条件付きフローマッチングによる制御潜在変数の解釈とシステム同定

本論文は、適応型ポリシーが学習した制御潜在変数（control latents）を、物理モデルの分布にデコードする手法を提案している。具体的には、条件付きフローマッチング（conditional flow matching）を用いて、各動作潜在変数をクアッドローター（quadrotor）モデルの分布に変換する。これにより、固定されたポリシーを変更せずに、オンライン予測チューニングやロバスト性解析などの下流タスクを可能にする。

従来の潜在変数適応型ポリシーでは、学習された潜在変数はポリシーの内部表現であり、物理モデルとして解釈・展開・他の制御モジュールでの利用が困難だった。また、潜在変数から物理パラメータへの直接マッピングは、複数のシステムが同様の閉ループ挙動を誘発するため、特定が不十分（under-specified）である。本研究は、分布としてデコードすることでこの問題を解決し、物理モデルとしての利用を可能にした点が新しい。

手法の核心は、条件付きフローマッチング（conditional flow matching）を用いて、潜在変数をクアッドローターの物理モデルの分布にデコードすること。これにより、各潜在変数に対して一意のパラメータではなく、分布を出力し、不確実性を表現する。デコードされた分布は、ポリシーを変更せずに、高レベルコントローラの予測チューニングや、指定された外乱下でのロバスト性解析に利用される。

検証は、摂動されたアクチュエータダイナミクス下での実験で行われた。デコードされたモデルによる予測チューニングは、固定ゲインと比較して、位置追従RMSEを23%、方位RMSEを45%削減した。また、ガウス力外乱下では、デコードされたモデルのアンサンブルが横方向追従誤差の時間発展を密に予測した。

要旨からは、議論の詳細は不明であるが、潜在変数を分布にデコードすることで、物理モデルとしての解釈性が向上し、固定された適応ポリシーのチューニング、ロバスト性解析、診断が可能になることが示唆される。一方で、デコードされた分布の精度や、他のシステムへの適用可能性などについては、要旨からは不明である。

要旨で参照されている関連研究は明示されていないが、同分野の定番として、潜在変数適応型ポリシー（latent-conditioned adaptive policies）や、システム同定（system identification）、条件付きフローマッチング（conditional flow matching）に関する論文が挙げられる。具体的には、潜在変数を用いた適応制御の基礎研究や、フローマッチングの理論を扱った論文が関連する。