論文の概要: Bridging the Sim-to-Real Gap in Reinforcement Learning-Based Industrial Dispatching through Execution Semantics

• arxiv url: http://arxiv.org/abs/2605.29078v1
• Date: Wed, 27 May 2026 20:30:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-30 02:45:55.449512
• Title: Bridging the Sim-to-Real Gap in Reinforcement Learning-Based Industrial Dispatching through Execution Semantics
• Title（参考訳）: 実行セマンティックスによる強化学習に基づく産業分散におけるSim-to-Realギャップのブリッジ化
• Authors: Jonathan Hoss, Noah Klarmann,
• Abstract要約: イベント駆動型スケジューリングポリシは、産業環境にますます展開されている。 決定状態は時間的に一貫性がなく、行動許容性は明確に定義されておらず、実行エラーの起源はあいまいである。 スケジューリングポリシと産業実行環境の仲介を行うために,政策中立な実行・測定層を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Event-driven scheduling policies are increasingly deployed in industrial environments, where decisions are made under asynchronous and partially observed system states. As a result, decision states are not temporally consistent, action admissibility is not explicitly defined, and the origin of execution errors remains ambiguous. These issues limit both reliability and interpretability. To address this gap, a policy-neutral execution and measurement layer is proposed to mediate between scheduling policies and the industrial execution environment. The layer constructs decision-valid snapshots from asynchronous event streams, defines a standardized execution contract with explicit action admissibility, and records outcomes as divergences between policy intent, transactional outcomes, physical execution, and human intervention. This enables a separation between decision semantics and execution behavior and makes deployment mismatch observable and structurally attributable. The proposed framework is evaluated using a discrete-event simulation. The results show analytical benefits across all observation lag regimes, as undifferentiated execution failures are transformed into structured, typed outcomes with full attribution coverage. Operational benefits are strongest under low observation lag, where avoidable execution errors can be prevented before commitment. Overall, the layer turns execution uncertainty into supervisory data for evaluation and policy refinement.
• Abstract（参考訳）: イベント駆動スケジューリングポリシは、非同期で部分的に観察されたシステム状態の下で意思決定を行う産業環境において、ますます多くデプロイされている。 その結果、決定状態は時間的に一貫性がなく、行動許容性は明確に定義されておらず、実行エラーの起源はあいまいである。 これらの問題は信頼性と解釈可能性の両方を制限する。 このギャップに対処するため,スケジューリングポリシと産業実行環境の仲介を行うために,ポリシニュートラルな実行・測定層を提案する。 レイヤは非同期イベントストリームから決定値スナップショットを構築し、明示的なアクション許容性を備えた標準化された実行契約を定義し、結果をポリシー意図、トランザクション結果、物理的実行、ヒューマン介入の相違として記録する。 これにより、決定のセマンティクスと実行動作の分離が可能になり、デプロイメントのミスマッチを観測可能で構造的に帰結させることができる。 提案手法は離散イベントシミュレーションを用いて評価する。 その結果、未分化な実行障害は、完全な帰属カバレッジを備えた構造化された型付き結果に変換されるため、すべての観測ラグ体制における分析上の利点が示された。 運用上のメリットは、コミット前に回避可能な実行エラーを防止できる、低い監視ラグの下で最強である。 全体として、この層は実行の不確実性を評価と政策改善のための監督データに変換する。

関連論文リスト

• OLIVIA: Online Learning via Inference-time Action Adaptation for Decision Making in LLM ReAct Agents [74.20327254615854]
  大規模言語モデルエージェントは、シーケンシャルな意思決定タスクを解決するために、推論、行動選択、観察をインターリーブする。 LLMエージェントの既存の推論時間適応法は、主にプロンプトや検索に依存している。 提案するOLIVIAは,ReAct型エージェントのための推論時行動適応フレームワークである。
  論文  参考訳（メタデータ） (2026-05-11T19:28:20Z)
• Right-to-Act: A Pre-Execution Non-Compensatory Decision Protocol for AI Systems [0.0]
  我々は,AI生成した決定が実現可能であるかどうかを評価する決定論的で非補償的な事前実行決定層であるRight-to-Actプロトコルを導入する。 高信頼信号が故障した条件をオーバーライドできる補償システムとは異なり、提案手法は厳密な構造制約を強制する。
  論文  参考訳（メタデータ） (2026-04-27T08:09:12Z)
• PolicyBank: Evolving Policy Understanding for LLM Agents [51.86716874651299]
  PolicyBankは構造化されたツールレベルの政策洞察を維持し、それらを反復的に洗練する。 PolicyBankは、人間の神託に対するギャップの最大82%を閉じている。
  論文  参考訳（メタデータ） (2026-04-16T20:29:30Z)
• A Trace-Based Assurance Framework for Agentic AI Orchestration: Contracts, Testing, and Governance [0.22940141855172028]
  本稿では,Large Language Models (LLM) を用いたエージェントAIシステムの保証フレームワークを提案する。 実行は、明示的なステップとトレースコントラクトを備えたメッセージ・アクション・トレース(MAT)として実装される。 このフレームワークは、有界摂動に対する予算付き反例探索として定式化されたストレステストを含む。
  論文  参考訳（メタデータ） (2026-03-18T10:23:48Z)
• Bidirectional Decoding: Improving Action Chunking via Guided Test-Time Sampling [51.38330727868982]
  動作チャンキングが学習者と実証者の間の分岐にどのように影響するかを示す。 動作チャンキングをクローズドループ適応でブリッジするテスト時間推論アルゴリズムである双方向デコーディング(BID)を提案する。 提案手法は、7つのシミュレーションベンチマークと2つの実世界のタスクにまたがって、最先端の2つの生成ポリシーの性能を向上させる。
  論文  参考訳（メタデータ） (2024-08-30T15:39:34Z)
• On the Identification of Temporally Causal Representation with Instantaneous Dependence [50.14432597910128]
  時間的因果表現学習は時系列観測から潜在因果過程を特定することを目的としている。 ほとんどの方法は、潜在因果過程が即時関係を持たないという仮定を必要とする。 我々は,インスタントtextbfOus textbfLatent dynamics のための textbfIDentification フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-05-24T08:08:05Z)
• Predictive Performance Comparison of Decision Policies Under Confounding [32.21041697921289]
  そこで本稿では, 意思決定ポリシーの予測性能を, 様々な現代的な識別手法で比較する手法を提案する。 我々の手法の鍵は、政策比較において安全に無視できる不確実性領域が存在するという洞察である。
  論文  参考訳（メタデータ） (2024-04-01T01:27:07Z)
• Conformal Off-Policy Evaluation in Markov Decision Processes [53.786439742572995]
  強化学習は、データから効率的な制御ポリシーを特定し評価することを目的としている。 この学習タスクのほとんどの方法は、Off-Policy Evaluation (OPE)と呼ばれ、正確さと確実性を保証するものではない。 本稿では,目標方針の真報を含む区間を所定の確信度で出力するコンフォーマル予測に基づく新しいOPE手法を提案する。
  論文  参考訳（メタデータ） (2023-04-05T16:45:11Z)
• Exploring Business Process Deviance with Sequential and Declarative Patterns [3.039637436705478]
  分散マイニングは、ビジネスプロセスの実行をサポートするシステムによって格納されたイベントログを分析して、デファイナント実行の理由を明らかにすることに関心がある。 ビジネスプロセスにおける逸脱を説明する問題は、まず、逐次的および宣言的パターンに基づいた特徴を用いて検討する。 それらの説明は、ルール誘導のための直接的および間接的な方法によって抽出される。
  論文  参考訳（メタデータ） (2021-11-24T12:16:07Z)

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。