🎯 Part 10：倒立振子の総合制御 / Hybrid Control of Inverted Pendulum
本章では、倒立振子（Inverted Pendulum） を題材として、
以下の制御手法を段階的に実装・比較しながら学びます：
- 📐 PID制御（古典制御 / Classical Control）
- 🧮 LQR制御（最適制御 / Optimal Control）
- 🧠 強化学習（DDPG, PPO） / Reinforcement Learning
- ⚙️ HDL実装（FSM×PID） / HDL-based FSM×PID Implementation
- 🤖 LLM連携による制御設計 / Control Design with LLMs
本章は、不安定系の代表例を通じて制御理論とAI制御を統合的に学ぶことを目的とします。
Through this unstable system model, we aim to understand and integrate both classical and AI-based control approaches.
🧭 構成概要 / Structure Overview
| ディレクトリ / Directory | 内容 / Description |
|---|---|
model/ |
倒立振子の物理モデルと線形化 Physics-based modeling and linearization |
classical_control/ |
PID制御の設計と応答解析 PID implementation and analysis |
modern_control/ |
LQR制御・状態推定（カルマン） LQR & Kalman filtering |
rl_control/ |
Gymを用いたDDPG・PPO制御 RL control using Gym |
hdl_implementation/ |
FSM×PIDのVerilog記述 Verilog HDL implementation |
llm_prompt_design/ |
LLMによるコード設計支援 Code generation with LLM prompts |
ros_simulation/ |
ROS/Gazeboによる物理シミュレーション（予定） ROS/Gazebo physical simulation (planned) |
🎓 学習のステップ / Learning Workflow
- モデル構築 / Modeling
- 倒立振子の数理モデル化と線形近似
- Build mathematical models and linearize the pendulum system
- PID制御 / Classical PID
- Python・SimulinkによるPID設計・応答解析
- Design PID controllers in Python/Simulink
- 状態空間制御 / State-Space Control
- LQR設計・カルマンフィルタによる推定器構築
- Design LQR controllers and state estimators
- 強化学習 / Reinforcement Learning
- Gym/PyTorchでのDDPG・PPO訓練と評価
- Train DDPG/PPO agents for stabilization
- HDL設計 / HDL Implementation
- FSM＋PID制御器をVerilogで実装、GTKW・ModelSimで波形確認
- Implement HDL-based control using Verilog and testbench tools
- LLM連携 / LLM Integration
- ChatGPTを活用したプロンプト設計、Verilog自動生成支援
- Use ChatGPT for prompt-based Verilog code generation
🔧 実行環境 / Execution Environment
| 分類 / Type | ツール / Tools | 用途 / Purpose |
|---|---|---|
| 🐍 Python | control, gymnasium, torch, matplotlib |
制御器設計・学習 |
| 📊 Simulink | Simulink / Simscape | ブロック設計・応答解析 |
| 🔬 HDL | Verilog / GTKWave / ModelSim | HDL記述・波形検証 |
| 🤖 LLM | ChatGPT（GPT-4o推奨） | プロンプト設計支援 |
| 🧪 ROS | ROS2 / Gazebo | 拡張用の物理シミュレーション |
📌 本章の目的 / Purpose of This Chapter
- ✅ 理論と実装の統合：倒立振子を通じて物理・状態空間・HDLを接続
Bridge theory and practice through inverted pendulum control - ✅ 多様な制御手法の比較体験：PID、LQR、RLの効果を可視的に理解
Visually compare classical and AI control techniques - ✅ LLM活用による設計支援：LLMによる自動化・設計提案を体験
Leverage LLMs to support control design and code generation
🚀 今後の展開 / Future Expansions
（中略：内容は同じ）
🔗 関連リンク / Related Links
- 📚 EduController トップへ戻る / Back to EduController Home
- 🤖 AITL-H: FSM × PID × LLM アーキテクチャ
- ✏️ SamizoGPT: ChatGPT プロンプト集
⬅️ 前章 / Previous Chapter
LLM統合・ハイブリッド制御（FSM×PID×LLMなど）を扱います。
Covers LLM-integrated hybrid control such as FSM×PID×LLM.