論文の概要: Stein Variational Uncertainty-Adaptive Model Predictive Control

• arxiv url: http://arxiv.org/abs/2604.01034v1
• Date: Wed, 01 Apr 2026 15:43:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-02 16:44:32.065055
• Title: Stein Variational Uncertainty-Adaptive Model Predictive Control
• Title（参考訳）: 定常変分不確かさ適応モデル予測制御
• Authors: Hrishikesh Sathyanarayan, Ian Abraham,
• Abstract要約: 遅延パラメトリック不確実性を有する非線形力学系に対するスタイン変分分布ロバスト制御器を提案する。 本手法は, 遅延パラメータの不確実性に対して頑健な制御器を, スタイン変分法による最適制御と結合することによって生成する。
• 参考スコア（独自算出の注目度）: 3.9554530119952673
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: We propose a Stein variational distributionally robust controller for nonlinear dynamical systems with latent parametric uncertainty. The method is an alternative to conservative worst-case ambiguity-set optimization with a deterministic particle-based approximation of a task-dependent uncertainty distribution, enabling the controller to concentrate on parameter sensitivities that most strongly affect closed-loop performance. Our method yields a controller that is robust to latent parameter uncertainty by coupling optimal control with Stein variational inference, and avoiding restrictive parametric assumptions on the uncertainty model while preserving computational parallelism. In contrast to classical DRO, which can sacrifice nominal performance through worst-case design, we find our approach achieves robustness by shaping the control law around relevant uncertainty that are most critical to the task objective. The proposed framework therefore reconciles robust control and variational inference in a single decision-theoretic formulation for broad classes of control systems with parameter uncertainty. We demonstrate our approach on representative control problems that empirically illustrate improved performance-robustness tradeoffs over nominal, ensemble, and classical distributionally robust baselines.
• Abstract（参考訳）: 遅延パラメトリック不確実性を有する非線形力学系に対するスタイン変分分布ロバスト制御器を提案する。 この方法は,タスク依存の不確実性分布を決定論的粒子ベースで近似することで,閉ループ性能に最も強く影響を及ぼすパラメータ感性に集中することが可能な,保守的な最悪の曖昧性セット最適化の代替手段である。 本手法は,不確実性モデルに対する制約的パラメトリック仮定を回避し,計算並列性を保ちながら,最適制御とスタイン変分法を結合することにより,潜在パラメータの不確実性に対して頑健な制御を行う。 最悪の設計によって名目上の性能を犠牲にすることができる古典的DROとは対照的に,本手法はタスク目標に最も重要となる関連する不確実性に対して制御則を定式化することによって堅牢性を実現する。 提案手法は,パラメータの不確実性のある制御系を1つの決定論的定式化することで,ロバスト制御と変分推論を再現する。 本研究は,名目,アンサンブル,古典的分布的ロバストなベースラインに対する改良された性能・ロバスト性トレードオフを実証的に示す代表制御問題に対するアプローチを示す。

関連論文リスト

• Rectified Robust Policy Optimization for Model-Uncertain Constrained Reinforcement Learning without Strong Duality [53.525547349715595]
  我々はRectified Robust Policy Optimization (RRPO) と呼ばれる新しいプライマリのみのアルゴリズムを提案する。 RRPOは双対の定式化に頼ることなく、主問題に直接作用する。 我々は、最もよく知られた下界と一致する複雑性を持つ、ほぼ最適な実現可能なポリシーに収束することを示す。
  論文  参考訳（メタデータ） (2025-08-24T16:59:38Z)
• Robustness of Dynamic Quantum Control: Differential Sensitivity Bound [0.0]
  パラメトリック不確実性に対するゲート忠実度誤差の差分感度に基づく新しいロバスト性尺度を提案する。 与えられた忠実度誤差を保証するハミルトンの不確かさの集合に対する最大許容摂動を確実に計算する方法が示される。
  論文  参考訳（メタデータ） (2023-12-30T18:36:53Z)
• Learning the Uncertainty Sets for Control Dynamics via Set Membership: A Non-Asymptotic Analysis [18.110158316883403]
  本稿では,未知の線形システムに対するセットメンバシップ推定(SME)に焦点を当てる。 本稿では,中小企業の収束率境界について述べるとともに,緩和された仮定の下での中小企業の変動について論じる。 また,中小企業の実用性を示す数値的な結果も提供する。
  論文  参考訳（メタデータ） (2023-09-26T03:58:06Z)
• 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)
• Error-based Knockoffs Inference for Controlled Feature Selection [49.99321384855201]
  本手法では, ノックオフ特徴量, エラーベース特徴重要度統計量, ステップダウン手順を一体化して, エラーベースのノックオフ推定手法を提案する。 提案手法では回帰モデルを指定する必要はなく,理論的保証で特徴選択を処理できる。
  論文  参考訳（メタデータ） (2022-03-09T01:55:59Z)
• 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)
• 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)
• Optimistic robust linear quadratic dual control [4.94950858749529]
  本稿では, 一定の等価性の性能とロバスト性の実用性を両立させようとする二重制御戦略を提案する。 この定式化は、パラメトリック不確実性の表現における構造を保ち、制御タスクにおいて最も重要となるパラメータにおける不確実性の減少をコントローラが目標とすることを可能にする。
  論文  参考訳（メタデータ） (2019-12-31T02:02:11Z)

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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。