[2E6-GS-8] ロボットと実世界：

[2E6-GS-8-01] ポート・ハミルトン系の深層学習によるモデル化と制御

〇吉岡 朋哉¹、賈 昊暉¹、松原 崇¹ (1. 大阪大学)

キーワード：深層学習、力学系、最適制御

観測データから物理システムのダイナミクスを同定することは，精緻な制御に不可欠である．近年，数理モデルを表現するための強力なツールとしてニューラルネットワークが注目されており，適切な帰納バイアスを学習モデルに組み込むことで、より低コストでダイナミクスを同定する手法が研究されている．しかし，このような研究ではダイナミクスの同定またはそれを用いた予測が目的であることが多く，制御に応用する研究は多くない．本研究ではポート・ハミルトン系を同定するモデルに制御機構を追加し，AI Pontryaginと呼ばれる手法でシステムの最適制御を行った．摩擦をもつロボットアームの観測データを用いて実験を行い，物理的な帰納バイアスを持つモデルが標準的なニューラルネットワークより効率的なダイナミクスの学習と制御を可能にすることを示した．