Fugu-MT 論文翻訳(概要): A robust and adaptive MPC formulation for Gaussian process models

論文の概要: A robust and adaptive MPC formulation for Gaussian process models

arxiv url: http://arxiv.org/abs/2507.02098v1
Date: Wed, 02 Jul 2025 19:27:14 GMT
ステータス: 翻訳完了
システム内更新日: 2025-07-04 15:37:15.0949
Title: A robust and adaptive MPC formulation for Gaussian process models
Title（参考訳）: ガウス過程モデルに対するロバストで適応的なMPC定式化
Authors: Mathieu Dubied, Amon Lahr, Melanie N. Zeilinger, Johannes Köhler,
Abstract要約: 不確実な非線形システムに対する頑健で適応的なモデル予測制御(MPC)フレームワークを提案する。 MPC の定式化に取り入れた指標を用いて,GP モデルのロバストな予測を導出する。本研究では, モデル地盤効果を考慮した平面四重項の数値的な例を示す。
参考スコア（独自算出の注目度）: 2.6661512675766037
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In this paper, we present a robust and adaptive model predictive control (MPC) framework for uncertain nonlinear systems affected by bounded disturbances and unmodeled nonlinearities. We use Gaussian Processes (GPs) to learn the uncertain dynamics based on noisy measurements, including those collected during system operation. As a key contribution, we derive robust predictions for GP models using contraction metrics, which are incorporated in the MPC formulation. The proposed design guarantees recursive feasibility, robust constraint satisfaction and convergence to a reference state, with high probability. We provide a numerical example of a planar quadrotor subject to difficult-to-model ground effects, which highlights significant improvements achieved through the proposed robust prediction method and through online learning.
Abstract（参考訳）: 本稿では,不確定な非線形システムに対するロバストで適応的なモデル予測制御(MPC)フレームワークを提案する。我々はガウス過程 (GP) を用いて, システム操作中に収集した雑音の測定値から不確実な力学を学習する。重要な貢献として、MPCの定式化に組み込まれた収縮指標を用いて、GPモデルのロバストな予測を導出する。提案設計は、再帰的実現可能性、堅牢な制約満足度、参照状態への収束を高い確率で保証する。本稿では,提案手法の頑健な予測手法とオンライン学習により達成された顕著な改善点を浮き彫りにする平面四重項の数値的な例を示す。

関連論文リスト

Adaptive Conformal Inference by Betting [51.272991377903274]
データ生成プロセスについて仮定することなく適応型共形推論の問題を考察する。適応型共形推論のための既存のアプローチは、オンライン勾配勾配の変種を用いたピンボール損失の最適化に基づいている。本稿では,パラメータフリーなオンライン凸最適化手法を利用した適応型共形推論手法を提案する。
論文参考訳（メタデータ） (2024-12-26T18:42:08Z)
Towards safe and tractable Gaussian process-based MPC: Efficient sampling within a sequential quadratic programming framework [35.79393879150088]
本稿では,制約満足度を高い確率で保証する頑健なGP-MPCの定式化を提案する。提案手法は,既存手法とリアルタイム実現可能な時間に比較して,改良された到達可能集合近似を強調した。
論文参考訳（メタデータ） (2024-09-13T08:15:20Z)
Nonlinear sparse variational Bayesian learning based model predictive control with application to PEMFC temperature control [16.703859991393568]
本研究は非線形システムのための非線形スパース変分学習に基づくMPC(NSVB-MPC)を開発する。変分推論はNSVB-MPCによって予測精度を評価し、システムの不確実性を定量化するために必要な修正を行う。
論文参考訳（メタデータ） (2024-04-15T07:30:26Z)
Ensemble Kalman Filtering Meets Gaussian Process SSM for Non-Mean-Field and Online Inference [47.460898983429374]
我々は,非平均場(NMF)変動推定フレームワークにアンサンブルカルマンフィルタ(EnKF)を導入し,潜在状態の後方分布を近似する。 EnKFとGPSSMのこの新しい結婚は、変分分布の学習における広範なパラメータ化の必要性をなくすだけでなく、エビデンスの下限(ELBO)の解釈可能でクローズドな近似を可能にする。得られたEnKF支援オンラインアルゴリズムは、データ適合精度を確保しつつ、モデル正規化を組み込んで過度適合を緩和し、目的関数を具現化する。
論文参考訳（メタデータ） (2023-12-10T15:22:30Z)
End-to-End Reinforcement Learning of Koopman Models for Economic Nonlinear Model Predictive Control [45.84205238554709]
本研究では, (e)NMPCの一部として最適性能を示すために, Koopman シュロゲートモデルの強化学習法を提案する。エンドツーエンドトレーニングモデルは,(e)NMPCにおけるシステム識別を用いてトレーニングしたモデルよりも優れていることを示す。
論文参考訳（メタデータ） (2023-08-03T10:21:53Z)
Adaptive Robust Model Predictive Control via Uncertainty Cancellation [25.736296938185074]
本稿では,動的に重要な不確かさを補う学習に基づく頑健な予測制御アルゴリズムを提案する。我々は、一定の等価な「推定とキャンセル」制御法に着想を得た、非線形フィードバックポリシーのクラスを最適化する。
論文参考訳（メタデータ） (2022-12-02T18:54:23Z)
Probabilities Are Not Enough: Formal Controller Synthesis for Stochastic Dynamical Models with Epistemic Uncertainty [68.00748155945047]
複雑な力学系のモデルにおける不確実性を捉えることは、安全なコントローラの設計に不可欠である。いくつかのアプローチでは、安全と到達可能性に関する時間的仕様を満たすポリシーを形式的な抽象化を用いて合成する。我々の貢献は、ノイズ、不確実なパラメータ、外乱を含む連続状態モデルに対する新しい抽象的制御法である。
論文参考訳（メタデータ） (2022-10-12T07:57:03Z)
Hybrid Gaussian Process Modeling Applied to Economic Stochastic Model Predictive Control of Batch Processes [0.0]
植物モデルはしばしば第一原理から決定され、モデルの一部が物理的法則のみを用いて導出することが困難である。本稿ではGPを用いて、第一原理を用いて記述が難しい動的システムのパーツをモデル化する。この不確実性を制御アルゴリズムで考慮し、制約違反や性能劣化を防止することが不可欠である。
論文参考訳（メタデータ） (2021-08-14T00:01:42Z)
Probabilistic robust linear quadratic regulators with Gaussian processes [73.0364959221845]
ガウス過程(GP)のような確率モデルは、制御設計に続く使用のためのデータから未知の動的システムを学ぶための強力なツールです。本稿では、確率的安定性マージンに関して堅牢なコントローラを生成する線形化GPダイナミクスのための新しいコントローラ合成について述べる。
論文参考訳（メタデータ） (2021-05-17T08:36:18Z)
Adaptive Robust Model Predictive Control with Matched and Unmatched Uncertainty [28.10549712956161]
離散時間系のダイナミクスにおける大きな不確実性を扱うことができる学習ベースの堅牢な予測制御アルゴリズムを提案する。既存の学習に基づく予測制御アルゴリズムが大規模な不確実性が存在する場合の安全性を確保することができず、性能が大幅に向上する。
論文参考訳（メタデータ） (2021-04-16T17:47:02Z)
Stein Variational Model Predictive Control [130.60527864489168]
不確実性の下での意思決定は、現実の自律システムにとって極めて重要である。モデル予測制御 (MPC) 法は, 複雑な分布を扱う場合, 適用範囲が限られている。この枠組みが、挑戦的で非最適な制御問題における計画の成功に繋がることを示す。
論文参考訳（メタデータ） (2020-11-15T22:36:59Z)
Gaussian Process-based Min-norm Stabilizing Controller for Control-Affine Systems with Uncertain Input Effects and Dynamics [90.81186513537777]
本稿では,この問題の制御・アフィン特性を捉えた新しい化合物カーネルを提案する。この結果の最適化問題は凸であることを示し、ガウス過程に基づく制御リャプノフ関数第二次コーンプログラム(GP-CLF-SOCP)と呼ぶ。
論文参考訳（メタデータ） (2020-11-14T01:27:32Z)
Control as Hybrid Inference [62.997667081978825]
本稿では、反復推論と償却推論のバランスを自然に仲介するCHIの実装について述べる。連続的な制御ベンチマークでアルゴリズムのスケーラビリティを検証し、強力なモデルフリーおよびモデルベースラインを上回る性能を示す。
論文参考訳（メタデータ） (2020-07-11T19:44:09Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。