論文の概要: Conformal Koopman for Embedded Nonlinear Control with Statistical Robustness: Theory and Real-World Validation
- arxiv url: http://arxiv.org/abs/2603.21580v1
- Date: Mon, 23 Mar 2026 05:04:32 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-24 19:11:39.496985
- Title: Conformal Koopman for Embedded Nonlinear Control with Statistical Robustness: Theory and Real-World Validation
- Title（参考訳）: 統計的ロバスト性を考慮した埋め込み非線形制御のためのコンフォーマルクープマン:理論と実世界検証
- Authors: Koki Hirano, Hiroyasu Tsukamoto,
- Abstract要約: 離散時間非線形システムの統計的に堅牢な制御のためのデータ駆動型クープマンベースのフレームワークを提案する。
我々は、軌道全体の状態依存モデリングの不確実性に縛られ、安全性と堅牢性を確保する。
本手法は,Dubins車を用いた数値シミュレーションと,高非線形羽ばたき翼ドローンを用いた実世界実験の両方において検証した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We propose a fully data-driven, Koopman-based framework for statistically robust control of discrete-time nonlinear systems with linear embeddings. Establishing a connection between the Koopman operator and contraction theory, it offers distribution-free probabilistic bounds on the state tracking error under Koopman modeling uncertainty. Conformal prediction is employed here to rigorously derive a bound on the state-dependent modeling uncertainty throughout the trajectory, ensuring safety and robustness without assuming a specific error prediction structure or distribution. Unlike prior approaches that merely combine conformal prediction with Koopman-based control in an open-loop setting, our method establishes a closed-loop control architecture with formal guarantees that explicitly account for both forward and inverse modeling errors. Also, by expressing the tracking error bound in terms of the control parameters and the modeling errors, our framework offers a quantitative means to formally enhance the performance of arbitrary Koopman-based control. We validate our method both in numerical simulations with the Dubins car and in real-world experiments with a highly nonlinear flapping-wing drone. The results demonstrate that our method indeed provides formal safety guarantees while maintaining accurate tracking performance under Koopman modeling uncertainty.
- Abstract（参考訳）: 線形埋め込みを伴う離散時間非線形システムの統計的に堅牢な制御を行うための,完全なデータ駆動型クープマンベースのフレームワークを提案する。
クープマン作用素と縮約理論の間の接続を確立し、クープマンモデリングの不確実性の下で状態追跡誤差の分布自由確率境界を提供する。
コンフォーマル予測は、軌道全体にわたって状態依存モデリングの不確実性に厳密な制約を導出し、特定のエラー予測構造や分布を仮定することなく、安全性と堅牢性を確保するために用いられる。
オープンループ設定におけるコンフォメーション予測とクープマン制御を単純に組み合わせた従来の手法とは異なり,本手法は,前方および逆モデリングエラーを明示的に考慮した形式的な保証付きクローズドループ制御アーキテクチャを確立する。
また、制御パラメータやモデリングエラーの観点からのトラッキングエラーを表現することにより、任意のクープマン制御の性能を正式に向上する定量的な手段を提供する。
本手法は,Dubins車を用いた数値シミュレーションと,高非線形羽ばたき翼ドローンを用いた実世界実験の両方において検証した。
提案手法は,クープマンモデルの不確実性の下で,精度の高い追跡性能を維持しつつ,形式的な安全保証を提供することを示す。
関連論文リスト
- Noise Titration: Exact Distributional Benchmarking for Probabilistic Time Series Forecasting [1.5939955861266883]
本稿では,介入主義的,厳密な統計的ベンチマークへのパラダイムシフトを提案する。
我々は,ブラックボックスシーケンスマッチングゲームから正確な分布推定タスクに予測を変換する。
我々は、最先端のゼロショットモデルがコンテキストパロッキング機構と一貫して振る舞うことを発見した。
論文 参考訳（メタデータ） (2026-03-23T17:14:11Z) - Statistical Contraction for Chance-Constrained Trajectory Optimization of Non-Gaussian Stochastic Systems [0.0]
このフレームワークは共形推論を用いて任意の参照軌跡を囲む閉ループ力学に対する信頼セットを生成する。
適切な制約の締め付けにより、基準軌跡上の統計的に妥当な決定論的制約をトラクタブルに修正することができる。
これにより、安全クリティカルな現実世界のアプリケーションにおいて、ニューラルネットワークメトリクスのような学習ベースのモーションプランナとコントローラを活用、検証するフォーマルなパスが可能になる。
論文 参考訳（メタデータ） (2026-03-07T08:01:20Z) - Scalable Data-Driven Reachability Analysis and Control via Koopman Operators with Conformal Coverage Guarantees [8.09931279904483]
我々は、ニューラルネットワーク(NN)リフト関数でクープマン理論を用いて、力学の近似線形表現を学習する。
我々は、NN検証ツールを介して、クローズドループ到達可能なセットを元の状態空間にマップする。
高次元MuJoCoタスクの結果、既存の手法よりも到達可能な設定カバレッジ率、計算効率、保守性が向上した。
論文 参考訳（メタデータ） (2026-01-03T05:31:08Z) - Koopman Data-Driven Predictive Control with Robust Stability and Recursive Feasibility Guarantees [0.9374652839580183]
線形制御入力クープマンリフトモデルによる入力出力データから非線形システムのデータ駆動予測制御系の設計を考察する。
将来の出力を予測するためにクープマンモデルを特定しシミュレーションする代わりに、クープマン空間内の部分空間予測コントローラを設計する。
論文 参考訳（メタデータ） (2024-05-02T13:54:21Z) - Certified Human Trajectory Prediction [66.1736456453465]
本稿では,ロバスト性を保証する軌道予測に適した認証手法を提案する。
そこで本研究では, 拡散型トラジェクトリデノイザを提案し, 本手法に組み込むことにより, 性能低下を緩和する。
認定された予測器の精度と堅牢性を実証し、認定されていない予測器に対するそれらの優位性を強調する。
論文 参考訳（メタデータ） (2024-03-20T17:41:35Z) - Data-driven Nonlinear Model Reduction using Koopman Theory: Integrated
Control Form and NMPC Case Study [56.283944756315066]
そこで本研究では,遅延座標符号化と全状態復号化を組み合わせた汎用モデル構造を提案し,Koopmanモデリングと状態推定を統合した。
ケーススタディでは,本手法が正確な制御モデルを提供し,高純度極低温蒸留塔のリアルタイム非線形予測制御を可能にすることを実証している。
論文 参考訳（メタデータ） (2024-01-09T11:54:54Z) - Provable Guarantees for Generative Behavior Cloning: Bridging Low-Level
Stability and High-Level Behavior [51.60683890503293]
生成モデルを用いた複雑な専門家による実演の行動クローニングに関する理論的枠組みを提案する。
任意の専門的軌跡の時間ごとのステップ分布に一致するトラジェクトリを生成することができることを示す。
論文 参考訳（メタデータ） (2023-07-27T04:27:26Z) - Statistical Safety and Robustness Guarantees for Feedback Motion
Planning of Unknown Underactuated Stochastic Systems [1.0323063834827415]
本研究では, 平均力学モデルを用いたサンプリングベースプランナを提案し, 学習外乱境界による閉ループ追従誤差を同時に有界化する。
この保証は,10次元四角形ロボットのシミュレーションや,クレージーフライ四角形ロボットとクリアパスジャカルロボットの現実世界でのシミュレーションにおいて,経験的安全性に変換されることを検証した。
論文 参考訳（メタデータ） (2022-12-13T19:38:39Z) - Probabilities Are Not Enough: Formal Controller Synthesis for Stochastic
Dynamical Models with Epistemic Uncertainty [68.00748155945047]
複雑な力学系のモデルにおける不確実性を捉えることは、安全なコントローラの設計に不可欠である。
いくつかのアプローチでは、安全と到達可能性に関する時間的仕様を満たすポリシーを形式的な抽象化を用いて合成する。
我々の貢献は、ノイズ、不確実なパラメータ、外乱を含む連続状態モデルに対する新しい抽象的制御法である。
論文 参考訳（メタデータ） (2022-10-12T07:57:03Z) - Learning Robust Output Control Barrier Functions from Safe Expert Demonstrations [50.37808220291108]
本稿では,専門家によるデモンストレーションの部分的な観察から,安全な出力フィードバック制御法を考察する。
まず,安全性を保証する手段として,ロバスト出力制御バリア関数(ROCBF)を提案する。
次に、安全なシステム動作を示す専門家による実証からROCBFを学習するための最適化問題を定式化する。
論文 参考訳（メタデータ） (2021-11-18T23:21:00Z)
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。