考察：「モデル予測制御」

　

　柔軟な制御とはどんなものかと考えていくと、やはり動物の脳に行き着くように思えます。脳は、難しい数式を解きながら制御を実現しているようにも思えません。簡単な知識表現で制御を実現しているのではないかと思うわけです。難しい数式を解いているかも知れませんが、なんかすごくサッパリ解いているように感じるのです。キーポイントは学習機構との関係を重視して、なんでもかでも知識として蓄えて、それをもって制御の基本としている・・・そんな風に思えるのです。

　

　先ず、センサの値で制御パラメータ群を決める必要があります。

　c(t)=I(t)*s(t);　　t:時間

c(t):制御パラメータベクトル

s(t):センサー値ベクトル

　　　　　　　　I(t):センサー値ベクトルを制御パラメータに変換するマトリクス

I(t)は現在のセンサ値と、最終目標と制御開始時のセンサの値によって決まるマトリクスで、これは学習によって得ていくものです。

　

　するとモデル制御は次のような身体特性で決定できます。

　m(t)=M*c(t);　　　m(t):モデルの動き。

M:身体パラメータマトリクス

　

　実際には外乱があったり、身体の状況があったりで、

　y(t)=A(t)*c(t);　　y(t):実際の動き。

A(t):現実のパラメータマトリクス。時間的外乱もある。

　

　モデル予測制御は

|m(t)-y(t)|--->0

　

となるように、制御していくことになります。

　

　こんなことを考えながら、FlashMXの勉強をしてました。結構制御データの作成の環境としては参考になるなと感じました。