平方根ガウス・ニュートンiLQR

- 非線形軌道最適化のためのiLQRの新しい平方根定式化を提案する論文。 - 従来のiLQRは各反復で局所的な線形二次近似を動的計画法で解き、二次コスト-to-go関数を伝播する。 - コスト-to-go近似のHessianが半正定値なら、そのCholesky因子を伝播する平方根版が可能。 - 数値的利点があり、特に拡張Lagrangian枠組みで制約を扱う際に大きなペナルティによる条件数の悪化を軽減する。 - 既存の平方根iLQRは数値的に劣るかアルゴリズムが複雑かその両方である。 - 本論文はGauss-Newton（重み付き最小二乗）構造に着目し、単一のQR分解で後向きパスを実現する。

- 従来の平方根iLQRや関連アルゴリズムは数値的に最適でない、アルゴリズムが複雑、またはその両方である。 - 本手法はGauss-Newton構造を利用することで、半正定値性をHessianだけでなく拡張コスト-to-go行列全体に拡張する。 - その結果、後向きパスが各ステップで単一のQR分解に還元され、フィードバックゲインと伝播するCholesky因子を直接抽出できる。 - これにより従来の平方根定式化よりも数値的安定性とアルゴリズムの簡潔さを両立する。

- コスト関数のGauss-Newton（重み付き最小二乗）構造を活用する。 - この構造により、Hessianだけでなく拡張コスト-to-go行列全体が半正定値となる性質が得られる。 - 後向きパスでは各ステップが単一のQR分解で済み、そこからフィードバックゲインと伝播するCholesky因子を直接抽出する。 - これにより数値的に安定で簡潔な平方根iLQRを実現する。

- 要旨からは不明。

- 要旨からは不明。

- 要旨で参照/比較されている研究：従来の平方根iLQRおよび関連アルゴリズム、平方根Kalmanフィルタ、拡張Lagrangian枠組み。 - 関連手法：iLQR、Gauss-Newton法、QR分解。 - 同分野の定番：DDP (Differential Dynamic Programming)、直接法（例：direct collocation）、制約付き軌道最適化のための拡張Lagrangian法。