深層モデル予測制御（Deep MPC）は、モデル予測制御と深層学習を統合した進化する分野です。本稿では、MPCを用いた制御ループ内で深層ニューラルネットワークを活用する特定のアプローチに焦点を当てています。この手法では、制御権限がニューラルネットワークとMPCコントローラの間で分配され、ニューラルネットワークがモデルの不確実性を学びつつ、MPCが制約を管理します。このアプローチの利点は、運転中に収集した訓練データを用いてニューラルネットワークを調整し、MPCが学習過程での不安全な動作を防ぐことができる点です。本稿は、Deep MPCの実装上の課題や制御権限の分配方法について説明し、不適切な権限分配が性能低下を招く可能性について議論します。性能が低下する理由は、四輪スキッドステアダイナミクスに関する数値実験を通じて説明されています。