⚡ electrical engineering

Learning Robust Control Lyapunov Functions through Lipschitz Neural Networks

本論文は、状態依存的な加法的外乱を受ける非線形システムに対して、高次の導関数に関する明示的な境界を持つリプシッツ・ニューラルネットワークと、GPU加速された分枝限定法を活用することで、ロバストな制御リアプノフ関数と安定化コントローラを共同で学習する新しいフレームワークを提案する。

原著者： Shiqing Wei, Prashanth Krishnamurthy, Farshad Khorrami

公開日 2026-07-07

📖 1 分で読めます☕ さくっと読める

CC BY 4.0

原著者： Shiqing Wei, Prashanth Krishnamurthy, Farshad Khorrami

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

全体像：強風の中でもロボットに直立し続ける方法を教える

あなたが、ロボット（バランスポールや自動運転車のようなもの）に、いかにして安定を保つかを教えようとしている場面を想像してください。ロボットには、何かがうまくいかなかった時にどう反応すべきかを知るための「ルールブック」が必要です。工学の世界では、このルールブックは**リアプノフ関数（Lyapunov function）**と呼ばれます。これはデジタルな「エネルギー・マップ」だと考えてください。もしロボットがこのマップに従えば、ある特定の方向に動いている限り、転倒することなく安全（安定）に近づいていることがわかります。

しかし、現実の世界は混沌としています。ロボットは予期せぬ風、滑りやすい床、あるいは部品の故障などに遭遇するかもしれません。これらは**外乱（disturbances）**です。従来の多くの手法は、世界が完璧で予測可能であることを前提に、これらのルールブックを作成してきました。もし突然の突風が吹いた場合、古いルールブックは機能せず、ロボットはクラッシュしてしまう可能性があります。

本論文は、世界が混沌としていてもロボットが安定を保てるようにするための、より強力でタフな新しい方法を紹介しています。

問題点：「完璧な世界」という罠

何十年もの間、エンジニアはロボットが安全であることを証明するために数学を使用してきました。しかし、これらの安全マップを作成するためにニューラルネットワーク（データから学習するコンピュータの脳）を使用する場合、新たな問題が生じます。それが**検証（Verification）**です。

コンピュータの脳は非常に複雑で非線形（直線的ではない）であるため、それが決して間違いを犯さないことを数学的に証明することは極めて困難です。それは、すべての経路を実際に歩いてみることなしに、迷路に行き止まりがないことを証明しようとするようなものです。もし証明できなければ、そのロボットにあなたの命を預けることはできません。

解決策：「リプシッツ（Lipschitz）」制約

著者らは、**リプシッツ・ニューラルネットワーク（Lipschitz Neural Network: LNN）**と呼ばれる特殊なタイプのニューラルネットワークを使用することを提案しています。

比喩： あなたが霧の深い森の中を歩いていると想像してください。

標準的なニューラルネットワークは、突然テレポートしたり、一瞬で100フィート跳躍したりできるハイカーのようなものです。次にどこにいるのか予測するのが困難です。
リプシッツ・ニューラルネットワークは、特定の速度制限を厳格に守らなければならないハイカーのようなものです。地形がどのように変化しようとも、一歩進むごとに移動できる距離が決まっています。

コンピュータの脳にこの「速度制限」（数学的にはリプシッツ定数と呼ばれます）を守らせることで、著者らは入力に基づいて出力がどれだけ変化するかを正確に計算できるようになります。これにより、ネットワークは検証可能なほど予測可能なものになります。

革新：マップの「曲率」を見る

この論文の最大のブレイクスルーは、安全マップが正しいかどうかをチェックする方法にあります。

これまでの多くの手法は、0次情報（地形の高さのみを見る）または1次情報（傾斜を見る）のみを使用してマップをチェックしていました。

従来の方法： 単一の地点とその直近の傾斜を見て、丘の形を推測しようとするようなものです。もし丘が急激に曲がっていたら、推測を誤る可能性があります。これは「保守的（過度に慎重）」な結果を招きます。つまり、実際には安全であっても、コンピュータが「これが100%安全であるとは断言できない」と言ってしまう状態です。
新しい方法： 著者らは、ヘッセ行列（Hessian）（傾斜がどのように曲がっているか）や、さらには3次微分（曲率がどのように変化しているか）を見る手法を開発しました。
- 比喩： 単に傾斜を見るのではなく、ハイテクドローンを使用して、丘の曲線全体をマッピングするようなものです。地面がどのように曲がっているのかを正確に把握します。これにより、よりタイトで正確な「安全圏」の境界線を引くことが可能になります。

エンジン：GPUによる「探索と破壊」

これらの複雑なマップを検証するために、著者らは**分枝限定法（Branch-and-Bound: BnB）**アルゴリズムを構築しました。

比喩： あなたが巨大で暗い倉庫の中で、失くしたコインを探していると想像してください。

従来の方法（CPUベース）： すべての通路を一つずつゆっくりと歩き、床の隅々までチェックしていきます。これには膨大な時間がかかります。
新しい方法（GPUベース）： 強力なグラフィックスカード（GPU）上で動作する検索チームが、倉庫を巨大なセクションに分割して作業します。
1. 彼らはあるセクションを調べます。
2. 「曲率マップ（ヘッセ行列の境界）」を用いることで、「おい、このセクション全体はコインがあるには高すぎる。無視できるぞ！」と判断します。
3. 彼らは即座にそのセクションを探索対象から除外します。
4. そして、有望な小さなエリアだけに深く潜り込みます。

彼らは高次の数学（曲率）を使用しているため、一度に巨大な区画を切り捨てることができます。これにより、検証プロセスは従来の方法よりも指数関数的に高速になります。

結果：何を証明したのか？

チームは、以下の6種類の「ロボット」でテストを行いました。

倒立振子（台車に乗った棒）
一輪車
カートポール
2Dクアッドコプター（ドローン）
ロボットアーム（SCARA）

判明したこと：

堅牢性（Robustness）： 彼らの手法は、ロボットが「外乱」（シミュレートされた風やノイズ）を受けた場合でも機能する安全マップを正常に作成できました。
速度： 彼らの新しい検証アルゴリズムは、現在の業界標準（dRealや $\alpha,\beta$ -CROWNなど）よりも大幅に高速でした。従来の方法では数時間かかったり、メモリ不足になったりするケースでも、彼らの手法は数秒で完了しました。
安全性： 彼らは、学習されたコントローラーが、世界が外側から押し戻そうとしても、特定の「安全圏」内でロボットを安定させ続けることを数学的に証明しました。

まとめ

この論文は、コンピュータに壊れることのない安全ルールを構築させる方法についての研究です。彼らは以下の手順で行いました。

コンピュータの脳が予測可能な「速度制限（リプシッチ）」に従うように制限すること。
高度な数学を用いて、単なる傾斜ではなく、安全マップの「曲率」を理解すること。
高速な並列検索エンジン（GPU）を使用して、不可能な領域を即座に切り捨て、マップが安全であることを証明すること。

その結果、複雑な機械を制御する方法を学習し、環境が乱雑で予測不能であっても、それらがクラッシュしないことを数学的に保証できるシステムを実現しました。

技術要約：リプシッツ・ニューラルネットワークを通じたロバスト制御リアプノフ関数の学習

問題提起
本論文は、加法的な外乱が存在する非線形動的システムに対して、安定化制御器を設計するという課題に取り組んでいる。リアプノフ関数は安定性解析の基礎的なツールであるが、一般的な非線形システムに対してその自動構築を行うことは依然として未解決の問題である。Sum-of-Squares (SOS) や線形行列不等式 (LMI) といった既存の計算手法は、スケーラビリティや汎用性に難があることが多い。さらに、ニューラルネットワークを用いて制御リアプノフ関数 (CLF) を学習する近年のディープラーニング手法は、外乱のない正確なダイナミクスに焦点を当てているか、あるいは計算コストが高く保守的な検証方法（例えば、ゼロ次情報のみを使用する場合）に依存している。ここで対処される具体的な課題は、状態依存の加法的な外乱が存在する場合において、一様最終有界性 (UUB) を保証するロバスト制御リアプノフ関数 (RCLF) および対応する状態フィードバック制御器を学習することであり、同時にこれらの条件の検証が計算量的に実行可能であることを保証することである。

手法
提案されたフレームワークは、リプシッツ・ニューラルネットワーク (LNN) と高次のブランチ・アンド・バウンド (BnB) 検証アルゴリズムを統合したものである。

リプシッツ・ニューラルネットワーク (LNN):
著者らは、RCLF ( $V_{\theta_1}$ ) と安定化制御器 ( $\pi_{\theta_2}$ ) を共同で学習するために LNN を採用している。標準的なネットワークとは異なり、LNN は特定の層のパラメータ化（例：スペクトル正規化、直交層、またはサンドイッチ層）を通じて、あらかじめ定義されたリプシッツ定数を強制する。この制約は極めて重要であり、ネットワーク出力の入力に対する高次微分（ヘッセ行列および3次微分）に関する明示的かつタイトな境界を導出することを可能にする。RCLF は、平衡条件 $V(0)=0$ を確実にするために、ネットワーク出力をシフトさせたものとして定義される。
学習アルゴリズム:
学習プロセスは、サンプリングされた状態空間と境界上で複合損失関数を最小化する。以下の損失項は、以下の条件を強制する：
- 正定値性: $x \neq 0$ に対して $V(x) > 0$ であることを保証する。
- 減少条件: 外乱の影響を考慮し、原点付近の小さな球の外側で時間微分 $\dot{V}$ が負であることを保証する。これには、既知の誤差境界関数 $\epsilon(x)$ と、ネットワークおよびシステムダイナミクスのリプシッツ定数を用いた外乱項の上限設定が含まれる。
- 境界および被覆: $V$ の劣レベル集合が状態空間の大部分をカバーし、境界上で一貫した値を維持するように促す。
  アルゴリズムは LQR 解を用いてパラメータを初期化し、経験的に検証された最大の前方不変領域が得られるパラメータを保持しながら、反復的に洗練させていく。
高次検証 (Branch-and-Bound):
学習された RCLF を形式的に検証するための、新しい GPU フレンドリーな BnB アルゴリズムが導入されている。ゼロ次境界に依存する dReal や、スケーラビリティの限界に直面する SMT ソルバーといった従来のソルバーとは異なり、この手法は LNN の滑らかさを活用する。
- 高次境界: 著者らは、LNN のヘッセ行列および3次微分の明示的なスペクトルノルム境界を導出した。これらの境界は、テイラー展開（2次まで）を介して、ネットワーク出力のタイトな下限および上限を構築するために使用される。
- アルゴリズムの効率性: 1次および2次の情報を組み込むことで、このアルゴリズムは探索矩形内の関数値に対して、よりタイトな包絡（エンクロージャ）を作成する。これにより、ゼロ次手法と比較して、探索空間のより積極的な枝刈りが可能になる。
- 複雑性: 本論文では最悪時間計算量の境界を確立しており、評価される矩形の数はシステム次元に対して多項式的にスケールし、許容誤差に対して反比例することを示しているが、タイトな境界によって実際には大幅に削減される。

主な貢献

新しいフレームワーク: 加法的な状態依存外乱を持つ非線形システムに対して、LNN を用いてロバストな CLF と安定化制御器を学習するための統一的なアプローチ。
微分境界: LNN のヘッセ行列および3次微分の明示的なスペクトルノルム境界の確立。これらの境界は、ゼロ次または1次情報のみから導出されるものよりもタイトであり、リアプノフ検証の非凸性の問題に対処している。
GPU フレンドリーな検証: これらの高次境界を利用し、GPU 上でのバッチ評価をサポートする BnB アルゴリズムの開発。これにより、CPU ベースの SMT ソルバーと比較して検証プロセスが大幅に加速される。
実証的検証: 6つの動的システム（倒立振子、ユニサイクル、3次システム、カートポール、2D クアッドロータ、SCARA アーム）を用いた広範なシミュレーションにより、提案手法が安定性を検証し、速度とスケーラビリティの両面で既存のツール（dReal, $\alpha,\beta$ -CROWN）を凌駕することを実証した。

結果
論文では、提案手法を dReal (CPU ベースの SMT) および $\alpha,\beta$ -CROWN (GPU ベースの境界伝播) と比較したシミュレーション結果を提示している。

検証速度: 提案された GPU ベースの BnB アルゴリズは dReal を一貫して上回り、より高い状態次元（例： $n_x=8$ の SCARA アーム）を持つシステムであっても、検証時間を数時間（あるいはタイムアウト）から数秒へと短縮することが多い。
スケーラビリティ: dReal が合理的な時間内に検証できない 2〜3 層を超えるネットワークに対しても、提案手法は最大 4 層のネットワークを正常に検証できる。
前方不変領域: 学習された制御器は、標準的な LQR および非ロバストなニューラル CLF (NLC) アプローチと比較して、有意に大きな前方不変領域を実現している。倒立振子において、提案手法は ~75% の前方不変領域比率を達成したが、LQR は ~23% であった。
ロバスト性: 検証により、学習された制御器が UUB 条件を満たし、外乱が存在する場合でも軌道を限定された領域内に保持することが確認された。

意義と主張
本論文の主な意義は、ディープラーニングの表現力と、ロバスト制御検証の厳格な要件との間の溝を埋めることにあると主張している。LNN の特定の構造を利用して高次微分境界を導出することで、著者らは、数学的に厳密かつ計算効率の高い検証プロセスを可能にした。

著者らは、本フレームワークは既知の誤差範囲を持たない「未知」のモデルに対する安定性を証明するものではなく、むしろ「証明された」モデルの不一致または有界な外乱に対する決定論的なロバスト性の保証を提供するものであることを明示している。本研究は、LNN が制約のないネットワークと比較して表現力が低下する可能性がある一方で、そのトレードオフは、複雑な非線形システムの形式的な検証を実用的にするために不可欠な、効率的な高次検証を実行できる能力によって正当化されることを強調している。論文は、このアプローチが、安全性が重視される制御アプリケーションにおいて、ロバストで学習された制御器の形式的検証を実用的なものにすると結論付けている。