[論文レビュー] Moment-Driven Predictive Control of Mean-Field Collective Dynamics

G. Albi, M. Herty+2 more|arXiv (Cornell University)|Jan 1, 2021

Distributed Control Multi-Agent Systems被引用数 2

ひとこと要約

本稿では、線形化リカッチに基づくフィードバック則を、モーメント減衰推定値を用いて逐次的に更新することで、平均場集団ダイナミクスに対するモーメント駆動型予測制御（MdPC）フレームワークを提案する。この手法により、最小限の制御更新で大規模な相互作用エージェント系をロバストかつ計算的に効率的に制御でき、限られたフィードバック下でもほぼ最適な性能を達成する。実験では、フロックイング、コンセンサス、集積ダイナミクスの各事例で検証された。

ABSTRACT

The synthesis of control laws for interacting agent-based dynamics and their mean-field limit is studied. A linearization-based approach is used for the computation of sub-optimal feedback laws obtained from the solution of differential matrix Riccati equations. Quantification of dynamic performance of such control laws leads to theoretical estimates on suitable linearization points of the nonlinear dynamics. Subsequently, the feedback laws are embedded into nonlinear model predictive control framework where the control is updated adaptively in time according to dynamic information on moments of linear mean-field dynamics. The performance and robustness of the proposed methodology is assessed through different numerical experiments in collective dynamics.

研究の動機と目的

• 非線形平均場ダイナミクスに従う大規模な相互作用エージェント系に対して、部分最適なフィードバック制御則を設計すること。
• 局所線形化から導かれる線形制御則を用いて非線形系を安定化するという課題に取り組むこと。
• 動的モーメント推定値を活用することで、予測制御における制御更新の頻度を低減すること。
• 高次元系に適した、性能を維持しつつ最小限のフィードバックで運用可能な、ロバストでスケーラブルな制御フレームワークを構築すること。
• モーメント減衰の理論的・数値的分析を通じて、制御戦略の性能とロバストネスを定量化すること。

提案手法

• 局所平衡状態まわりの相互作用カーネルの線形化を用いて、線形二次最適制御問題を導出する。
• 得られた微分行列リカッチ方程式を解き、部分最適なフィードバック制御則を取得する。
• 線形フィードバック則を非線形平均場ダイナミクスに組み込み、閉ループ制御を実現する。
• 2階モーメント減衰の動的推定値に基づいて制御更新をトリガーする、画期的なモーメント駆動型予測制御（MdPC）フレームワークを導入する。
• 更新頻度をモーメントの変化に基づいて調整できるように、許容誤差パラメータδを導入し、オープンループからクローズドループ制御へスケーリングする。
• 1次元および2次元におけるコンセンサス、整列、集積ダイナミクスの数値実験に制御戦略を適用する。

実験結果

リサーチクエスチョン

• RQ1 非線形平均場ダイナミクスに従う相互作用エージェント系に対して、部分最適なフィードバック制御則をどのように効率的に合成できるか？
• RQ2 線形化誤差が制御性能に与える影響は何か？ そして、時間経過とともにその影響をどのように軽減できるか？
• RQ3 動的モーメント推定値を用いて、予測制御フレームワークにおける制御更新のスケジューリングを知的に可能にできるか？
• RQ4 提案されたMdPC戦略は、オープンループおよびクローズドループ制御手法と比較して、性能と更新頻度の両面でどのように差をつけるか？
• RQ5 高次元集団ダイナミクスにおいて、モーメント減衰を制御更新タイミングの信頼できる指標として用いることはどの程度可能か？

主な発見

• コンセンサスダイナミクスのテストでは、δ = 1e-8のMdPC(σ²)が、最終分散σ²[g](T) = 3.3371e-08を達成し、クローズドループ性能に非常に近い結果を示した。
• 集積ダイナミクスでは、δ = 0.1のMdPC(σ²)が、全ステップの1%の制御更新で十分であり、σ²[g](T) = 1.6875e-09の優れた性能を達成した。
• 集積ダイナミクスにおいて、δ = 1e-9の条件下でコスト関数J∆t,Nsは2.9750に収束し、理論的最小値に近づいた。
• MdPCフレームワークは、わずか1%のステップで制御更新が行われるなど、極めて少ない更新頻度でも安定性を保ち、ほぼ最適な性能を発揮した（テスト3）。
• モーメント減衰を動的更新基準として用いることで、著しく少ない制御更新回数でクローズドループに近い性能を達成した。
• 理論的および数値的分析により、モーメント減衰が、適応的制御更新スケジューリングの信頼性が高く、計算的にも効率的な指標であることが確認された。