって前処理および後処理される。線形コンポーネントの$L_2$境界は設計によって固定されており、非線形部分はリプシッツ連続で有界であるため、コントローラのグローバルな$L_2$ゲインを規定することができる。これにより、コントローラのパラメータを、安定性が事前に保証された状態で、任意のコスト関数を最小化するために完全な無制約最適化（例：勾配降下法）を通じて調整することが可能になる。

D. 計算効率

提案するパラメータ化の決定的な利点は、並列スキャンアルゴリズムとの互換性である。$A$の複素対角構造により、シーケンス長に対して線形な計算量での非常に効率的な時間領域シミュレーションが可能となる。これは、標準的なRNNや、逐次的な処理や陰関数の解決を必要とする既存のメソッド（NODEやRecurrent Equilibrium Networksなど）とは対照的であり、長いホライゾンに対するスケーラビリティにおいて優位性を持つ。

3. 主な貢献

1. 新しい自由パラメータ化： 本論文は、設計によって規定された$L_2$ゲインを強制する、SSMベースの$L_2$RUアーキテクチャの新しい自由パラメータ化を提示している。これにより、計算コストの高い射影、制約付き最適化、または事後検証を排除できる。
2. 安定性と最適化の分離： プラントに対する小ゲイン条件を満たすよう$L_2$ゲインを固定することで、本手法は安定性の保証と最適化プロセスを分離する。これにより、複雑な非線形目的関数に対して標準的な無制約オプティマイザを使用することが可能になる。
3. 計算のスケーラビリティ： 提案された構造は、並列スキャンによる長い入力シーケンスの並列処理を可能にし、逐次的な再帰や陰関数ソルバーに依存する既存のNNベースの制御手法に対して、大幅な効率向上をもたらす。
4. 実験による検証： 本アプローチは、車輪型ロボットの群制御タスク（Robotariumプラットフォームから離散化）において検証されており、衝突回避および障害物回避を実現しながら、閉ループの安定性を維持できる能力を示している。

4. 結果

著者らは、非線形車輪型ロボットの群（$N$台）を用いたシミュレーション研究を行った（Robotariumプラットフォームから離散化）。

• 設定： 中央集中型コントローラは、ロボットを目標位置へ誘導しつつ、静止障害物および相互衝突を回避するように訓練された。プラントの$L_2$ゲインは $\hat{\gamma} \approx 18.57$ と推定された。
• コントローラ設計： 3層の$L_2$RUコントローラが、$\gamma = 1/(18.57 + 0.001)$ という規定されたゲインを用いて訓練された。これは小ゲイン条件を満たしている。
• パフォーマンス： 訓練されたコントローラは、エージェント間の安全閾値を維持しながら、衝突を回避して目標へとエージェントを導くことに成功した。結果（図2および図3）は、コントローラの$L_2$境界を制約しても、表現力や性能に大きな損失が生じなかったことを示している。シミュレーション全体を通じて、エージェント間の相対距離は安全閾値を上回っていた。

5. 意義と主張

本論文は、このアプローチが、計算の実行可能性を犠牲にすることなく、非線形システムのための安定化制御ポリシーを設計するという「困難な課題」に対処するものであると主張している。

• 設計による安定性： 主要な意義は、小ゲイン定理を通じて、設計によって閉ループの安定性を保証できることであり、これにより学習フェーズにおける制限的な制約を排除できる点にある。
• 実用性： 著者らは、離散時間的な性質と並列化の容易さにより、$L_2$RUが、離散化の問題や高い計算コストに悩まされる連続時間手法（ポート・ハミルトンやNODEなど）と比較して、実世界への実装に適していることを強調している。
• 範囲に関する謙虚な姿勢： 本論文は限界についても認めており、小ゲインの保証はプラントの$L_2$境界を計算または推定できる能力に依存しており、これは一般的な非線形システムにおいては困難な場合があることを指摘している。また、提案されたパラメータ化は、$L_2$有界性に対する十分条件（ただし必要条件ではない）であるため、すべての可能な$L_2$有界システムをカバーするものではないが、実用的な制御設計には十分であるとしている。

著者らは、このフレームワークが、安定性がハードな制約となる制御問題に対してディープラーニングを適用する道を開くものであり、今後の課題は、実世界への展開とモデルベース強化学習との統合であると結論付けている。