PhD Studies in Intelligent System Control Lab

Hello, I’m Takamitsu Matsubara, an assistant professor in the Intelligent System Control Laboratory. We study on system control, machine learning, reinforcement learning, intelligent robotics, signal processing, and sensing intensively. This article introduces some of our research topics by two PhD students.

If you are further interested in details, please visit our lab’s website:

Lorlynn Asuncion Mateo (D1): 
Originally from the Philippines, I moved to Japan to join the Intelligent System Control laboratory of NAIST as a research student about 3 years ago. From there, I entered and finished the Master course, then proceeded to enter the doctoral course immediately after graduation. Currently, I am a first year doctoral course student in the said laboratory, undertaking theoretical research on two-degree-of-freedom (2DOF) control.
Initially, my chosen research theme gained much attention in control engineering because of its interesting conception in the biological field. Several years back, Kawato et al. established that biological motor control is achieved by the brain and central nervous system by using a 2DOF structure with a learning law. In this structure, a feedforward (FF) mechanism makes use of feedback (FB) error to achieve accurate motion. This scheme is popularly known as feedback error learning (FEL). To illustrate, a simple figure below shows how the human body functions using this 2DOF structure. In the figure, the controlled object is the pair of limbs used to achieve the motor task, e.g. grabbing an item. Feedback control can be achieved with the help of human vision, while the inverse model and learning law are considered in the human brain. What’s interesting is, deviating from the biological perspective, this idea for adaptive control is very promising and can be applied to any other type of control problem, as done in a lot of existing literature on the subject.


In my PhD study, we design 2DOF control schemes for single-input, single-output (SISO) and multi-input, multi-output (MIMO) plants (model of controlled object). It is known in control theory that the 2DOF configuration enables us to design independently FB and FF control laws for stabilization and response shaping, respectively. FEL is promising in the sense that FF control is tuned on-line and hence can give good response without modeling. For instance, in an experimental work by a former student of our laboratory, an FEL scheme was applied for motion control of a two-link manipulator to write different one-stroke characters. Below, the figure on the left shows the numerical simulation result for writing “8”, while the photo on the right shows the experimental result using the two-link manipulator.

Some FEL schemes turned out to be effective under certain assumptions on the plant; however, if the plant model is plagued by finite zeros, then the conventional scheme cannot overcome the difficulties involved, i.e., risk of over-parameterization and consideration of non-commutative matrix multiplication. This is where my research topic comes in. We propose 2DOF control schemes to deal with the presence of finite zeros in the plant.

Under the guidance of Prof. Kenji Sugimoto, we have published several articles addressing the said topic. One proposed approach is the use of Polynomial Matrix Fractional Representation from the modeling of the MIMO plant to the derivation of the control law to address the presence of finite zeros. Evaluation of the proposed approach is then done via numerical simulation. Based on the evaluation, results prove that the proposed approach is effective and successfully treats the difficulties mentioned above. Aside from this example, other studies, such as the treatment of SISO plants with zeros, are also currently being studied. After evaluating the performance of these feedforward learning schemes, evaluation via experimentation will be explored. One possible application is for vibration control of a flexible link manipulator (shown below) for accurate position control.


Yunduan Cui (D1):
My PhD life in Intelligent System Control Laboratory (ISC lab), NAIST started from October 2014. After finishing Master course, I chose NAIST as my next step because it is a top research university in Japan,that provides me a wonderful research environment. Now I am enjoying challenging research and interesting laboratory life in the peaceful campus every day. My research focuses on develop a new Reinforcement Learning algorithms applicable for high-dimensional and complex robotic systems.

What is Reinforcement Learning? Imaging that we hope one robot to throw a baseball to the target without knowing how to control it. In Reinforcement Learning, we let the robot throw the ball according to its current knowledge (motor skill) firstly (it is obvious that the ball cannot hit the target at the beginning), then we tell the robot how good its performance is (the closer to the target, the better performance) and let it updates its knowledge. In the next iteration, the robot tries to throw the ball again and determine its actions according to the new knowledge. Following this way, after several iterations, the robot will be able to get a quite good knowledge to throw the baseball to the target. This is an overview of RL for robotic systems: making a robot to discover an optimal behavior through trial and error interactions with its environment autonomously.


Unlike conventional control methodologies, we do not tell the robot how to do but teach it how to learn by itself. The robot tries to explore an unknown world and learn how to take the action that avoid punishment and get more reward. This process looks like some real animals’ behaviors very much and therefore help us to discover artificial intelligence in a nature way. Thanks to the new advanced machine learning theories and the improved computation ability, RL technologies are progressively popular and practical. They have been applied in more and more complex robotics systems in recent years and had very impressive performance.

In our lab, RL is applied in several challenging tasks with complex robot systems. Different high dimensional robots are trained by RL to solve problems that may be very difficult for other control methods. For examples, helping people put on their cloth, learning something’s shape though touching and even playing table tennis with real people and improving its performance by learning opponents’ behaves.

Robotv2RL also provides us a possible way to let the robot to “understand” the real world and therefore becomes more intelligent. Such an amazing feature attracts me so much and encourage me to be a PhD student in NAIST. What we are doing is to make the robot acts like a real animal but not only a cold machine. During my doctor course here, I hope to learn how to be a real researcher with a deep understanding of this field and then make some contributions to it.



ネットワークシステム学研究室は、変復調、信号処理、ワイヤレス通信やセンシング、組み込みシステムといった、いつでも・どこでも・何でもが繋がるユビキタスネットワークのための基盤技術の実現と評価に関する研究を行っています。情報科学研究科の中では比較的物理層に近い研究分野です。それではネットワークシステム学研究室の2014年の研究テーマなどを振り返ってみたいと思います。(特任助教 侯)

1. ワイヤレス給電システムの研究








動画:『NAIST ネットワークシステム学研究室 ワイヤレス給電デモ』


  • 伝送効率の向上:高い効率で電力伝送を行うためには、受電側コイル形状・配置の工夫やインピーダンス整合などが必要となります。
  • 受電器の移動に対する受電電力の安定化:受電器が移動する時、電源から見た平行2線路のインピーダンスが変化するため、受電電力は変化します。受電デバイスを正常に動作させるために、受電電力の安定化が必要です。
  • 複数デバイス給電時の電力分配:複数デバイスへ給電する際、1つのデバイスが電力を取り過ぎると、他のデバイスは所望電力を受電できなくなるので、適切な電力分配が必要不可欠です。

上記以外、他に課題はまだ残されますが、本提案を用いることで、広域なエリアへのワイヤレス給電が可能と期待できます。また、本研究について、岡田実教授がNEジャパン・ワイヤレス・テクノロジー・アワード2014を受賞しました。(博士研究員:Duong Quang Thang)

2. 光ファイバ無線システムの研究結果

ネットワークシステム学研究室ではRoF (Radio over Fiber: 光ファイバ無線) に関する研究も行っています。RoFとは,同軸ケーブルと電流の代わりに光ファイバとレーザー光を使って無線信号を伝送する技術です。光の強さを無線信号の形に変調してアナログ信号として伝送します。光ファイバは信号を劣化させずに長い距離を伝送できるので、ケーブルテレビの信号を送ったり、たくさんのアンテナから信号を集めて1箇所の制御局で処理したりする用途に用いられます。一方で、光ファイバを使った通信というと光のON, OFFを切り替えて0, 1のデジタルのデータを伝えるものがあります。このような方法でデータを送る信号はOOK (On-Off Keying) 信号と呼ばれます。これはイーサネットなどで使われ,皆さんのパソコンもこのOOK信号を使ったインターネットで世界中とやりとりできています。RoFとOOK信号を送るためには普通それぞれに1本ずつで2本の光ファイバが必要ですが、本研究室ではこのRoFの信号とOOK信号を1本のファイバで送る方法を光OOK重畳ファイバ無線 (RoOOOK: Radio on Optical OOK) として提案し研究しています。同時に送るとき問題となるのは2つの信号の干渉で、この干渉を抑圧する方法をEEE COMS 関西チャプタ学生研究発表会で発表しBest Student Presentation Awardを受賞し、さらに抑圧効果を上げる方法をカンボジアで開かれた国際学会APSIPA ASC 2014で発表しBest Paper Awardを受賞しました。(M2:金子)



本研究室では他にもRoFに関する研究を行っています。RoFの伝送において複数の無線信号を送ろうとすると相互変調歪 (IMD: Intermodulation Distortion) という邪魔な信号が発生してしまうことがあります。無線通信においてたくさんの人が一度に通信できるのは使っている周波数が異なるからです。ですが、AさんBさんCさんが通信しているときに、AさんとBさんの2つの信号から生まれた相互変調歪がCさんの使っている周波数を妨害してしまうことがあります。こうなるとCさんは通信できなくなってしまいます。相互変調歪が現れる周波数には規則があるので、相互変調歪ができない周波数にCさんの周波数を割り当てればよいのですが、今度はAさんとCさんの相互変調歪がDさんの周波数を妨害して……というようにたくさんの人が通信しようとすると大変です。このように無計画には周波数を割り当てられないので、たくさんの人が使う時でも可能な限りみんなが最大のデータを通信できるような周波数の組み合わせで周波数配置する方法を研究しています。さらに、この研究では、相互変調歪を弱めるためにプリディストーション (pre-distortion) という方法も導入しています。元々の無線信号は電気の信号ですが、これを光信号に変える変調器や、信号を強める増幅器の非線形性がこの相互変調歪を作っています。入力の電気信号に対して出力の光信号が全く同じ形でなく少し歪んでしまうことが相互変調歪の原因です。そこで、入力する電気信号を変調器の歪み方とは逆に歪ませることで、結果的に出力から歪みを無くします。あらかじめ前もって歪ませるのでプリディストーションと言います。以上のように、本研究室では周波数の配置とプリディストーションを使ってRoFにおける相互変調歪の影響を最小にして通信パフォーマンスを向上させるという研究も行っています。(D1:Withawat)


2012年から、日本では、世界の三大デジタルテレビ(DTV: digital television)規格の一つである統合サービスデジタル放送(ISDB-T)と呼ばれるサービスが導入されました。これにより、映像・音声・文字情報・静止画情報など、すべてをデジタル信号でまとめて1つの電波で放送するという新しい放送サービスの提供が始まりました。ISDB-Tは、モバイルと固定のテレビ受信機で高精細テレビを提供することだけではなく、1セグメント技術を使用して、ハンドヘルド受信機でTV受信が可能となります。

モバイルTV受信の場合には、放送局とテレビ受信機との間のチャネル(伝搬路)の特性は、急速に変化します。したがって、これらのチャネル特性の推定は、受信信号の良好な品質を達成するために非常に重要です。受信信号の品質と効率を向上させるために、本研究の一部として圧縮センシング(CS: compressed sensing)法に基づくチャネル推定法を検討しています。



Example of a multipath wireless channel

また、電子制御導波器アレーアンテナ(ESPAR:electronically steerable passive array radiator)、或いはエスパアンテナと呼ばれる、特別なアレーアンテナ応用を研究開発しています。小型化かつ低消費電力など優れた特性を持つエスパアンテナは車載DTVシステムの受信端末において受信電力倍増などができ車載アンテナとして非常に適しています。発振器を調整して、周期的にエスパアンテナの放射パターンを変更し、更に信号処理技術を用いることで、信号品質を大きく改善できることが確認できます。本研究室では、エスパアンテナをテレビ受像機として使用し、CS法によるチャネル推定法を検討しています。


 7-素子 ESPAR アンテナ


4. 漏洩同軸ケーブルを基づくMIMOシステムの構築



本研究では、開発したLCX-MIMO技術により、1本のLCXを2アンテナ相当として利用するMIMO伝送システムの構成を検討しています。従来は、1本のLCXでは1アンテナ相当の機能にとどまっています。今回開発した技術では、LCXから放射される電波が指向性を持つ性質を利用して、1本のLCXの両側から異なる信号系列を有する無線周波数帯の信号を同時に入力します。これにより、既存のMIMO伝送システムで2本のアンテナを使用して送信した場合と同様に、受信側ではそれぞれに入力された信号が異なる伝搬路を経由して受信されるため、MIMO伝送が可能となります。本LCX-MIMO技術を適用することにより、従来の2倍のスループットを安定して実現可能なことを伝送実験により確認しました。さらに、2本のLCXを近接して設置し4アンテナ相当としてMIMO伝送に利用可能なことを基礎実験により確認しました。提案したLCXによるMIMOシステムは、コスト削減効果と設置スペース制約条件が緩和できる特長から、リニアセルへの実用展開が期待されます。 このテーマについては、2014年10月に行われたIEEE Consumer Electronics Society 主催の国際会議(IEEE GCCE2014)で、「4-by-4 MIMO channel using two leaky coaxial cables (LCXs) for wireless applications over linear-cell」というタイトルで研究発表を行い、最優秀研究賞を頂いました。(特任助教:侯)