DNNを用いたフィードバック制御器の汎化性能向上技術の構築と実証的検証

• Project/Area Number: 25K07794
• Research Category: Grant-in-Aid for Scientific Research (C)
• Allocation Type: Multi-year Fund
• Section: 一般
• Review Section: Basic Section 21040:Control and system engineering-related
• Research Institution: The University of Osaka
• Principal Investigator: 橋本 和宗 大阪大学, 大学院工学研究科, 准教授 (60883361)
• Co-Investigator(Kenkyū-buntansha): 仲野 聡史 名古屋工業大学, 工学(系)研究科(研究院), 助教 (30847893) ; SHEN Xun 東京農工大学, 工学(系)研究科(研究院), 准教授 (90823378)
• Project Period (FY): 2025-04-01 – 2029-03-31
• Project Status: Granted (Fiscal Year 2025)
• Budget Amount: ¥4,680,000 (Direct Cost: ¥3,600,000、Indirect Cost: ¥1,080,000); Fiscal Year 2028: ¥910,000 (Direct Cost: ¥700,000、Indirect Cost: ¥210,000); Fiscal Year 2027: ¥910,000 (Direct Cost: ¥700,000、Indirect Cost: ¥210,000); Fiscal Year 2026: ¥1,300,000 (Direct Cost: ¥1,000,000、Indirect Cost: ¥300,000); Fiscal Year 2025: ¥1,560,000 (Direct Cost: ¥1,200,000、Indirect Cost: ¥360,000)
• Keywords: 信頼されるAI

Outline of Research at the Start

本研究では，ロボットや車両等の多様な動的システムに対するフィードバック制御系を，DNNを用いて学習する方法について議論する．特に最適制御問題の解をDNNにより高精度に推定する問題を考え，様々な初期状態や設計パラメータに対し汎用性を獲得する制御器の設計を目指す．そのために，最適制御問題における解軌道を適切にクラスタリングし，その情報を学習時に明示的に組み込むことで，従来法に比べより汎用的かつ高性能な DNN 制御器設計手法を確立する．安全性や制御性能の理論的な検証を行うと同時に，設計手法の有効性を数値実験や実機により多角的に検証する．