Optimal control technology for complex systems by applying machine learning

2021 Fiscal Year Final Research Report

• Project/Area Number: 18K04222
• 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: Toyota Central R&D Lab., Inc.
• Principal Investigator: Ito Yuji 株式会社豊田中央研究所, 量子デバイス研究領域, なし (10613565)
• Co-Investigator(Kenkyū-buntansha): 藤本 健治 京都大学, 工学研究科, 教授 (10293903)
• Project Period (FY): 2018-04-01 – 2022-03-31
• Keywords: データ駆動型制御 / 確率最適制御 / 機械学習

Outline of Final Research Achievements

This study aimed to develop fundamental control theories for data-driven models that can represent complex systems. For data-driven models, such as Gaussian processes, and nonlinear stochastic systems that can express nonlinearity and uncertainty, we developed methods to analyze stability and/or design controllers improving statistical control performance. In addition, we developed methods for stability and/or control of linear stochastic systems that can express various uncertainties, which are expected to be extended to nonlinear stochastic systems.

Free Research Field

制御工学

Academic Significance and Societal Importance of the Research Achievements

機械学習の発展によりガウス過程等のデータ駆動型モデルが注目されており、そのようなモデルを用いて制御則を設計する試みがされている。しかしながら、データ駆動型モデルは高い表現力と代償に複雑な関数で構成されているため、従来の制御理論を用いても統計的最適性や安定性を保証した制御則を設計する事は困難である。本研究で構築した理論はこの問題を解決するための手法であると共に、今後の更なる発展が期待される。また、個体差が大きく外乱にも弱いナノスケールデバイス等、非線形特性や不確かさ（ばらつき）をあわせ持つ複雑な対象を制御する要求に対して、本研究成果の活用が期待される。