タグ: 制御

倒立振子をLQRと強化学習で比べる：学習コストとLQRの遅延の限界 2026/9/2
台車の上の棒を、まず自分で（難しい）、次にLQRの自動操縦で（簡単）、最後に強化学習で。後ろの二つを同じ指標で測ると、賢く見える方法も無料ではないと分かる。さらに制御に60ms遅延を足すと自動操縦の「完璧」は崩れ、80msで倒れる。sim2realギャップを指で触る。
強化学習と制御理論の違い：モデルと目的が書けるかで使い分ける 2026/6/27
モデルが手に入る連続制御では、制御理論は方策を直接探すRLより少ないサンプルで、設計によっては保証付きの解を先に与えていた。方策を直接探すRLは保証なしで、桁違いのサンプルで再発明する。ただし良いモデルや解析的な目的が書けない領域では、RLに分がありうる。