本論文は、ロボット群の堅牢な編成制御を実現するための新しいアプローチ「変位ベーストポロジカルオンライン学習（TOLD）」を提案している。従来の編成制御手法では、ロボットの個々の入力を調整することで制御を行ってきたが、相互作用の基本構造であるトポロジーは固定されたままであった。これに対してTOLDフレームワークは、リアルタイムでエッジレベルの適応を実現し、相互作用トポロジーの重みをオンラインで更新することで、編成の歪みを直接最小化する点で革新的である。 TOLD制御フレームワークでは2つの戦略が提案されている。1つはオンライングラディエントフロー（OGF）で、重みに制約を設けないアプローチであり、もう1つはオンライン指数グラディエントフロー（OExpGF）で、非負の凸重みを適用するアプローチである。理論的解析により、単一積分エージェントが有向グラフ上で動作する場合、OExpGFは漸近的コンセンサスを保証し、OGFは有界な編成歪みを確保することが証明されている。 実験検証では、12台のロボットを使用した断続的な外乱下でのシミュレーションにより、ノードレベルのコントローラーとTOLDを組み合わせた場合、中央値累積根平均歪み誤差が1.2～33.14%削減されることが確認された。さらにCrazyflie 2.0クアッドローターを用いたハードウェア実験では、固定重みコンセンサスと比較して、OGFで62%以上、OExpGFで31.4%の編成歪み削減が達成されており、提案手法の実用的有効性が実証されている。