LILAD (Learning In-Context Lyapunov-stable Adaptive Dynamics)는 궤적 데이터를 통해 동적 시스템을 근사하는 제어 이론의 시스템 식별을 위한 새로운 프레임워크입니다. LILAD는 in-context learning (ICL)을 통해 역학 모델과 Lyapunov 함수를 동시에 학습하여 적응성과 안정성을 보장합니다. LILAD는 다양한 작업에 걸쳐 훈련되어 안정성을 고려한 적응형 역학 모델과 적응형 Lyapunov 인증서를 생성합니다. 테스트 시, 짧은 궤적 프롬프트를 사용하여 새로운 시스템 인스턴스에 적응하여 빠른 일반화를 가능하게 합니다. 또한, LILAD는 상태 종속 감쇠기를 계산하여 새로운 시스템 인스턴스의 모든 상태에 대해 Lyapunov 함수의 충분한 감소 조건을 적용하여 안정성 보장을 확장합니다. LILAD는 벤치마크 자율 시스템에서 평가되었으며 적응형, 견고한, 비적응형 기준선을 능가하는 예측 정확도를 보였습니다.
