論文の概要: Sampling-Horizon Neural Operator Predictors for Nonlinear Control under Delayed Inputs

• arxiv url: http://arxiv.org/abs/2603.29119v1
• Date: Tue, 31 Mar 2026 01:14:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-01 15:25:02.979094
• Title: Sampling-Horizon Neural Operator Predictors for Nonlinear Control under Delayed Inputs
• Title（参考訳）: 遅延入力における非線形制御のためのサンプリング-水平ニューラル演算子予測器
• Authors: Luke Bhan, Peter Quawas, Miroslav Krstic, Yuanyuan Shi,
• Abstract要約: 遅延入力とサンプル測定を併用した非線形システムのための2つのニューラル-演算型予測フィードバック設計法を開発した。 最初の設計では、現在の計測と入力履歴を予測された状態軌跡にマッピングするサンプリング水平予測演算子を導入する。 第2の設計では、ニューラル演算子は遅延補償予測器のみを近似し、測定間の閉ループフローで構成する。
• 参考スコア（独自算出の注目度）: 5.578049844940438
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Modern control systems frequently operate under input delays and sampled state measurements. A common delay-compensation strategy is predictor feedback; however, practical implementations require solving an implicit ODE online, resulting in intractable computational cost. Moreover, predictor formulations typically assume continuously available state measurements, whereas in practice measurements may be sampled, irregular, or temporarily missing due to hardware faults. In this work, we develop two neural-operator predictor-feedback designs for nonlinear systems with delayed inputs and sampled measurements. In the first design, we introduce a sampling-horizon prediction operator that maps the current measurement and input history to the predicted state trajectory over the next sampling interval. In the second design, the neural operator approximates only the delay-compensating predictor, which is then composed with the closed-loop flow between measurements. The first approach requires uniform sampling but yields residual bounds that scale directly with the operator approximation error. In contrast, the second accommodates non-uniform, but bounded sampling schedules at the cost of amplified approximation error, revealing a practical tradeoff between sampling flexibility and approximation sensitivity for the control engineer. For both schemes, we establish semi-global practical stability with explicit neural operator error-dependent bounds. Numerical experiments on a 6-link nonlinear robotic manipulator demonstrate accurate tracking and substantial computational speedup of 25$\times$ over a baseline approach.
• Abstract（参考訳）: 現代の制御システムは入力遅延とサンプル状態測定の下で頻繁に動作している。 一般的な遅延補償戦略は予測器のフィードバックであるが、現実的な実装では暗黙のODEをオンラインで解決する必要があるため、計算コストが低下する。 さらに、予測器の定式化は、通常、継続的に利用可能な状態の測定を仮定するが、実際には、ハードウェアの欠陥のためにサンプル化、不規則化、あるいは一時的に欠落することがある。 そこで本研究では,遅延入力とサンプル計測による非線形システムに対する2つのニューラル演算型予測フィードバック設計法を提案する。 最初の設計では、現在の計測と入力履歴を次のサンプリング間隔で予測された状態軌跡にマッピングするサンプリング水平予測演算子を導入する。 第2の設計では、ニューラル演算子は遅延補償予測器のみを近似し、測定間の閉ループフローで構成する。 最初のアプローチでは、一様サンプリングを必要とするが、演算子近似誤差と直接スケールする残留境界が得られる。 対照的に、第2の方法は、増幅近似誤差を犠牲にして、非一様であるが有界なサンプリングスケジュールを許容し、サンプリング柔軟性と制御エンジニアの近似感度の実践的なトレードオフを明らかにする。 どちらのスキームに対しても、明示的なニューラル演算子エラー依存境界を持つ半言語的実践的安定性を確立する。 6リンク非線形ロボットマニピュレータの数値実験により, 精度の高い追尾と計算速度が25$\times$となることを示した。

関連論文リスト

• Predictor-Based Output-Feedback Control of Linear Systems with Time-Varying Input and Measurement Delays via Neural-Approximated Prediction Horizons [6.093618731228799]
  我々は,入力と測定の両方に遅延のあるシステムに対して,出力フィードバック予測器を設計する。 予測水平線が十分に小さな誤差で近似された場合, 結果として得られる閉ループ系は指数関数的に安定であることを示す。
  論文  参考訳（メタデータ） (2026-03-31T01:09:24Z)
• From Shortcut to Induction Head: How Data Diversity Shapes Algorithm Selection in Transformers [67.02076505996284]
  本研究では, 事前学習したデータ分布の選択が, 浅層変圧器を一方の行動に向ける方法について検討する。 その結果,事前学習したトランスフォーマーのアルゴリズム的バイアスに光を当て,学習行動のデータ駆動制御に関する概念的ガイドラインを提供することができた。
  論文  参考訳（メタデータ） (2025-12-21T08:10:26Z)
• Generative Modeling with Continuous Flows: Sample Complexity of Flow Matching [60.37045080890305]
  本稿では,フローマッチングに基づく生成モデルにおいて,サンプルの複雑さを初めて解析する。 速度場推定誤差をニューラルネットワーク近似誤差、有限標本サイズによる統計的誤差、速度場推定のための有限個の最適化ステップによる最適化誤差に分解する。
  論文  参考訳（メタデータ） (2025-12-01T05:14:25Z)
• Stabilization of nonlinear systems with unknown delays via delay-adaptive neural operator approximate predictors [6.093618731228799]
  この研究は、非線形システムの遅延適応制御における近似予測器の最初の厳密な安定性を保証する。 ニューラルネットワークに基づく近似器のフレキシブルなクラスであるニューラル演算子は、任意に小さな近似誤差を達成できることを示す。
  論文  参考訳（メタデータ） (2025-09-30T16:00:58Z)
• Neural Operators for Predictor Feedback Control of Nonlinear Delay Systems [3.0248879829045388]
  我々は,予測設計を演算子学習問題として再認識し,ニューラル演算子を介して予測子マッピングを学習する。 近似予測器の下では,閉ループ非線形遅延システムの半言語的実用安定性を実現する。 ニューラル演算子モデルを用いた5リンクロボットマニピュレータの制御によるアプローチの実証を行った。
  論文  参考訳（メタデータ） (2024-11-28T07:30:26Z)
• Towards Motion Forecasting with Real-World Perception Inputs: Are End-to-End Approaches Competitive? [93.10694819127608]
  実世界の知覚入力を用いた予測手法の統一評価パイプラインを提案する。 我々の詳細な調査では、キュレートされたデータから知覚ベースのデータへ移行する際の大きなパフォーマンスギャップが明らかになりました。
  論文  参考訳（メタデータ） (2023-06-15T17:03:14Z)
• Uncovering the Missing Pattern: Unified Framework Towards Trajectory Imputation and Prediction [60.60223171143206]
  軌道予測は、観測されたシーケンスから実体運動や人間の行動を理解する上で重要な作業である。 現在の方法では、観測されたシーケンスが完了したと仮定し、欠落した値の可能性を無視する。 本稿では,グラフに基づく条件変動リカレントニューラルネットワーク (GC-VRNN) の統一フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-03-28T14:27:27Z)

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。