---

🤖 01. FSM・PID・LLMによるハイブリッド制御（AITL構想）

Hybrid Control with FSM, PID, and LLM (AITL Framework)

---

本節では、FSM（本能層）、PID（理性層）、LLM（知性層）という
三層構造のハイブリッド制御アーキテクチャである「AITL構想」について解説します。
This section explains the three-layer hybrid control architecture — FSM (Instinct Layer), PID (Reasoning Layer), and LLM (Intelligence Layer) — known as the AITL Framework.

---

🧠 AITL構想とは？ / What is AITL Framework?

AITL（Artificial Instinct–Thinking–Language）は、以下の3層構造を持つ制御モデルです：
AITL (Artificial Instinct–Thinking–Language) is a control model with the following three layers:

層 / Layer	要素 / Element	役割 / Role
本能層 / Instinct Layer	FSM（状態機械 / Finite State Machine）	基本動作やルール実行（ON/OFF制御、フロー制御） Executes basic operations and rules (ON/OFF, flow control)
理性層 / Reasoning Layer	PID制御（Proportional–Integral–Derivative）	物理系の安定・精度を保証する連続制御 Ensures stability and precision of physical systems
知性層 / Intelligence Layer	LLM（大規模言語モデル / Large Language Model）	状況判断・例外対応・目的推論・対話 Contextual reasoning, exception handling, goal inference, and dialogue

---

🧩 各層の制御構成 / Control Structure by Layer

✅ FSM（状態機械 / Finite State Machine）

• タスクの流れや状態遷移条件を定義
  Defines the flow of tasks and state transition conditions

• 例：ロボットの「停止 → 前進 → 回避」フロー
  Example: Robot flow “Stop → Move Forward → Avoid”

✅ PID制御（Proportional–Integral–Derivative Control）

• フィードバック制御の中心
  Core of feedback control

• FSMの各状態での制御器として動作
  Operates as the controller in each FSM state

• 実時間で物理系とやり取り
  Interacts with the physical system in real time

📐 PID制御の基本数式：
Basic formula of PID control:

\[u(t) = K_p \, e(t) + K_i \int_0^t e(\tau) \, d\tau + K_d \frac{de(t)}{dt}\]

ここで $e(t)$ は目標値と現在値の偏差、$u(t)$ は制御入力。
比例・積分・微分の各項はそれぞれ「応答速度」「定常偏差除去」「外乱抑制」に対応する。
Here, $e(t)$ is the error between target and current value, and $u(t)$ is the control input. The proportional, integral, and derivative terms correspond to response speed, steady-state error elimination, and disturbance suppression.

✅ LLM（Large Language Model）

LLMは以下の二系統で利用可能です：
LLMs can be utilized in the following two forms:

• クラウド型（ChatGPT等）
  Cloud-based (e.g., ChatGPT)
  • 設計支援、自然言語インタフェース、知識検索
    Design assistance, natural language interface, knowledge retrieval
• 組み込み型（LLaMA系, Phi-3-mini, Mistral等）
  Embedded (e.g., LLaMA, Phi-3-mini, Mistral)
  • 制御ループに直接組み込み、リアルタイムな推定やゲイン調整に使用
    Integrated into control loops for real-time estimation and gain adjustment

LLMの最小理屈（制御視点） / Minimal logic of LLMs (control perspective):

• Attentionの役割：過去系列を動的に加重（PIDゲインに相当）
  Role of Attention: dynamically weights past sequences (analogous to PID gain)

• 潜在表現：観測から状態を近似（状態推定器として機能）
  Latent representation: approximates system state from observations (functions as a state estimator)

• 確率的出力：候補行動分布を生成（制御入力候補に対応）
  Probabilistic output: generates a distribution of candidate actions (corresponding to control inputs)

📐 Attention の基本数式（比較用）：
Basic formula of Attention (for comparison):

\[\text{Attention}(Q, K, V) = \text{softmax}\left(\frac{QK^T}{\sqrt{d_k}}\right)V\]

この式は「入力系列のどの部分を強調すべきか」を決定し、PIDにおけるゲイン調整と対比できる。
This equation determines which parts of the input sequence to emphasize, comparable to gain adjustment in PID.

---

🏗️ 構成図（概要）/ Architecture Overview

flowchart TB
    S[センサ入力 / Sensor Data] --> P[PID制御 / PID Control]
    S --> F[FSM状態遷移 / FSM Transition]
    S --> L[LLM（推論器） / LLM Inference]

    P --> U[制御入力 / Control Signal]
    F --> U
    L --> U

    U --> A[アクチュエータ / Actuator]

---

🔍 例：自律移動ロボット / Example: Autonomous Mobile Robot

状態 / State	FSM動作 / FSM Action	PID制御 / PID Control	LLM関与 / LLM Involvement
前進 / Move Forward	MoveForward	距離維持 / Distance Keeping	行先判断 / Destination Decision
停止 / Stop	Idle	出力ゼロ / Zero Output	指示待ち・対話 / Await Command, Dialogue
障害物回避 / Avoid Obstacle	Avoid	軌道調整 / Path Adjustment	回避方向の判断 / Avoidance Direction Decision

---

💡 目的と利点 / Purpose and Advantages

• FSM によるルールベースの安定性保持
  Stability via rule-based FSM control

• PID による精密な物理制御
  Precision via continuous PID control

• LLM による環境変化・例外対応・新規タスク適応
  Adaptability to environment changes, exceptions, and new tasks via LLM

• 状況依存の柔軟な知能制御システム構築が可能
  Enables flexible intelligent control systems adaptable to context

---

📁 次へ / Next

次節では、具体的な「シナリオ制御とLLM活用」について解説します。
In the next section, we will discuss scenario-based control and LLM utilization.

📄 02_scenario_control.md

---

⬅️ Part 9 トップに戻る / Back to Part 9 Top
🏠 トップページ / Back to Home