研究室を2018年に立ち上げてから継続的に面白い成果をあげることができています。このページでは代表的な成果を年度毎にピックアップしています。紹介文やイラストは論文をもとにAIで生成させています。紹介文は簡単には確認していますが、イラストに一部不備があることはご注意ください(そのうち更新します)。
一言でいうと 「少し水が増えてきた」のような人の言葉を「センサ」として使い、物理システムの状態を推定する理論です。
課題と着想 河川や用水路などの現場では、物理センサが未設置であったり故障していたりして、必要な計測が得られないことがあります。一方で、SNSやチャットには人の観察が自然言語として日々蓄積されています。本研究は、こうした主観的で曖昧な言葉に含まれる物理情報を状態推定に取り込むことを着想としています。
提案と成果 人を「ヒューマンセンサ」とみなし、その言葉を自然言語処理によって状態の確率分布へ変換し、パーティクルフィルタの更新ステップに組み込む「言語補助型パーティクルフィルタ(LAPF)」を提案しました。用水路の水位推定問題に適用し、言葉の観測を取り込むことで推定精度が向上することを確認しています。物理センサへの依存を減らし、人の観察力を制御工学に組み込む、次世代のHuman-in-the-loopの形を示す成果です。
研究のポイント
人を「センサ」として定式化:人が状態を認知し言葉にする過程を、量子化と言語化の2段階として数理モデル化しました
言葉を確率分布へ:言語モデルで観測文を状態の確率分布に変換し、ベイズ推定の枠組みで物理モデルと統合します
用水路の水位推定で実証:実際に収集した観測文を用い、言葉の観測が推定精度を高めることを示しました
Y. Miyoshi, M. Inoue, and Y. Fujimoto, Language-aided state estimation, IFAC Journal of Systems and Control, Vol. 35, No. 100372, 2026 (link)
一言でいうと 自動運転の衝突回避に使われる安全制御理論を、大規模言語モデル(LLM)の文章生成に世界で初めて応用した「安全フィルタ」です。
課題と着想 LLMは有害・偏向的・不適切な文章を生成することがあり、出力を望ましい方向に合わせる「アライメント」が不可欠です。しかし、追加学習(ファインチューニング)に基づく従来手法は、大量のデータ収集と学習コストが障壁となり、組織ごとの規範や用途に応じた柔軟な調整が困難でした。本研究は、「望ましくない文章を避ける」ことを「障害物との衝突を避ける」ことになぞらえ、制御バリア関数(CBF)で文章の生成過程に介入することを着想としています。
提案と成果 LLMが出力する次のトークンの確率分布に対して、CBFに基づく安全フィルタをアドオン(後付け)として適用する枠組み「CBF-LLM」を提案しました。基盤モデルを書き換えないため、「否定的な表現を避けたい」「特定の話題を続けたい」といった目的に応じてフィルタを自由に着脱・交換できます。Llama 3などの公開モデルで実装し、肯定的な文章を生成できることを確認しました。物理システムや社会インフラへのAI導入において、介入の根拠を数学的に説明できる「論理的な盾」としての展開が期待されます。
研究のポイント
制御理論とLLMの融合:衝突回避のための数学的理論(CBF)を、トークンを1つずつ生成する離散的な過程に適用しました
アドオン型の安全フィルタ:既存のLLMをそのまま使い、出力をリアルタイムに修正するため、追加学習が不要です
説明可能な介入:どのトークンがなぜ選ばれたかを、言語制約関数(L-CF)の値として明確に説明できます
Y. Miyaoka and M. Inoue, Control barrier function for aligning large language models, IEEE Transactions on Control Systems Technology, 2026 (link, プレスリリース, プレスリリース(英語))
一言でいうと 「もっと子どもから離れて」のような日常の言葉で、制御システムの振る舞いをその場で調整できる対話型のモデル予測制御(MPC)です。
課題と着想 制御システムを個人の好みや現場の環境に合わせるには、最適化のパラメータを理解し、数値で繰り返しフィードバックする必要があり、専門家以外には大きな障壁でした。2022年末に登場した対話型AIサービスにいち早く着想を得て、自然言語処理と制御理論を融合させる研究としてスタートしました。
提案と成果 ユーザの発話をAIベースのインタプリタ(Sentence-BERTや大規模言語モデル)が解釈し、MPCの重みや制約といった仕様へリアルタイムに翻訳・反映する枠組み「ChatMPC」を提案しました。好みを調整する「パーソナライズ」と、センサでは得られない環境情報をユーザが言葉で補う「共同開発(codevelopment)」の2つのモードを備えます。対話を繰り返すことで制御仕様がユーザの好みに収束することを理論的に保証し、ロボットの障害物回避や半自動運転のシミュレーションで実時間動作を確認しています。利便性と信頼性を両立させた、アカデミックな制御理論に対話型AIをいち早く取り込んだ研究です。
研究のポイント
言葉がインターフェース:専門知識がなくても、日常の言葉で制御仕様を調整できます
収束性の理論保証:ユーザの応答モデルに基づき、好みへの収束(指数収束・有限回収束)を証明しています
広がる応用:航空管制支援(chat-AMAN)、仮想ネットワーク再配置、自動運転などへ展開しています
補足: 2022年末の「あのサービス」にインスパイアされて、いち早くアカデミックな制御理論の世界に取り込み、理論保証までおこなった研究です。
Y. Miyaoka, M. Inoue, and J. M. Maestre, Chat-driven reconfiguration of model predictive control, IEEE TCST, 2026 (arXiv 2025)
Y. Miyaoka, M. Inoue, T. Nii, ChatMPC: Natural language based MPC personalization, 2024 ACC, 2024 (arXiv 2023)
その他,拡張や応用も数多くおこなっています。
Y. Miyaoka and M. Inoue, ChatMPC for human-interactive autonomous driving, IFAC World Congress 2026, 2026
Y. Miyaoka, M. Inoue, K. Urata, and S. Harada, Chat-driven interface for virtual network reallocation, 2025 IEEE ICC, 2025 (link, NTT共同研究)
宮岡佑弥,井上正樹,虎谷大地,石井南,chat-AMAN: 管制官との双方向コミュニケーションで実現する協働型の航空管制支援システムの構築,言語処理学会第30回年次大会(NLP2024),2024(リンク)
一言でいうと トンネル入口やサグ部で起きる無意識の減速を、壁面を流れる光(ペースメーカーライト:PML)でさりげなく解消する研究です。
課題と着想 高速道路の渋滞の多くは、トンネル入口やサグ部(下り坂から上り坂への変化点)でドライバーが無意識に速度を落とすことから始まります。本研究は、運転を自動化して人を排除するのではなく、光の視覚刺激で人の無意識に働きかけ、自発的な加速を促す「ビジュアルナッジ」に着目しました。
提案と成果 ドライバーの反応を、意識的な手動制御と光に引きずられる無意識の反応の組み合わせとして数理モデル化し、VR運転シミュレータで収集した挙動データからモデルを同定しました。このモデルに基づき、ドライバーに違和感を与えずに渋滞を最小化する光の速度をモデル予測制御で設計し、VR実験でその効果を検証しています。実道路では実験が困難な多様な条件を安全に再現できる点もVRの利点です。成果はベンチマーク問題として公開し、分野横断の研究基盤として提供しています。
研究のポイント
人の無意識をモデル化:手動制御と無意識の反応を組み合わせたドライバーモデルを構築しました
制御理論による光の設計:モデル予測制御で、渋滞を抑える光の動き(速度)を計算します
VRで安全に検証:多種多様な条件下のドライバーの挙動データを収集・解析し、効果を確認しました
M. Takeda, M. Inoue, X. Fang, Y. Minami, and J. M. Maestre, Light guidance control of human: Driver modeling, control system design, and VR experiment, 4th IFAC CPHS, 2022 (link)
M. Inoue, M. Takeda, and J. M. Maestre, Benchmark Problem for Visual Nudge: Light-Guided Control of Human-Driven Vehicles, Control Systems Benchmarks, pp.203-215, Springer, 2025 (link)
一言でいうと 燃料効率の良い継続降下運航(CDO)を保ちながら、機体間の間隔を最適制御で整える到着管理アルゴリズムです。
課題と着想 航空機1機ごとの姿勢制御は高度に自動化されていますが、複数の機体が入り乱れる航空管制は、今なお管制官の経験に基づく手動管理が中心です。環境負荷の小さいCDOは到着時刻の予測が難しく、混雑時の間隔管理に課題がありました。本研究は、降下途中の高度調整によって到着時刻を間接的に制御できることに着目し、航空管制の問題に初めて最適制御技術を本格導入しました。
提案と成果 CDOをベースに、機体間の適切な間隔を保つための「高度」と「速度」の指示を最適化するアルゴリズム「Semi-CDO」を開発しました。完全自動化ではなく、管制官が指示を出しやすい特定の地点(ウェイポイント)での高度・速度制約として解を出力するため、管制官と制御器がインタラクティブに連携できます。関西国際空港をモデルにしたシミュレーションでは、安全な間隔を維持しつつ、従来の管制方式と比べて燃料消費を顕著に削減できることを示しました。現在も、管制官の負担軽減や遅延伝播の抑制に向けて研究を発展させています。
研究のポイント
最適制御の航空管制への応用:手動が中心だった機体群の管理に、数理最適化を導入しました
「Semi」の意味:完全自動化ではなく、管制官が扱いやすい高度・速度の制約として最適解を提示します
シミュレーションで実証:関西国際空港をモデルに、安全間隔を維持しつつ燃料消費を顕著に削減しました
S. Wada*, M. Ishii*, M. Inoue, and D. Toratani, Semi-continuous descent operation: A fuel-efficient interval management algorithm, Journal of Aircraft, Vol.61, No.2, 2024 (著者*は equal contribution, link, ENRI共同研究, プレスリリース, The Penmark)
M. Ishii, M. Inoue, and D. Toratani, Interval management algorithm for continuous descent operation: Reducing controller workload and mitigating delay propagation, Aerospace Science and Technology, Vol. 176, Part A, 2026 (link, ENRI共同研究)
一言でいうと 最適解を1つ押しつけるのではなく、複数の作業候補を提案(レコメンド)し、農家が自分の都合で選べるビニールハウスの環境制御です。
課題と着想 従来の自動化システムは、人を指示通りに動かすか、すべてを自動で完結させようとするものが主流でした。しかし、小規模な家族経営の農家では高価な自動装置の導入は難しく、作業は人の都合にも左右されます。本研究は、Weak Controlの考え方(許容できる行動候補の提示)を農業環境管理に展開し、農家が制御ループに参加する「人を含むシステムの制御(Human-in-the-loop)」として温湿度制御を設計しました。
提案と成果 ハウス内の温湿度をデータ駆動で予測し、その予測に基づいて複数の「許容できる作業候補」を農家に提示します。農家は「今は別の用事があるから次の候補の時間に作業しよう」と自身の都合に合わせて選択でき、どの候補も環境を適切に保つよう設計されています。実際に大学キャンパス内に小型のビニールハウスを建てて実験を行い、天気予報よりも高い精度で環境を予測し、適切な作業タイミングを提案できることを確認しました。実用化の準備が整った、一押しのテーマです。
研究のポイント
人の自由を尊重:行動を強制せず、複数の作業候補から農家が自分の都合で選べる新しい制御の形です
植物と人の共生:植物の成長に適した「飽差」と、人の作業の快適さを示す「不快指数」の両方を考慮します
低コストで実用的:高価な自動装置を使わず、既存のハウスにセンサを置くだけで始められます
菅井,井上,原,中村,吉澤,松本,ハウス内の土耕環境におけるレコメンド型温湿度制御,計測自動制御学会論文集,Vol.57,No.10,pp.456-463,2021(リンク).
一言でいうと 最適化計算を「解ききる」のを待たず、計算の途中経過をそのまま操作量として瞬時(instant)に使うモデル予測制御(MPC)です。
課題と着想 MPCは、刻々と変わる状況に合わせて制約条件を考慮した最適な操作量を計算し続ける賢い制御法ですが、毎時刻のオンライン最適化の計算負荷が大きく、素早い動きが必要な対象への実装は困難でした。本研究は、最適解(optimizer)ではなく最適化の過程(process)に基づいて操作量を決める、という発想の転換でこの壁を乗り越えます。
提案と成果 最適化アルゴリズム(主双対勾配法)を動的な制御器としてそのまま実装し、計算途中の暫定解を常に操作量として適用する「instant MPC」を提案しました。重い最適化ソルバを毎時刻回す必要がないため、環境にもよりますが従来の100倍以上高速化でき、計算能力の限られた安価なコンピュータでも高度な制御が可能になります。さらに、散逸性(dissipativity)理論を用いて、計算を途中で切り上げても制御系全体が不安定にならないことを理論的に証明しました。従来は計算が追いつかなかった高速なシステムにも、制約条件の考慮といったMPCの利点を導入する道を開いた研究です。
研究のポイント
準最適性の確保:最適化の過程を直接利用するため、厳密な最適解でなくとも実用上十分な制御性能を維持します
計算負荷の劇的な低減:重いソルバが不要で、環境にもよりますが100倍以上の高速化を実現します
数学的な安定性保証:最適化アルゴリズムの散逸性を評価し、閉ループ系の安定性を理論的に証明しています
K. Yoshida*, M. Inoue*, and T. Hatanaka, Instant MPC for linear systems and dissipativity-based stability analysis, IEEE Control Systems Letters, Vol.3, No.4, pp.811-816, 2019 (link,*は equal contribution)
一言でいうと 人に「この値を入力せよ」と命令するのではなく、「この範囲なら安全です」という選択肢の集合を提示し、人が自由に選ぶ制御の枠組みです。
課題と着想 電力網や交通システムのように多くの人が関わるインフラでは、人の優先順位は設計者と一致するとは限らず、制御への参加は強制ではなく自発的であるべきです。人は命令されるよりも提案される方が心地よく、かつ自発的に動ける、という人間の性質を制御理論に取り込むことを着想としています。
提案と成果 制御器が「許容できる行動の集合」を出力し、人がその中から自分の好み・経験・直感で1つを選ぶ「弱く制御された(weakly controlled)」枠組みを提案しました。内部モデル制御(IMC)の考え方を応用し、人の自由な意思決定を「システムのゆらぎ」として捉えることで、人がどの行動を選んでもシステム全体が安定であることを理論的に保証しています。さらに、人が達成できる最小コストを下げる方向に制御器のパラメータを更新する学習アルゴリズムも示しました。理論的なアプローチでありながら、これまでにない新しいコンセプトを提案した点に最大の意義があり、人を含む複雑なシステムの制御に取り組む当研究室において、以降のテーマ設定の規範となる研究です。
研究のポイント
集合値の制御信号:1つの正解ではなく、安全な行動の範囲(集合)をレコメンドとして提示します
選択によらない安定性:内部モデル制御の構造により、人の選択にかかわらず全体の安定性を保証します
目的の分散化:全体の目的(安定・効率)は制御器が、個人の目的(好み・コスト)は人が担う役割分担を実現します
本研究は理論的なアプローチでありながら、これまでにない新しいコンセプトを提案している点に最大の意義があります。人を含む複雑なシステム制御に取り組む当研究室において、以降のテーマ設定の規範となる重要な位置づけの研究です。
M. Inoue and V. Gupta, Weak control for human-in-the-loop systems, IEEE Control Systems Letters, Vol. 3, No. 2, pp. 440-445, 2019 (link)
他にも多くの面白い成果があります。完全なリストはこちらから確認することができます。