明示的な状態推定なしで汎化可能なトランスフォーマーによる出力フィードバック最適制御

- 部分的観測・ノイズを含む線形時不変系(LTI)の族に対し、1つの transformer ポリシーで最適制御を近似する研究。 - 対象は MIMO 系で、次元・コスト行列・ノイズ水準が異なる heterogeneous な系の集合。 - 実行時は短い窓のノイズ付き観測のみから制御入力を出力し、plant 行列も state estimator も用いない。 - 学習は optimal LQG control の模倣(imitation)で行う。

- 古典的最適制御は plant ごとに個別に controller を設計するのが前提。 - 本研究は『1つの学習ポリシーが部分的観測・ノイズ付き線形系の族全体を担えるか』という問いを立て、それを実証。 - 従来の LQG のように plant 行列と state estimator を必要とせず、観測窓のみで動作する点が異なる。 - 次元・コスト・ノイズが異なる系を同一重みで扱える shared representation を導入。

- system-wise standardization、zero-padding、masking、コスト・ノイズ共分散の encoding による shared representation。 - 異種 LTI MIMO 系上の optimal LQG control を模倣するよう transformer を学習。 - 実行時は短い観測窓から直接制御入力を生成(plant 行列・state estimator 不要)。 - 動的状態空間モデルとして表される optimal LQG ポリシーと、有限窓上の静的 transformer の関係を理論的に特徴づけ。 - 任意の causal ポリシーの closed-loop excess cost を、最適行動からの偏差の energy として表現。

- 28 個の simulated systems で評価。 - 学習済み(seen)系では optimal cost に対し median gap 0.4% 以内。 - 未学習(unseen)系では軽い fine-tuning により median gap 1.0% に到達。

- optimal LQG ポリシー(動的状態空間モデル)と有限窓 transformer の関係、および excess cost の energy 表現という理論的考察を提示。 - 限界や失敗事例、計算コスト、スケーラビリティ等の詳細な議論は要旨からは不明。 - 実機検証や sim-to-real の議論は要旨からは不明。

- optimal LQG control(古典的 LQG) - Linear Time-Invariant (LTI) / MIMO システム同定・制御 - transformer による制御ポリシー学習(imitation learning 系) - state estimation を用いない output feedback control - 要旨で直接参照されている個別論文は不明。