Fugu-MT 論文翻訳(概要): Learning Neural Feedback Linearization for Data-driven Systems via Augmented Lagrangian

論文の概要: Learning Neural Feedback Linearization for Data-driven Systems via Augmented Lagrangian

arxiv url: http://arxiv.org/abs/2609.25163v1
Date: Mon, 21 Sep 2026 11:51:04 GMT
ステータス: 翻訳完了
システム内更新日: 2026-09-23 18:04:04.048068
Title: Learning Neural Feedback Linearization for Data-driven Systems via Augmented Lagrangian
Title（参考訳）: 拡張ラグランジアンを用いたデータ駆動システムのニューラルフィードバック線形化学習
Abstract要約: 本稿では,相対次に基づく条件を学習プロセスに明示的に組み込むことで,フィードバック線形化コントローラの設計と訓練を行う新しいデータ駆動フレームワークを提案する。これにより、従来のフィードバックコントローラコンポーネントをニューラルリー微分に置き換え、完全なデータ駆動のフィードバック線形化フレームワークを容易にする。
参考スコア（独自算出の注目度）: 3.6954802719347417
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The paper proposes a novel data-driven framework for designing and training a feedback linearizing controller by explicitly incorporating relative degree based conditions into the learning process. This enables the conventional feedback controller components to be replaced by neural Lie derivatives, thereby facilitating a fully data-driven feedback linearization framework. Furthermore, practical closed-loop stability is established by deriving sufficient conditions under which bounded identification errors lead to bounded tracking errors. The derived theoretical results are validated through their application to an armature controlled DC motor.
Abstract（参考訳）: 本稿では,相対次に基づく条件を学習プロセスに明示的に組み込むことで,フィードバック線形化コントローラの設計と訓練を行う新しいデータ駆動フレームワークを提案する。これにより、従来のフィードバックコントローラコンポーネントをニューラルリー微分に置き換え、完全なデータ駆動のフィードバック線形化フレームワークを容易にする。さらに、有界な識別誤差が有界な追跡誤差に繋がる十分な条件を導出することにより、実用的な閉ループ安定性を確立する。導出した理論結果は、機動制御直流モータへの適用を通じて検証される。

関連論文リスト

Neural-ESO: A Dual-Pathway Architecture for Provably Robust Learning-Based Control [5.565368627826789]
ニューラル拡張状態オブザーバ(Neural-ESO)に基づく学習支援型外乱回避フレームワークを提案する。一度デプロイされた学習モデルに大きく依存する既存の学習ベースの制御方法とは異なり、Neural-ESOはデュアルパスアーキテクチャを採用している。学習成分にリプシッツを有界にすることで閉ループ誤差の均一な有界性を保証することを示す。
論文参考訳（メタデータ） (2026-07-07T17:41:38Z)
Learning Control-Affine Reduced-Order Models via Autoencoders [0.0]
制御-アフィン還元次モデル(ROM)の同定のためのフレームワークを提案する。提案手法は, オートエンコーダ(AE)を用いて高次元状態, 潜在的に高次元入力を制御-アフィン状態空間力学に適した遅延値に変換する。
論文参考訳（メタデータ） (2026-06-03T16:05:41Z)
Non-Parametric Rehearsal Learning via Conditional Mean Embeddings [88.89267783967263]
本研究では,不必要な未来(AUF)問題をテキスト化するための非パラメトリックリハーサル学習手法を提案する。具体的には、カーネル機械を用いてAUFの目的を、動作誘起分布変化から所望性モデリングを遠ざける統一表現に再構成する。
論文参考訳（メタデータ） (2026-05-09T15:30:52Z)
ResAD: Normalized Residual Trajectory Modeling for End-to-End Autonomous Driving [64.42138266293202]
ResADは正規化された残留軌道モデリングフレームワークである。学習タスクを再編成し、慣性参照からの残留偏差を予測する。 NAVSIMベンチマークでは、ResADはバニラ拡散ポリシーを用いて最先端のPDMS 88.6を達成している。
論文参考訳（メタデータ） (2025-10-09T17:59:36Z)
What Really Matters for Learning-based LiDAR-Camera Calibration [50.2608502974106]
本稿では,学習に基づくLiDAR-Cameraキャリブレーションの開発を再考する。我々は、広く使われているデータ生成パイプラインによる回帰ベースの手法の限界を識別する。また,入力データ形式と前処理操作がネットワーク性能に与える影響についても検討する。
論文参考訳（メタデータ） (2025-01-28T14:12:32Z)
Imitation Learning of MPC with Neural Networks: Error Guarantees and Sparsification [5.260346080244568]
本稿では,ニューラルネットワークを用いた模倣モデル予測制御系における近似誤差の有界化のためのフレームワークを提案する。本稿では,この手法を用いて,性能保証付き安定型ニューラルネットワークコントローラを設計する方法について論じる。
論文参考訳（メタデータ） (2025-01-07T10:18:37Z)
Feedforward Controllers from Learned Dynamic Local Model Networks with Application to Excavator Assistance Functions [4.664767161598515]
我々は、ゼロダイナミクスによるLMNのフィードバック線形化が有効なコントローラを生成するときの基準を提供する。実験では、外乱信号と複数の入力と出力を組み込むことで、学習した制御器の追跡性能が向上する。
論文参考訳（メタデータ） (2024-09-25T12:40:07Z)
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)
Feedback Linearization of Car Dynamics for Racing via Reinforcement Learning [0.0]
我々は、自動走行する車の制御プロセスを簡素化するために、リニアライゼーションコントローラを学ぼうとしている。ソフトアクター批判的手法は、手動設計の線形化制御器の誤差を効果的に補正するデカップリング行列とドリフトベクトルを学習するために用いられる。そこで我々は、線形化制御器の出力をレース環境に必要な入力に変換するために教師付き学習を用いてトレーニングされたニューラルネットワークであるフィードバック線形化法の拡張を提案する。
論文参考訳（メタデータ） (2021-10-20T09:11:18Z)
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)
How Training Data Impacts Performance in Learning-based Control [67.7875109298865]
本稿では,トレーニングデータの密度と制御性能の関係を考察する。データセットの品質尺度を定式化し、$rho$-gap と呼ぶ。フィードバック線形化制御法に$rho$-gapを適用する方法を示す。
論文参考訳（メタデータ） (2020-05-25T12:13:49Z)

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。