[論文レビュー] Learning Model Predictive Control for Iterative Tasks.

Ugo Rosolia, Francesco Borrelli|arXiv (Cornell University)|Sep 6, 2016

Advanced Control Systems Optimization参考文献 15被引用数 27

ひとこと要約

本論文は、繰り返しタスクに対して、過去の反復からの学習を通じて性能を時間とともに向上させる、リファレンスフリーな学習モデル予測制御（LMPC）フレームワークを提案する。過去の軌道から再帰的に終端コストおよび安全領域を構築することで、再帰的妥当性と単調な性能向上を保証する。シミュレーションにより、その有効性が明確に示された。

ABSTRACT

A Learning Model Predictive Controller (LMPC) for iterative tasks is presented. The controller is reference-free and is able to improve its performance by learning from previous iterations. A safe set and a terminal cost function are used in order to guarantee recursive feasibility and non-increasing performance at each iteration. The paper presents the control design approach, and shows how to recursively construct terminal set and terminal cost from state and input trajectories of previous iterations. Simulation results show the effectiveness of the proposed control logic.

研究の動機と目的

• 繰り返しタスクに対して、事前に定義された参照軌道に依存しない学習ベースのMPCコントローラーを開発すること。
• 安全領域および終端コストを用いて、反復間で性能が非増加となるように再帰的妥当性を保証すること。
• 過去の状態および入力軌道からの学習を通じて、時間の経過とともに性能を向上させること。
• 過去の反復からの履歴データを用いて、終端コストおよび終端集合を再帰的に構築すること。

提案手法

• コントローラーはリファレンスフリーな設計を採用し、固定された望ましい軌道に依存しない。
• すべての将来の状態が安全かつ実行可能な領域内に保たれるように、安全領域を再帰的に構築する。
• 過去の状態および入力軌道に基づいて、反復的に終端コスト関数を更新することで性能を向上させる。
• 終端集合を維持し、終端コストが非増加であることを保証することで、再帰的妥当性をコントローラーが保証する。
• 履歴データを用いて、過去の反復からの軌道を活用して終端コストおよび安全領域を更新し、制御性能を最適化する。
• 終端コストおよび安全領域の制約を組み合わせることで、反復間で性能が非増加となることを保証する。

実験結果

リサーチクエスチョン

• RQ1 参照軌道に依存せずに、反復の度に性能を向上させるモデル予測制御器をどのように設計できるか？
• RQ2 繰り返しタスクの学習MPCフレームワークにおいて、再帰的妥当性を保証する条件は何か？
• RQ3 過去の軌道から終端コストおよび安全領域を再帰的に構築するにはどうすればよいか？ これにより性能向上を保証できるか？
• RQ4 リファレンスフリーな学習MPC設定において、性能の単調性にどのような保証を提供できるか？

主な発見

• 提案されたLMPCは、過去の反復データから導出された安全領域を維持することで、再帰的妥当性を保証する。
• 終端コスト関数は、過去の状態および入力軌道を反復的に用いて更新され、性能の向上が達成される。
• 終端コストおよび安全領域の再帰的構築のおかげで、反復間で性能が非増加であることが保証される。
• シミュレーション結果により、参照軌道が存在しない状況下でも、複数反復にわたる性能向上の有効性が確認された。