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
倒立振子をLQRと強化学習で比べると、LQRは学習なしで1000ステップ立ち続けた。REINFORCEは約4万3千ステップ学習しても535。80msの遅延を足すとLQRも倒れる。MuJoCoでの本稿の小さな実験で、ブラウザでも試せる。
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
強化学習と制御理論は、系のモデルと目的を書けるかで使い分ける、というのが本稿の考えだ。Rechtの比較では、2状態のLQRで方策勾配が単純なモデルベース手法の数千倍規模のサンプルを要した。ドローンレースではRLが最適制御を上回った例があり、その研究は勝因を、よりよい目的を最適化したことに置く。