ニューラルネットワークの学習による確率的な不確かさに対するロバスト制御系の構築法

摘要

本論文ではニューラルネットワークの学習により確率的な不確かさに対してロバストな制御系を構築する方法を提案し，それらの特性を数値計算により調べた．本稿で示した方法によれば，いずれも考慮した確率的な不確かさに対してロバストな制御系を学習することができる．しかし，よく知られているようにロバスト性と制御性能は相反する要求であることから，γやE{sub}vなどの設計パラメータの適切な設計が必要である．その際，学習の際に考慮しない不確かさに対してはロバスト性は保証はできないことに注意する必要がある．つまり，未知の不確かさに対してロバストとなることを期待して過度に大きなロバスト性を設定して学習したとしても，考慮していない不確かさに対しては脆弱である可能性があり，制御性能の不要な劣化にもつながる．提案手法でも考慮する不確かさに対して適切なロバスト性を設定するべきである．未知の不確かさに対するロバスト性の向上は，学習が完了しパラメータが固定されたニューラルネットワークのみで達成することができない．このような場合には，事前に考慮する不確かさに対しては本稿や参考文献に示した方法により学習を行なったニューラルネットワークにより十分なロバスト性を確保し，未知の不確かさに対しては制御の実施中に収集する対象や環境に関する情報を基にして適応的に振舞いを変化させる機構を補助的に用いるのが有効であると考えている．また，本稿では無人ヘリコプタの飛行シミュレーション結果のみを示したが，本稿で提案した学習方法により構築したニューラルネットワークにより実際に安定したプログラム飛行が実現することができることも飛行実験により確認している．