安定性を保証する強化学習で軌道追従を最大15%改善

イリノイ大学アーバナ・シャンペーン校の研究者らが、強化学習と収縮理論を組み合わせた手法CARL（Contraction-Aware Reinforcement Learning）を開発した。学習した制御方策で追従誤差の挙動に数学的保証を与え、既存手法より追従性能を最大15%高めた。車輪型のTurboBot 3 Burger、羽ばたき型ドローン、六脚ロボットJethexaの3種で実機を含む実験を行った。学習制御の不安定化や破損のリスクを減らし、実用展開を進める成果である。