モデル予測制御2026/8/19arXiv:2608.19443

ハイブリッドフィードバックサンプリングによるサンプル効率的モデル予測制御

Hybrid Feedback Sampling for Sample-Efficient Model Predictive Control

サンプリングベースのMPCの不安定性を分析し、最適なサンプリング分布をフィードバックポリシーで実現するFS-MPCを提案。局所探索と大域探索をバランスするハイブリッドサンプリングで、高次元・不安定系でも効率的に制御する。

詳しい要約

1. どんなもの？

本論文は、サンプリングベースのModel Predictive Control (MPC)のサンプル効率を改善する新しいアルゴリズムFeedback Sampling MPC (FS-MPC)を提案している。FS-MPCは、最適なサンプリング提案分布が最適化されたフィードバックポリシーによるサンプリングで実現できることを示し、システムの安定性と計算予算に基づいて局所探索と大域探索をバランスするハイブリッドサンプリング設計を導入する。

2. 先行研究と比べてどこがすごい？

従来のサンプリングベースMPC（例：MPPI）は高次元・開ループ不安定なシステムではサンプル数が地平線に対して指数関数的に増加し、サンプル効率が悪く数値的不安定性が生じる。FS-MPCは、標準的なフィードバックサンプリング（局所探索に偏る）とMPPI（大域探索）の欠点を理論的に分析し、ハイブリッドサンプリングによりMPPIよりも速い収束とフィードバックサンプリングよりも良い最適性を達成する。

3. 技術・手法の肝は？

手法の核は、最適なサンプリング提案分布がフィードバックポリシーで実現されるという理論的洞察に基づき、システムの安定性と計算予算に応じて局所探索（フィードバックサンプリング）と大域探索（MPPI的サンプリング）を切り替えるハイブリッドサンプリング設計を採用すること。これにより、不安定なタスクでもサンプル効率を保ちながら最適性を向上させる。

4. どうやって有効だと検証した？

理論解析により、ハイブリッドサンプリングが標準MPPIより速く収束し、標準フィードバックサンプリングより良い最適性を持つことを示した。さらに、humanoid loco-manipulationやdexterous manipulationなどの多様な接触リッチ制御タスクで、FS-MPCが標準サンプリング手法が苦戦する動的不安定タスクを解決し、フィードバックポリシーのみより優れることを実証した。最後に、実世界のhumanoidロボットの歩行と操作タスクで検証した。

5. 議論はある？

要旨からは、FS-MPCの理論的保証が特定の条件下での収束と最適性に関するものであり、実世界での適用範囲や限界（例えば、計算予算の設定方法やシステムの安定性の評価方法）についての詳細な議論は不明。また、ハイブリッドサンプリングの切り替え基準の実装詳細や、他のサンプリングベース手法との比較における公平性などについても要旨からは不明。

6. 次に読むべき論文は？

要旨で参照されている標準MPPI（Model Predictive Path Integral）と標準フィードバックサンプリングに関する論文。また、関連するサンプリングベースMPCの手法（例：Cross-Entropy Method, Sampling-based MPC）や、接触リッチ制御タスクのベンチマーク（例：humanoid locomotion, dexterous manipulation）に関する研究が挙げられる。

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Chaoyi Pan, Zeji Yi, John Zhang, Zachary Manchester, Guannan Qu, Guanya Shi

分類: cs.RO, eess.SY

原文アブストラクト

Thanks to its parallelizability and flexibility, sampling-based Model Predictive Control (MPC) has become widely popular for controlling real-world robotic systems. However, for high-dimensional and open-loop unstable dynamical systems, the required number of samples to improve the control sequence will grow exponentially with the horizon, leading to poor sample efficiency and numerical instability. This paper investigates the instability of shooting methods in sampling-based MPC and shows that the optimal sampling proposal distribution can be realized by sampling with an optimized feedback policy. We refer to this algorithm as Feedback Sampling MPC (FS-MPC). FS-MPC involves a hybrid sampling design which balances local and global search based on the system stability and the available computation budget. Our theoretical analysis shows that our hybrid sampling approach achieves faster convergence than standard MPPI and better optimality than standard feedback sampling. Empirically, in diverse contact-rich control tasks like humanoid loco-manipulation and dexterous manipulation, we show that FS-MPC successfully tackles dynamically unstable tasks where standard sample-based approaches struggle, and strictly outperforms feedback policies alone. Finally, we validate our method on humanoid robot locomotion and manipulation tasks in the real world.

arXivで原文を読む →arXiv概要ページ