技術要約：共通の自由終端時間を持つ連続時間共分散制御

1. 問題定式化

本論文は、規定された初期および終端共分散行列の間で、連続時間確率線形時不変（LTI）システムの状態共分散を制御するための、最適共通自由終端時間問題を取り扱っている。

システムは以下の確率微分方程式（SDE）によって支配される：
$$d\mathbf{x}(t) = (A\mathbf{x}(t) + B\mathbf{u}(t))dt + \Gamma d\mathbf{w}(t)$$
ここで、$\mathbf{x}(t) \in \mathbb{R}^n$ は状態、$\mathbf{u}(t) \in \mathbb{R}^m$ は制御、$\mathbf{w}(t)$ は標準ブラウン運動である。目的は、期待コストを最小化する制御方策 $\mathbf{u}(\cdot)$ および共通の終端時刻 $t_f > 0$ を見出すことである：
$$J(t_f, \mathbf{u}(\cdot)) = \mathbb{E}\left\{ \frac{1}{2} \int_0^{t_f} [\varpi + \mathbf{x}(t)^T Q \mathbf{x}(t) + \mathbf{u}(t)^T R \mathbf{u}(t)] dt \right\}$$
ただし、境界条件として $\mathbf{x}(0) \sim \mathcal{N}(0, \Sigma_0)$ および $\mathbf{x}(t_f) \sim \mathcal{N}(0, \Sigma_f)$ を満たすものとする。

固定された $t_f$ を扱う標準的な共分散制御（CS）問題とは異なり、本定式化では $t_f$ を決定変数として扱う。著者らは、宇宙機の機動、ロボットの動作計画、マルチエージェントの再構成といったアプリケーションにおいて、タスクの所要時間が重要な設計変数となる場合、事前に $t_f$ を固定することは非効率的または保守的になり得ることを強調している。

2. 手法

決定論的再定式化

著者らはまず、確率問題に対する最適制御が線形状態フィードバック表現 $\mathbf{u}^*(t) = K^*(t)\mathbf{x}(t)$ を持つことを確立している。これにより、確率的最適制御問題（SOCP）を、共分散行列 $\Sigma(t)$ のみを扱う**決定論的最適制御問題（OCP）**として再定式化できる：
$$\dot{\Sigma}(t) = (A + BK(t))\Sigma(t) + \Sigma(t)(A + BK(t))^T + D$$
ここで $D = \Gamma\Gamma^T$ である。コスト関数は、共分散のトレースと制御ゲインのみに依存する決定論的なものとなる。

最適性条件とハミルトニアンの零点

決定論的再定式化に対してポントリャーギンの最大原理（PMP）を用いることで、著者らは最適性の必要条件を導出している。主要な貢献は、自由終端時間に関するハミルトニアン横断条件の導出である。
候補となる最適終端時刻 $t_f^*$ に対するハミルトニアンを $\mathcal{H}_{t_f}(\Sigma, \Pi)$ とする。このとき、横断条件は以下を要求する：
$$\mathcal{H}_{t_f^*}(\Sigma(t), \Pi(t)) = 0 \quad \forall t \in [0, t_f^*]$$
著者らは、この条件を満たす候補となる終端時刻を**ハミルトニアンの零点（Hamiltonian-zeros）**と定義している。これらは以下のように区別される：

1. 有限のハミルトニアンの零点: $t_f^* < \infty$。
2. 漸近的なハミルトニアンの零点: 条件は $t_f \to \infty$ のときにのみ接近する。

漸近解析：ゲートウェイとコネクション

$t_f \to \infty$ における解の挙動を特徴付けるために、論文では2つの新しい概念を導入している。

• 漸近ゲートウェイ (Asymptotic Gateways, AG): 非制御下のリアプノフ方程式（$A\Sigma_s + \Sigma_s A^T + D = 0$）を満たし、実行コストがゼロ（$\text{trace}(Q\Sigma_s) = 0$）となる定常共分散状態 $\Sigma_s$ の集合 $\mathcal{G}_\infty$。
• 漸近コネクション (Asymptotic Connections, AC): 有限ホライゾンの最適解が $\mathcal{G}_\infty$ に接近し、その近傍に留まり（ターンパイク挙動）、その後、終端制約を満たすために離脱していくような、極限的な軌跡。

著者らは、$\varpi = 0$ かつ $\mathcal{G}_\infty$ が空でない場合に限り、漸近的なハミルトニアンの零点が存在することを証明している。もし $\mathcal{G}_\infty$ が空である場合（例：$\varpi > 0$ または $Q \neq 0$ の場合）、有限の最適終端時刻の存在が保証される。

数値アルゴリズム

ハミルトニアンの $t_f$ に対する感度に着目し、著者らは信頼領域ラインサーチ・アルゴリズムを開発した。このアルゴリズムは以下の手順を踏む：

1. ハミルトニアンの零点を見つけるために $t_f$ を反復的に更新する。
2. 感度を解析的（特定の拡散構造の場合）または数値的に計算する。
3. 軌跡が漸近ゲートウェイに接近しているかどうかを識別する検出器（Detector）モジュールを含み、有限時間の収束と、最適時間が無限へと向かう漸近的なレジームを区別する。

3. 主な貢献

本論文は以下の技術的貢献を主張している：

• 初の体系的な研究: 一般的な確率LTI設定における、共通の自由終端時間を持つ連続時間共分散制御に関する初の体系的な取り扱いを提供している。
• 横断条件: 決定論的再定式化を通じて、共通の自由終端時間に対する正しいハミルトニアン横断条件を導出し、古典的な確率最小原理では共通の自由終端時間に対する必要条件が得られないというギャップを埋めた。
• 有限性と漸近性: 有限の最適終端時刻が存在するための十分条件を確立し、最適時間が漸近的にしか到達されないメカニズム（漸近ゲートウェイを介したもの）を特徴付けた。
• ターンパイク解釈: 長期ホライゾンにおける不変構造を記述するために、漸近ゲートウェイと漸近コネクションを導入し、大規模ホライゾンにおけるターンパイク型の解釈を提供した。
• アルゴリズムによる解決: 有限の最適時間と無限ホライゾン解のレジームの両方を検出可能な信頼領域アルゴリズムを提案し、数値例を通じて検証した。

4. 結果と数値例

著者らは、以下の3つの例を用いて理論とアルゴリズムを検証している：

1. ノイズ強度の影響: 3つの挙動を示す2次元の例：
   • 有限の最適 $t_f$ への収束（$Q=I$ の場合）。
   • 無限に発散する漸近ゲートウェイへの収束（$Q=0$ かつシステムのモードが周辺安定性に近づく場合）。
   • 特異な漸近ゲートウェイへの収束（拡散がほぼ特異な場合）。
2. 宇宙機操縦: クローシー・ウィルシャイズ・ヒル（CWH）力学の下でのデプティ・スペースクラフトの共分散制御。このアルゴリズムは、ハミルトニアンの感度がほぼゼロになる（平坦な領域）ケースを含む、異なる $t_f$ の初期値に対しても頑健性を示し、成功裏に機能した。
3. ガウス混合モデル（GMM）の制御: あるターゲットGMMへGMMを制御する応用。著者らは、すべての混合成分に対して共通の終端時間を強制する場合と、各成分のペアがそれぞれ独自の最適終端時間を持つことを許容する場合のコスト差を**「同期の代償（Price of Synchronization）」**と定義した。結果として、共通の時間制約はコストを増加させ得ること（例：この例では14%）を示し、混合成分が合流するにつれてこの差が縮小することも示した。

5. 意義と主張

本論文は、タスクの所要時間が性能指標となる（航空宇宙、ロボティクスなどの）安全性が極めて重要な領域において、不確実性を考慮した制御のための不可欠な進展であると位置づけている。

• 理論的洞察: 自由終端時間問題は非常に繊細であり、固定ホライゾン形式には存在しない、短ホライゾンにおける特異性や長ホライゾンにおけるターンパイク挙動といった現象を示すことを明らかにしている。
• 実用的有用性: 提案されたフレームワークは、$t_f$ を恣意的に固定することによる非効率性を回避し、問題が有限時間の解に対して適切でない（すなわち、最適解が無限ホライゾンを必要とする）場合を検知するメカニズムを提供する。
• 汎用性: 本定式化は、混合成分のそれぞれが異なる時間に到着することを許容するなど、より一般的な分布制御問題への自然な拡張を提供し、それによって「同期の代償」を回避することを可能にする。

著者らは、より弱い仮定（例：制御可能性の仮定の緩和や、固定された漸近限界の存在の緩和）への拡張は依然として未解決の領域であるとし、今後の課題として述べている。