論文の概要: Interconnection and Damping Assignment Passivity-Based Control using Sparse Neural ODEs

• arxiv url: http://arxiv.org/abs/2512.06935v2
• Date: Mon, 05 Jan 2026 15:21:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:40.189305
• Title: Interconnection and Damping Assignment Passivity-Based Control using Sparse Neural ODEs
• Title（参考訳）: スパースニューラル・オードを用いた相互接続・ダンピング割当て受動制御
• Authors: Nicolò Botteghi, Owen Brook, Urban Fasel, Federico Califano,
• Abstract要約: パッシビリティベース制御(IDA-PBC)は、ポート・ハミルトン構造(pH)を状態フィードバック法則を用いて制御システムに割り当てる非線形制御手法である。 IDA-PBCの主な制限は、偏微分方程式の集合(PDE)を解析的に解く複雑さに起因している。 一致するPDEを正確に解くことなく、IDA-PBCコントローラを設計するための新しい数値手法を提案する。
• 参考スコア（独自算出の注目度）: 0.359986669039879
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Interconnection and Damping Assignment Passivity-Based Control (IDA-PBC) is a nonlinear control technique that assigns a port-Hamiltonian (pH) structure to a controlled system using a state-feedback law. While IDA-PBC has been extensively studied and applied to many systems, its practical implementation often remains confined to academic examples and, almost exclusively, to stabilization tasks. The main limitation of IDA-PBC stems from the complexity of analytically solving a set of partial differential equations (PDEs), referred to as the matching conditions, which enforce the pH structure of the closed-loop system. However, this is extremely challenging, especially for complex physical systems and tasks. In this work, we propose a novel numerical approach for designing IDA-PBC controllers without solving the matching PDEs exactly. We cast the IDA-PBC problem as the learning of a neural ordinary differential equation. In particular, we rely on sparse dictionary learning to parametrize the desired closed-loop system as a sparse linear combination of nonlinear state-dependent functions. Optimization of the controller parameters is achieved by solving a multi-objective optimization problem whose cost function is composed of a generic task-dependent cost and a matching condition-dependent cost. Our numerical results show that the proposed method enables (i) IDA-PBC to be applicable to complex tasks beyond stabilization, such as the discovery of periodic oscillatory behaviors, (ii) the derivation of closed-form expressions of the controlled system, including residual terms in case of approximate matching, and (iii) stability analysis of the learned controller.
• Abstract（参考訳）: IDA-PBC(Interconnection and Damping Assignment Passivity-Based Control)は、ポート・ハミルトン構造(pH)を状態フィードバック法則を用いて制御システムに割り当てる非線形制御手法である。 IDA-PBCは広く研究され、多くのシステムに適用されているが、その実践的実装は学術的な例に限られており、ほとんどは安定化タスクに限られている。 IDA-PBCの主な制限は、閉ループ系のpH構造を強制するマッチング条件と呼ばれる偏微分方程式の集合(PDE)を解析的に解く複雑さに起因している。 しかし、これは特に複雑な物理システムやタスクにとって非常に難しい。 そこで本研究では,一致したPDEを正確に解くことなく,IDA-PBCコントローラを設計するための新しい数値手法を提案する。 我々は、IDA-PBC問題をニューラル常微分方程式の学習として用いた。 特に,非線形状態依存関数の疎線形結合として,所望の閉ループシステムのパラメータ化をスパース辞書学習に頼っている。 制御パラメータの最適化は、コスト関数が汎用タスク依存コストと整合条件依存コストからなる多目的最適化問題を解くことにより達成される。 提案手法が有効であることを示す数値計算結果を得た。 i) IDA-PBCは、周期振動挙動の発見など、安定化以上の複雑なタスクに適用できる。 2 近似マッチングの場合の残留項を含む制御系の閉形式表現の導出及び 三 学習した制御装置の安定性解析

関連論文リスト

• Ensemble based Closed-Loop Optimal Control using Physics-Informed Neural Networks [0.6157382820537719]
  本研究は,最適コスト・ツー・ゴーおよびそれに対応する最適制御信号を学習するための多段階アンサンブル・フレームワークを提案する。 安定化項は使用せず、特異学習制御信号またはアンサンブル制御信号ポリシーを介して非線形システムを制御する手段を提供する。
  論文  参考訳（メタデータ） (2025-10-21T00:41:41Z)
• Q-function Decomposition with Intervention Semantics with Factored Action Spaces [51.01244229483353]
  元の作用空間の低次元射影部分空間上で定義されるQ-函数を考察し、分解されたQ-函数の不偏性について考察する。 これにより、標準モデルフリー強化学習アルゴリズムにおいて、予測Q関数を用いてQ関数を近似する動作分解強化学習と呼ばれる一般的なスキームが導かれる。
  論文  参考訳（メタデータ） (2025-04-30T05:26:51Z)
• Neural Port-Hamiltonian Models for Nonlinear Distributed Control: An Unconstrained Parametrization Approach [0.0]
  ニューラルネットワーク(NN)は、優れたパフォーマンスをもたらす制御ポリシのパラメータ化に利用することができる。 NNの小さな入力変更に対する感度は、クローズドループシステムの不安定化のリスクを引き起こす。 これらの問題に対処するために、ポート・ハミルトンシステムのフレームワークを活用して、連続時間分散制御ポリシーを設計する。 提案する分散コントローラの有効性は,非ホロノミック移動ロボットのコンセンサス制御によって実証される。
  論文  参考訳（メタデータ） (2024-11-15T10:44:29Z)
• Formal Controller Synthesis for Markov Jump Linear Systems with Uncertain Dynamics [64.72260320446158]
  マルコフジャンプ線形系に対する制御器の合成法を提案する。 本手法は,MJLSの離散(モードジャンピング)と連続(確率線形)の両方の挙動を捉える有限状態抽象化に基づいている。 本手法を複数の現実的なベンチマーク問題,特に温度制御と航空機の配送問題に適用する。
  論文  参考訳（メタデータ） (2022-12-01T17:36:30Z)
• Robust stabilization of polytopic systems via fast and reliable neural network-based approximations [2.2299983745857896]
  ポリトピック不確実性を有する線形システムに対する従来の安定化制御器の高速かつ信頼性の高いニューラルネットワーク(NN)に基づく近似設計について検討する。 訓練された修正線形単位(ReLU)に基づく近似が従来の制御系に取って代わる場合、線形不確かさシステムの閉ループ安定性と性能を証明する。
  論文  参考訳（メタデータ） (2022-04-27T21:58:07Z)
• Total Energy Shaping with Neural Interconnection and Damping Assignment -- Passivity Based Control [2.1485350418225244]
  我々は、ニューラルネットワーク(NN)の普遍近似特性を利用して、受動性に基づく制御スキームを設計する。 提案した制御設計手法は,自由度1度と2度のメカニカルシステムに対して検証される。
  論文  参考訳（メタデータ） (2021-12-24T08:41:17Z)
• Gaussian Process-based Min-norm Stabilizing Controller for Control-Affine Systems with Uncertain Input Effects and Dynamics [90.81186513537777]
  本稿では,この問題の制御・アフィン特性を捉えた新しい化合物カーネルを提案する。 この結果の最適化問題は凸であることを示し、ガウス過程に基づく制御リャプノフ関数第二次コーンプログラム(GP-CLF-SOCP)と呼ぶ。
  論文  参考訳（メタデータ） (2020-11-14T01:27:32Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。