본 논문에서는 오토인코더(AE)를 활용하여 고차원 상태를 축소된 잠재 공간으로 변환하고, 제어 친화적 상태 공간 동역학을 구축하는 프레임워크를 제시합니다. AE와 상태 공간 모델을 동시에 학습하여 고차원 상태와 입력을 축소된 잠재 공간으로 변환합니다. 또한, 상태와 입력 이력을 처리하여 예측 정확도를 높이고 제어 친화적 구조를 유지하는 시퀀스 기반 이산 모델을 제안합니다.
피드백 선형화를 통해 유도된 모델을 활용하고 효율적인 사용 지침을 제공하며, 두 가지 수치 예제를 통해 성능을 평가했습니다. 제안하는 프레임워크는 테스트 데이터에 대한 예측 정확도와 원하는 상태 또는 궤적으로 시스템을 제어하는 데 효과적인지 평가합니다.
기존 선형 상태 공간 동역학을 가진 잠재 공간을 AE로 식별하는 기준 모델과 비교하여 성능을 검증했습니다.