遠隔操作車両のためのニューラルネットワークベースのテレオペレーション

本論文は、遠隔操作車両における通信遅延と未モデル化外乱（空力抵抗、バンク角など）および非線形タイヤ・路面動力学の問題に対処するため、Wave Variable (WV) 法と適応Radial Basis Function Network (RBFN) を統合した片方向テレオペレーション・フレームワークを提案している。WV法は確率的遅延下での受動性による安定性を保証し、RBFNは車両固有の不確かさを能動的に補償する。車両の縦方向と横方向の動力学に特化した分離適応則を特徴とし、モデルフリーで計算効率が高い。

既存のWV-ニューラルネットワークアーキテクチャは双方向ロボットアーム向けであり、車両の縦・横方向動力学に適した分離適応則を持たない点が異なる。また、モデルベースの予測制御（MPCやNMPC）と比較して、RBFNはモデルフリーでオンライン適応が高速であり、計算負荷が桁違いに小さい。これにより、リソース制約のある車両エッジコンピューティングに適している。

手法の核は、WV法による受動性ベースの安定化と、RBFNによる適応補償の統合である。特に、車両の縦方向と横方向の動力学に対して分離された適応則を設計し、未モデル化外乱や不確かさをオンラインで学習・補償する。モデルフリーであるため、重い計算を必要とせず、実時間適応が可能である。

シミュレーションでPID、LQR、MPC、NMPCと比較し、RBFNが未モデル化外乱に対して優れたロバスト性を示し、実行時間がMPCやNMPCより桁違いに短いことを実証した。さらに、1/10スケール車両と4Gネットワークを用いたハードウェアインザループ実験により、実用的な実現可能性、安全性、物理的な道路不確かさ下でのロバストな軌道追従を検証した。

要旨からは、提案手法の限界やトレードオフ（例えば、RBFNの収束性やWV法の遅延範囲）についての議論は不明である。また、シミュレーションとハードウェア実験の詳細な条件や、他の手法との比較における公平性なども要旨からは判断できない。

要旨で参照されている関連研究として、WV法を用いたテレオペレーション、RBFNの適応制御、MPCやNMPCなどのモデル予測制御、および双方向ロボットアーム向けのWV-ニューラルネットワークアーキテクチャに関する論文が挙げられる。具体的には、Wave Variable法の基礎論文や、車両遠隔操作における遅延補償の研究、RBFNを用いた適応制御の応用論文などが該当する。