日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

制御arXiv:2603.14910

汎用最適制御器としてのトランスフォーマー

Transformers As Generalizable Optimal Controllers

シェア:XThreadsFacebookLINEはてブBluesky

異なる次元のMIMO線形時不変システム群に対して、単一のトランスフォーマーポリシーがLQR準最適な状態フィードバック則を学習できることを示した論文。

詳しい要約

1. どんなもの?

本研究は、異種のMIMO LTIシステム群に対する最適状態フィードバック則を、単一の学習済みコントローラで捉えられるかを検討する。LQR生成軌跡で1つのtransformer policyを訓練し、推論時にプラント行列を必要とせず、最近の状態履歴から制御入力を出力する。広範なシステムでLQRに対する経験的に小さいsub-optimalityを示し、中程度のパラメータ摂動下でも安定化を維持し、未見システムへの軽量fine-tuningの利点も示す。

2. 先行研究と比べてどこがすごい?

従来のLQRは各システムのプラント行列を必要とし、個別設計が前提。本研究は単一のtransformer policyで異なる状態・入力次元のシステム群を扱い、推論時にプラント行列を不要とする点が異なる。また、未見システムへのfine-tuningが軽量で済む点も従来の個別最適化と比べた利点。

3. 技術・手法の肝は?

- 単一のtransformer policyをLQR生成軌跡で訓練 - 異なる状態・入力次元を扱う共有表現 - standardization - padding - dimension encoding - masked loss - 推論時は最近の状態履歴から制御入力を出力し、プラント行列は不要

4. どうやって有効だと検証した?

- 広範なシステム群でLQRに対するsub-optimalityを評価 - 中程度のパラメータ摂動下での安定化を確認 - 未見システムへの軽量fine-tuningの効果を検証

5. 議論はある?

要旨からは不明。ただし、transformer policyが構造化された線形システム族に対するnear-optimalフィードバック則の実用的近似器となり得ることを支持する結果が示されている。

6. 次に読むべき論文は?

要旨で参照/比較されている研究は明示されていない。関連手法としてLQR、transformer policy、fine-tuning、MIMO LTIシステム、masked loss、dimension encodingが挙げられる。同分野の定番としてLQR、model predictive control (MPC)、reinforcement learning for control、transformer-based control policiesが考えられる。

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Turki Bin Mohaya, Maitham F. AL-Sunni, John M. Dolan, Peter Seiler

分類: eess.SY, cs.RO, cs.SY

原文アブストラクト

We study whether optimal state-feedback laws for a family of heterogeneous Multiple-Input, Multiple-Output (MIMO) Linear Time-Invariant (LTI) systems can be captured by a single learned controller. We train one transformer policy on LQR-generated trajectories from systems with different state and input dimensions, using a shared representation with standardization, padding, dimension encoding, and masked loss. The policy maps recent state history to control actions without requiring plant matrices at inference time. Across a broad set of systems, it achieves empirically small sub-optimality relative to Linear Quadratic Regulator (LQR), remains stabilizing under moderate parameter perturbations, and benefits from lightweight fine-tuning on unseen systems. These results support transformer policies as practical approximators of near-optimal feedback laws over structured linear-system families.

関連論文

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2GXOとApptronik、Apolloの物流現場試験を拡大 最大1,000台の展開を構想量産・展開
  3. 3newmoとKDDIが資本業務提携 2028年に堺市で自動運転タクシー商用化目指す提携・買収
  4. 4NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  5. 5UC BerkeleyとNVIDIAの研究者、AIエージェントでロボット制御コードを仮想環境で改善研究・技術

PR・アフィリエイト広告

OZ GAMING(GPU搭載BTOゲーミングPC)

OZ GAMING(GPU搭載BTOゲーミングPC)の公式広告バナーOZ GAMINGで完成品PCを見る ↗
PR本紙発行元 EmplifAI