【制御】🧠 03. PID制御は想像以上に完成されている

topics: [“制御工学”, “PID”, “AI”, “LLM”, “ロボティクス”]

はじめに

AI や LLM を用いた制御が注目される中で、
次のように考える人は多いと思います。

• 「従来の制御理論は限界に近いのではないか」
• 「AI を使えば、もっと賢く制御できるのではないか」

私自身も、その一人でした。

そこで PID × FSM × LLM を組み合わせた
AITL（Adaptive / Intelligent Triple-Layer）制御 という構成を考え、
Python で実装し、PID 単体との比較検証を行いました。

結論から言うと、

現状の制御理論（特に PID）は、想像以上に完成度が高く、
AITL を用いても明確な優位性を示すのは難しい

という結果になりました。

本記事は、その検証過程と、そこから得られた冷静な考察をまとめたものです。

🔍 なぜ AITL を作ろうとしたのか

AITL の発想はシンプルです。

• PID：実時間制御（最内層）
• FSM：状態監督・モード切替（中間層）

• LLM：設計・再同定・判断支援（最外層）

• 「PID は速いが固定的」
• 「FSM で異常を検知し」
• 「LLM が人間の代わりに再設計する」

—— そんな期待を持っていました。

特に、

• 外乱が大きい系
• 長期運用で特性が変化する系

では効果があるのではないかと考えていました。

🎯 比較対象：PID単体を“正攻法”で実装する

重要なのは、
PID を雑に扱わないことです。

今回の検証では：

• P / I / D 全項を使用
• 外乱入力を明示的に付加
• 発散条件・飽和条件も含めて評価
• 「I 項をゼロにする」などの八百長はしない

という前提で、
普通に設計された PID を基準にしました。

結果として、
適切にチューニングされた PID は、

• 外乱に対して安定
• 応答が速い
• 振る舞いが説明可能
• デバッグが容易

という、非常に強い性能を示しました。

🧩 AITL（PID × FSM × LLM）を足してみる

次に、FSM と LLM を追加しました。

• FSM：外乱増大や応答劣化を検知
• LLM：PID ゲイン再設計の方針を生成
• 再同定後、PID を再投入

構造としては間違っていません。
「人がやっていることを分離した」だけです。

しかし実際には、

• 再設計に時間がかかる
• 設計意図がブラックボックス化する
• PID 単体との差がグラフ上で明確に出ない

という問題が顕在化しました。

📉 結果：明確な優位性は示せなかった

正直に言うと、

この条件では、PID 単体に対する明確な勝ちは出ませんでした。

性能面でも、運用面でも、

• 安定性：PID で十分
• 応答性：PID が速い
• 説明性：PID が圧倒的に有利
• 保守性：PID の方が現実的

という結果です。

🧠 なぜ PID はここまで強いのか

理由は明確です。

• 理論が成熟している
• 現場知見が数十年分蓄積されている
• 「壊れにくさ」を前提に設計されている
• 数学的に説明できる

普通に設計された PID は、すでに最適解に近い
—— それが今回の実感でした。

🌱 それでも AITL が意味を持つとしたら

AITL が完全に無意味だとは思っていません。

意味を持つ可能性があるのは：

• 無人・遠隔システム
• 長期自律運用（宇宙・深海など）
• 人が頻繁に再設計できない環境
• 「制御の外側（判断・再構成）」を扱う層

つまり、

制御性能を直接上げる技術ではなく、
設計や判断を整理するフレーム

としての価値です。

🧾 結論

AI や LLM を使った制御は魅力的です。
しかし、実装して比較してみると、

今の制御理論は、もう十分に強い

という現実に直面します。

これは失敗ではありません。
現実を検証した結果です。

AITL は、
PID を置き換えるものではなく、
必要になったときに思い出す設計の補助線
として位置づけるのが、最も誠実だと感じています。

📝 おわりに

「AI を使えば何かが劇的に良くなる」
—— そう簡単ではありません。

でも、

やってみて、線を引けた

それ自体が、技術者としての成果だと思っています。

同じように悩んでいる方の
参考になれば幸いです。