1 最適制御の概要
最適制御は、時間とともに変化する対象（動的システム）に対し、将来の振る舞いまで見通したうえで制御入力を決める枠組みである。制御対象は一般に「状態」と呼ばれる内部変数で記述され、その状態は入力の作用とともに時間発展する。最適制御では、入力系列がもたらす結果を数理的に評価し、その評価が最良となる入力を探す。
この考え方の中心にあるのは、目的関数（目標の良さの尺度）と、システムのモデル化（状態遷移の規則）である。目的関数は、目標への近さ、エネルギーや損失の小ささ、時間遅れの影響、終端時刻での達成度などを数式で表す。制御は「いつ、どのような強さで、どの方向に入力を与えるか」を、目的関数の最適化問題として定式化する点に特徴がある。
最適化対象は連続時間・離散時間、線形・非線形、さらに制約の有無などで多様になる。そのため、理論面では最適性の条件や価値の考え方が体系化され、工学面では安定性、性能、計算の実現性、実装時の頑健性などの観点が重要となる。
1.1 基本概念と問題設定
最適制御の記述には、状態、制御入力、観測（出力）、目的関数、制約条件が基本要素として含まれる。これらを組み合わせることで、「どの入力を、どの時点で与えるべきか」という問いが、数学的な最適化問題に変換される。
1.1.1 状態・制御入力・出力の関係
状態はシステム内部の状況を表す変数であり、入力の影響を受けながら時間発展する。典型的には状態方程式により、状態の変化率（連続時間）または状態の次期（離散時間）が入力とともに決まる。
出力は、状態そのものではなく測定される量、あるいは制御により達成したい量として定義されることが多い。出力方程式は、状態と入力から観測量を生成する関係を与える。出力が直接測れない場合でも、状態推定（推定器）を導入して制御に利用する設計が行われる。
このため、最適制御は「状態空間モデル」によって、状態の遷移（入力から状態へ）と状態から観測や性能指標（状態や入力から出力へ）を一続きに扱うのが一般的である。
1.1.2 目的関数と評価指標
目的関数は、入力系列が生む結果を数値化して最適性を判定するための尺度である。多くの設計では、現在から将来にかけた損失（運転コスト、誤差、エネルギー、罰則）を積分または和としてまとめ、さらに終端時刻での評価を追加する。
目的関数の形は設計方針を強く反映する。例えば、目標追従なら追従誤差の大きさを小さくする指標が用いられる。エネルギー節約なら入力の大きさを抑える項が組み込まれる。応答を滑らかにする意図なら入力変化を罰する項を加えることがある。評価指標の選び方が、結果として得られる制御則の性格（応答の速さ、過渡挙動、余裕度）を左右する。
1.1.3 制約条件（状態・入力・終端）
実世界では、入力には上限（最大加速度、電流制限など）があり、状態にも安全域（温度や位置の上限制約など）が存在する。最適制御ではこれらを制約として定式化し、目的関数最小化の探索領域を制限する。
制約は、運転中の各時刻に課される場合もあれば、特定の終端条件として課される場合もある。終端コスト（目的関数側の評価）と終端制約（達成すべき条件）を区別すると整理しやすい。終端制約は、所定の時刻に状態を目標へ到達させる、あるいは許容誤差以内に収めるといった要件を表す。
制約を扱うことで最適性はより現実的になる一方、解法の難度が上がる。特に非線形や多変数で制約が複雑になると、数値計算の工夫が重要になる。
1.2 制御問題の分類
最適制御は、制御の構成や計算の枠組みによって分類できる。分類の軸としては、ループ構造（開ループか閉ループか）、予測の有無、そして静的最適化か動的最適化かがよく用いられる。
1.2.1 開ループと閉ループ
開ループ制御では、初期条件とモデルに基づき入力系列をあらかじめ決める。実行中はフィードバックで修正しないため、外乱やモデル誤差があると目標達成から外れやすい。
閉ループ制御では、観測に基づいて入力を随時更新する。これにより、外乱や未知変動があっても誤差を抑え込む方向に調整できる。最適制御でも、計算した結果をそのまま適用するのではなく、観測で更新しながら適応的に実行する設計が多い。
分類の違いは、実装時の安定性や性能保証の考え方に直結する。
1.2.2 フィードバックと予測（モデルに基づく制御）
フィードバックは観測された誤差や状態に応じて入力を決める考え方である。予測は、モデルにより将来の状態を推定し、その先まで見たうえで入力を選ぶ考え方である。
両者を組み合わせる代表例が、モデル予測に基づく設計である。一定の予測区間を設定し、その期間内の目的関数を最小化する入力を求める。そのうえで最初の一部だけを実行し、次の時刻に再度観測を反映して最適化し直す。これにより、予測誤差や外乱があっても計画を逐次修正できる。
1.2.3 静的最適化と動的最適化の違い
静的最適化は、意思決定が一時点で行われる問題として扱われる。目的関数は変数に対して定義され、制約条件もその変数空間で完結する。
動的最適化では、時間発展により状態が変化するため、意思決定は入力系列として表される。さらに状態の遷移方程式が制約として組み込まれ、入力が未来の状態を規定する。結果として、問題はしばしば微分方程式や差分方程式を含む制約最適化になる。これにより、解法には「時間発展をどう扱うか」という観点が不可欠になる。
2 数理モデルと定式化
最適制御は、対象の動学（時間発展）を表すモデルと、最適性の基準となる目的関数・制約を組み合わせて定式化される。モデルの種類が異なると、適用可能な理論や数値手法が変わる。
2.1 状態空間モデル
状態空間モデルは、最適制御の共通言語である。状態遷移と出力生成を分離して表し、制御設計の土台として用いる。
2.1.1 常微分方程式による表現
連続時間のシステムでは、状態ベクトルの時間変化が常微分方程式で表される。一般形としては、入力により状態が変化する関係が与えられる。
この表現では、入力は瞬間的に作用するという数学上の仮定のもとで、状態の連続的な変化が記述される。最適制御では、この微分方程式が「満たすべき制約」として最適化問題に組み込まれる。さらに出力が必要な場合は、状態と入力から出力が計算される関係が別途与えられる。
2.1.2 差分方程式による表現（離散時間）
離散時間では、状態の次期が現在の状態と入力により決まる差分方程式としてモデル化する。計算機上の実装に近い形で表せるため、デジタル制御との整合が良い。
離散化により連続時間の問題を近似する場合も多い。時間刻みを小さくすると近似精度が上がる一方、最適化の変数数が増え計算負荷が増大しやすい。そのため、離散化の粒度は設計上の重要なパラメータになる。
2.2 最適制御の代表的な定式化
最適制御の定式化は、目的関数の形と、時間発展を組み込む方法によりいくつかの代表的パターンに整理できる。
2.2.1 最小化積分型（連続時間）
連続時間の典型は、時間に沿った損失を積分し、その値を最小化（あるいは最大化）する形である。損失は状態誤差や入力の大きさなどから構成され、瞬間ごとの評価を合計することで総合的な性能が定義される。
さらに終端での評価を追加する場合、積分型に終端項が結合されることが多い。終端項は、制御終了時の状態がどれだけ目標に近いか、あるいは安全条件が満たされているかを反映する。
2.2.2 終端コストを含む問題
終端コストを含む設計では、積分部分に加えて、終端時刻の状態に依存する追加評価を置く。これは、終端到達の重要度を明確に反映できる利点がある。
終端コストの設計により、制御の目的が「途中の振る舞い」より「仕上がり」に重心を置く方向に調整される。例えば、短い時間で目標到達させたい場合は終端評価を強める傾向がある。逆に、過渡応答を重視する場合は積分部分を相対的に強くする。
2.2.3 ベルマン原理に基づく定式化（離散時間）
離散時間では、価値関数を導入し「途中から最適である」という考え方に基づく定式化が行われる。価値関数は、現在の状態から出発したときに将来の損失総量がどれだけ最適になるかを表す。
ベルマン原理により、価値関数は一階の再帰関係（ベルマン方程式）として表される。これにより、動的最適化問題が「最適な将来計画をどう評価するか」という形に変換され、動的計画法や関連手法へとつながる。
3 解法の代表アプローチ
最適制御の解法は、大きく分けて「解析的に最適性条件を導く」系と「数値的に解を近似する」系に分類できる。さらに連続時間か離散時間か、線形か非線形か、制約の有無によって適切なアプローチが変わる。
3.1 カルマン・リヴィングストン系（変分法）
変分法に基づく枠組みでは、最適制御の候補を滑らかな変形として扱い、目的関数の停留条件から必要条件を導く。連続時間では、制御と状態の両方が未知量として現れるため、境界条件を含む連立条件として整理されることが多い。
3.1.1 汎用的な変分原理の考え方
変分原理の要旨は、「最適解では、許される範囲での小さな摂動に対して目的が停留する」という点にある。摂動に対する一階の変化がゼロになる条件を求めると、状態方程式に加えて共役変数（補助的な未知量）を含む必要条件が得られる。
この共役変数は、未来の損失に対して現在の状態がどれだけ影響するかを表す量として理解できる。最適入力は、共役変数と現在の状態の関係から求まる形になることが多い。
3.1.2 補助条件としての境界条件
連立する必要条件には境界条件が含まれる。初期状態は与えられていることが多く、終端条件は終端コストや終端制約の種類に応じて設定される。
終端自由の問題では、終端での共役変数の値に関する条件が導かれる。終端拘束がある場合は、その拘束が満たされることに加えて、停留条件に対応する追加条件が得られる。結果として、状態と共役変数が時間方向に整合する境界値問題（2点境界値問題）として扱われることが多い。
3.2 ポントリャーギンの最大原理
最大原理は、連続時間の最適制御で最適性に関する必要条件を与える代表的理論である。共役変数を用い、入力がある種のHamiltonianを最大化（あるいは最小化）するように選ばれる。
3.2.1 ハミルトニアンの構成
ハミルトニアンは、状態、共役変数、入力、そして損失関数から構成される量である。損失の符号規約や最小化・最大化の選び方により、ハミルトニアンの扱いは調整される。
最大原理の下では、最適入力はハミルトニアンの最小（または最大）条件から決まることが多い。特に入力が連続で、ハミルトニアンが入力に関して凹（あるいは凸）といった性質を満たす場合、一次条件から制御が明確に表せる。
3.2.2 共状態と最適性条件
共状態（共役変数に相当する量）は、時間を遡って変化する微分方程式に従う。状態方程式が初期条件から前向きに進むのに対し、共状態方程式は終端側の条件から後ろ向きに進む形になりやすい。
このため実際の解法では、状態と共状態を整合させる計算（境界値問題の解）が必要になる。さらに制約付きの場合、入力は単純な閉形式ではなく、許容集合上での最適性（例えば内点条件や境界での選択）として表現される。
3.3 動的計画法
動的計画法は、離散時間で特に有効とされる枠組みであり、最適性を価値関数の再帰として扱う。ベルマン原理に支えられ、全時間軸にわたる探索を体系化する。
3.3.1 ベルマン方程式と価値関数
価値関数は、ある状態から出発したときの最小損失（または最大利益）を表す。ベルマン方程式により、価値関数は次の状態に遷移した後の価値と、現在の損失の和（あるいは合成）として表せる。
この関係に基づき、有限時間問題では後ろ向きに値を計算する手順が可能になる。無限時間問題では定常状態に近い価値関数を求める発想へと拡張され、計算手法が整理される。
3.3.2 グリッド計算・近似の考え方
価値関数は一般に連続状態で表されるため、厳密に格子全点で計算するのは高次元で困難になる。そこで、状態空間を離散化するグリッド近似や、関数近似（特徴量展開やニューラルネットの利用など）が用いられる。
近似手法では、近似誤差が政策（制御則）の性能に反映されるため、収束性や安定性の観点から検証が必要になる。計算資源と精度のバランスが重要な設計要素となる。
3.4 ハミルトン・ヤコビ・ベルマン（HJB）関連の考え方
HJBは連続時間の動的最適化に対応する枠組みであり、価値関数が満たす偏微分方程式として最適性を表す。動的計画法の連続時間版として位置づけられる。
3.4.1 偏微分方程式としての見方
HJB方程式では、価値関数の時間変化と空間変化が結びつき、最適入力がハミルトニアンの極値条件から決まる。これにより、最適制御の計算は「価値関数を解く問題」として変換される。
価値関数の解は一般に解析的に得られない場合が多いため、数値解法や近似が必要になる。特に非線形性が強い場合、方程式の性質（非線形性、特異性）が計算を難しくする。
3.4.2 数値解法の要点
数値解法では、時間・空間の離散化により偏微分方程式を差分化する方法や、上から押さえる/下から押さえる解の概念を利用する方法が検討される。計算の安定性や整合性を保つための設計が重要である。
また、価値関数から制御入力へ写像する際に、最適入力の選択が不連続になり得る。これを扱うため、補間や制約付きの極値計算を慎重に行う必要がある。
4 線形系の代表理論（実装で重要）
線形系では、最適制御の解が比較的整理され、実装に結びつきやすい理論が多い。現場で使われることが多い理由は、計算が現実的で、設計指針が明確になりやすい点にある。
4.1 LQR（線形二次レギュレータ）
LQRは、線形状態方程式と二次目的関数の組で最適制御を行う代表例である。多くの場合、最適な制御則が状態フィードバックとして得られる。
4.1.1 目的関数（二次形式）
二次目的関数では、状態の偏差を二次の形で評価し、入力の二次評価も併せて罰する。二次形式は解析性と数値安定性の面で扱いやすく、重み行列により「状態偏差をどれだけ抑えるか」「入力をどれだけ抑えるか」を調整できる。
重み行列の選び方により、過渡の速度と入力の大きさのトレードオフが決まる。設計は目的に応じて重みの意味が変わるため、同じ数式でも実務上の意図が重要になる。
4.1.2 リカッチ方程式とゲイン設計
最適制御則は状態に比例する形（フィードバックゲインによる制御）で表されることが多い。ゲインはリカッチ方程式（またはその同等な条件）から求められる。
リカッチ方程式は、状態の評価と入力罰則を整合させるための行列方程式である。適切な条件の下では解が存在し、その解からゲインが計算できる。計算負荷は一般に非線形ケースより低く、設計手順として定着している。
4.2 状態推定と組み合わせた制御（LQGの位置づけ）
LQGは、LQRによる制御設計と、状態推定（観測器）を組み合わせる考え方である。観測がノイズを含む、あるいは状態が完全に測れない状況を想定する。
4.2.1 観測モデルの導入
観測モデルは、状態と観測量の関係を与える。観測は測定ノイズの影響を受けるため、観測値から直接状態を決めるのではなく推定を行う必要がある。
このとき推定器は、システムモデルと観測を統合して、状態推定値の誤差を小さくするように更新される。推定と制御は独立に設計できる場合が多く、その意味で実装が整理されやすい。
4.2.2 推定誤差を抑える設計思想
推定誤差の指標としては、推定値の分散や共分散が用いられる。入力と観測が確率的にモデル化されると、最適推定は共分散の更新則として整理される。
制御側では、推定された状態を用いてフィードバック入力を生成する。推定誤差が大きいと制御性能が劣化し得るため、観測器設計は制御性能全体に影響する要素として扱われる。
4.3 安定性・性能指標の見方
線形系では安定性の判定が比較的明確になりやすい。さらに、性能指標をどう解釈するかが実装上の理解につながる。
4.3.1 ゲインによる閉ループ安定性
閉ループ系は、制御入力が状態フィードバックとして与えられることで、状態方程式が合成されて得られる。閉ループの固有値や安定性判定条件により、応答が発散するか収束するかが評価できる。
適切な設計条件の下では、LQRのゲインが安定性を保証する方向に働く。ただし、モデルが不正確である場合や、入力飽和などの非理想要素がある場合は、理論通りにいかないことがある。
4.3.2 性能指標とトレードオフ
LQRの目的関数は、安定性と性能を同時に評価する役割を持つが、重みの選択がトレードオフを決める。例えば、状態偏差を強く罰すると応答は速くなる傾向があるが、入力も大きくなりやすい。
性能指標は、平均的な損失を抑えるという意味を持つため、外乱の種類や初期誤差の性質によって評価が変わる。設計後はシミュレーションや試験で、重みが想定通りの挙動を生むかを確認することが重要になる。
5 非線形・制約付き最適制御
非線形や制約を含む場合、最適解は解析的に得にくくなる。そこで、数値最適化として捉えることが多く、解法は直接的な探索と、最適性条件からの計算の両方が用いられる。
5.1 数値最適化としての捉え方
非線形最適制御は、状態と入力の軌道を未知量として扱う最適化問題に変換できる。ここで、軌道を直接未知量として扱うか、必要条件を導いて未知量を縮約するかが分岐点になる。
5.1.1 直接法（軌道と入力を同時に求める）
直接法では、状態と入力を離散化した変数として扱い、最適化ソルバに投入する。結果として、入力系列と状態系列が同時に最適化される。
制約を扱いやすいのが利点である。非線形であっても、連続変数の範囲制約や終端条件を最適化の制約として明示できる。一方、変数数が増えるため計算コストが上がりやすい。
5.1.2 間接法（必要条件から求める）
間接法では、ポントリャーギン最大原理や変分法による必要条件を用い、共役変数や補助変数を含む連立方程式を解く。最適性条件が強く構造を与えるため、解の探索空間が縮小されることがある。
ただし、境界値問題は数値的不安定性を起こしやすいことがあり、初期推定や数値安定化の工夫が必要になる。制約付きでは最大原理の条件がより複雑になるため、実装難度が上がる。
5.2 制約の扱い
制約は安全性や実用性を左右するため、単なる付加条件としてではなく設計の中心要素として扱われる。
5.2.1 状態制約・入力制約の反映
状態制約は、各時刻で状態が許容領域内にあることを要求する。入力制約は、入力の大きさや成分の範囲、あるいは入力率の制限として現れる。
数値計算では、制約違反が許されないことから、ペナルティ法、ラグランジュ乗数、あるいは制約付き最適化ソルバの利用などが行われる。制約の取り扱い方は収束性や制御の滑らかさに影響するため注意が必要である。
5.2.2 碰突回避や安全領域の概念
衝突回避のような安全要件は、多くの場合「距離が一定以上」「領域外に出ない」といった幾何学的条件として表現される。これを最適制御に組み込むと、制約境界が非線形形状になりやすい。
その結果、解が境界に張り付くような挙動や、解の多様性が現れる場合がある。安全性を確保しつつ計算可能性を保つため、制約を近似したり安全余裕を設けたりする設計が行われることが多い。
5.3 ロバスト性と不確実性
モデル誤差や外乱がある状況では、理想モデルで計算した制御則が性能を保証しないことがある。そこで不確実性を考慮した設計が求められる。
5.3.1 モデル誤差への耐性の考え方
ロバスト性の考え方は、モデルの変動があっても性能劣化や不安定化が過度に起きないようにする点にある。設計では、不確実性を確率的に扱う場合と、集合として扱う場合の二つの方向性がよく見られる。
具体的には、制御入力の感度を抑える、あるいは外乱に対して余裕のある挙動を誘導するような目的関数・制約の設計が行われる。すべての不確実性を完全にカバーするのは困難なため、実験や検証を通じた現実的な範囲設定が重要になる。
5.3.2 適応的手法の位置づけ
適応的手法は、モデルパラメータや環境の変化を推定し、推定結果に応じて制御則を更新する考え方である。完全なモデル化に依存しすぎない設計になりやすい。
ただし、適応の仕方は誤差増幅や不安定化のリスクを含む。推定と制御の相互作用が複雑になるため、更新速度や制御の保守性を適切に設計する必要がある。したがって適応は万能ではなく、対象と実装条件に応じた選択が求められる。
6 実装とソフトウェア工学
最適制御は理論だけで成立せず、モデル化、数値計算、再実行、検証まで含めた実装プロセスが重要になる。特にリアルタイム性と計算安定性は、実際の採用を左右する。
6.1 モデル化・同定のワークフロー
最適化の入力となるモデルが不適切だと、計算された最適性が現場に反映されない。そこで、同定とモデル誤差の扱いが中心課題になる。
6.1.1 システム同定の考え方
システム同定は、観測データから対象のパラメータや構造を推定する作業である。実験入力を加え、その応答を記録してモデルを合わせる方法が一般的である。
同定の成果は設計の前提となるため、データ収集の質、入力の励振の仕方、ノイズ特性の把握が重要になる。単にフィットの良さだけでなく、予測に対する汎化性能や外挿の挙動も評価対象になる。
6.1.2 モデル誤差の扱い
モデル誤差は避けられないため、設計段階で吸収する戦略が必要になる。代表的には、ロバスト化、推定器の導入、あるいはモデル予測制御のように逐次再計画して誤差の蓄積を抑える手法が用いられる。
また、数値最適化の制約に現実的な余裕を持たせることで、誤差による逸脱を緩和できる場合がある。実装では「理想モデルでの最適」より「誤差を踏まえた安定運転」を優先する場面が多い。
6.2 数値計算（最適化）の設計
最適制御の実装では、連続モデルを離散化し、数値最適化アルゴリズムで解を求める。そこで精度と計算負荷の両立が課題になる。
6.2.1 離散化・時間分割
離散化では、時間を区切って状態と入力を有限次元の変数として扱う。時間分割の刻み幅は、近似誤差と計算量の間の調停となる。
刻みが粗いと制約違反の検出が遅れたり、軌道の形状が十分に表現されなかったりする。刻みが細かいと変数数が増え、最適化ソルバの処理時間が増大する。実装では、対象のダイナミクスの速さに合わせて適切な刻み幅を選ぶ。
6.2.2 収束性と計算コスト
数値最適化では、初期値、アルゴリズムの設定、停止条件により収束性が変わる。特に制約付き非線形問題では局所解や停留点が多くなり、期待した解に到達しない場合がある。
計算コストはリアルタイム性と直結するため、許容誤差と実行可能時間を見積もる必要がある。収束に時間をかけすぎると制御が間に合わないため、実務では「十分に良い解」を目標にする設計も行われる。
6.3 再計算とリアルタイム性
現場では、状態観測に基づき計画を再計算することが多い。計算資源とのバランスが実装設計の鍵になる。
6.3.1 オフライン設計とオンライン実行
オフライン設計では、計算機上で制御則や計画を作成しておき、運転時には軽量な計算だけで適用する。これによりリアルタイム性を確保しやすい。
オンライン実行では、その時点の状態推定に基づいて再最適化する。再計算は柔軟性が高い一方、計算負荷と遅延が性能や安全性に影響するため、計算時間の保証が求められる。
6.3.2 MPC（モデル予測制御）の位置づけ
MPCは、有限の予測区間で最適化し、得られた入力の一部だけを実行して繰り返す手法として知られる。外乱がある環境で計画を逐次更新できるため、実装上の利点が大きい。
一方で、予測区間の長さやモデルの精度、制約の扱いにより計算負荷が変わる。さらに、オンラインで解を更新するため、ソルバの安定運用や初期化戦略が重要になる。
6.4 検証と評価
最適制御は、シミュレーションと実験の両方で性能を確かめる必要がある。特に安全関連の指標は、モデルに依存しすぎない検証が求められる。
6.4.1 シミュレーションによる検証
シミュレーションでは、モデル誤差や外乱、センサノイズの仮定を変えながら応答を観察する。様々な初期状態や条件で挙動を調べることで、設計の頑健性が見えてくる。
また、計算上の問題（収束失敗、制約違反、数値不安定）も事前に洗い出せる。単発の成功例ではなく統計的な評価が望ましい。
6.4.2 実験・ベンチマーク指標
実機評価では、追従誤差、エネルギー消費、制約達成率、応答の滑らかさなどが指標として使われる。ベンチマークとしては、比較対象（従来手法、単純な制御則、理想条件）を用意し、優位性を定量化する。
さらに、故障やセンサ劣化を想定したストレス試験も有効である。適切な評価計画により、理論で期待した性質が現場で再現されるかを確認できる。
7 よくある誤解と設計上の落とし穴
最適制御は強力だが、誤解や設計ミスによって期待した性能が出ないことがある。典型的な落とし穴は「最適性の前提が崩れる」ことにある。
7.1 「最適」だが実装不能になる例
理論上の最適解が、計算や運用条件の制約で実行できないケースがある。
7.1.1 計算量過多
非線形大規模問題では、最適化に必要な反復回数や計算時間が大きくなる。リアルタイム制御で必要な周期より遅いと、制御入力が間に合わない。
また、グリッドや大域探索に頼ると状態空間の次元の呪いにより計算が膨らむ。実装では、必要な精度に対して過剰な計算をしていないかを見直すことが重要になる。
7.1.2 制約違反の見落とし
連続モデルの制約を、離散化の近似で取りこぼすことがある。例えば離散点では制約内でも、連続時間の途中で逸脱することが起こり得る。
さらに、ソルバの停止条件を厳格に設定していないと、最適化が途中で打ち切られ制約違反が残る場合がある。制約は評価指標ではなく安全要件になり得るため、最適化の品質管理が必要である。
7.2 モデルに依存しすぎる問題
モデルは設計の土台だが、現実はモデルからずれる。依存が強すぎると性能が崩れる。
7.2.1 パラメータ変動への弱さ
摩擦、質量、配線や配管の特性など、パラメータは時間とともに変化し得る。線形化したモデルで設計した制御が、変化後の領域で効かなくなることがある。
これに対しては、推定器と併用する、ロバスト化を行う、あるいは運転領域を限定することで対処することが多い。
7.2.2 センサー遅延の影響
観測には遅延が伴うことがある。センサの時刻と制御計算の時刻がずれると、フィードバックが一歩遅れて働き、過渡応答が悪化したり振動が増えたりする。
遅延を補償するため、モデルに遅延を含める、予測を導入する、あるいは制御周期を見直すなどの工夫が必要になる。
7.3 データと制御のミスマッチ
同定に使ったデータと、制御で遭遇する条件が異なると性能が劣化する。
7.3.1 推定誤差の過小評価
推定誤差が目的関数の観点で小さいと思い込むと、実際には制約違反や追従誤差の増加につながる。ノイズの統計が想定と違う場合も起こり得る。
推定器の性能を単一条件で評価するのではなく、多様な状況で検証することが有効である。
7.3.2 フィードバック設計の前提不足
フィードバック設計では、観測可能性やモデルの適用条件が暗黙に前提になっていることがある。センサの配置や測定可能な成分が異なると、推定や制御が成り立たない場合がある。
実装前に「どの変数がどれだけ必要か」を洗い出し、測定系とモデル系の整合を確認することが落とし穴回避につながる。
8 事例（安全に一般化した応用）
ここでは特定の危険行為や論争対象に踏み込まず、一般的に扱われる応用の類型を示す。いずれも、追従、安定化、効率化、品質維持といった目的が制御目的関数に反映される。
8.1 乗り物の軌道追従（一般的な追従制御）
車両や船舶のような乗り物では、所望の軌道や速度プロファイルに沿うことが重要になる。最適制御では、位置・速度の誤差を評価し、入力の変化を抑えて乗り心地や安定性を改善する設計が用いられることが多い。
制約としては、操舵や推進の上限、加速度の上限、物理的な安全マージンが挙げられる。非線形性や外乱がある場合には、モデル予測型の更新や推定器併用が適用される。
8.2 ロボットの運動計画と制御（一般的な統合）
ロボットでは、関節角度やエンドエフェクタ位置など複数の状態を同時に扱う必要がある。運動計画では経路の生成、制御ではその経路を追跡する入力生成が分かれることが多いが、統合して扱うと一貫した目的関数で最適化できる。
典型的には、目標到達時間、軌道の滑らかさ、アクチュエータ制限を目的関数や制約にまとめる。安全領域や作業領域の制約を入れることで、計画段階から実行可能な軌道が得られやすい。
8.3 エネルギーマネジメント（省エネ・効率化の制御）
エネルギーマネジメントでは、必要な性能を満たしつつ消費や損失を抑えることが目的となる。最適制御の枠組みでは、入力に関連するエネルギーコストや、温度や速度などの制御対象の逸脱コストを目的関数として同時に扱える。
例えば、温度制御では熱損失を抑えつつ目標温度へ近づける。モータ制御では電流やトルクのコストを罰しつつ、要求される動作を達成する。制約がある場合は、装置の許容範囲内に運転点を維持する工夫が必要になる。
8.4 プロセス制御（品質と安定化）
化学・材料・製造プロセスでは、温度、流量、圧力、濃度などが品質に直結する。最適制御は、これらの変数を安定に保ち、目標値への追従を実現しながら、原材料やエネルギーの無駄を抑える方向に設計できる。
モデルが完全でない場合でも、推定器や逐次再計画により実用的な制御性能が得られることがある。制約としては、設備の安全限界や品質仕様を反映した条件が組み込まれやすい。