2026年9月21日、arXivに機械学習の新規論文「Learning Neural Feedback Linearization for Data-driven Systems via Augmented Lagrangian」が投稿された。著者はLakshmi Priya P. K.とAndreas Schwungで、論文番号はarXiv:2609.25163v1、主分類はcs.LG（機械学習）である。本論文は、解析モデルに依存せず、データから直接フィードバック線形化コントローラを設計・訓練する方法を扱っている。
提案手法の中心は、相対次数に基づく条件を学習プロセスに明示的に組み込む点にある。これにより、従来のフィードバック制御器の構成要素をニューラルLie微分に置き換えることが可能になり、完全にデータ駆動型のフィードバック線形化フレームワークが実現する。この設計は、フィードバック線形化の構造的制約を保ちながら、システムデータから直接コントローラを学習できることを狙っている。
安定性に関しては、実用的な閉ループ安定性を理論的に裏付ける結果が示されている。著者らは、同定誤差が有界であれば追従誤差も有界になるという十分条件を導出した。これにより、データ駆動型コントローラの信頼性と誤差伝播の限界が明確になる。
理論結果は電機子制御DCモータへの適用によって検証されている。論文はarXiv:2609.25163 [cs.LG]として引用でき、DOIはhttps://doi.org/10.48550/arXiv.2609.25163（登録手続き中）。投稿履歴によれば、v1は2026年9月21日11:51:04 UTCに提出され、ファイルサイズは約1,048 KBである。PDF、実験的HTML、TeXソースなどの全文リンクが提供されており、arXivページでライセンス情報を確認できる。