論文の概要: ThermoLLM: Thermodynamics-Aware HVAC Control with Spatial-Semantic Knowledge Graph

• arxiv url: http://arxiv.org/abs/2606.22911v1
• Date: Mon, 22 Jun 2026 06:51:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-25 03:39:36.013193
• Title: ThermoLLM: Thermodynamics-Aware HVAC Control with Spatial-Semantic Knowledge Graph
• Title（参考訳）: ThermoLLM:空間意味知識グラフを用いた熱力学を考慮したHVAC制御
• Authors: Kirtan Bhatt, Xiachong Lin, Matthew Amos, Flora D. Salim, Wen Hu,
• Abstract要約: 本稿では,5ゾーンのエナジープラスビルディングシミュレーションのための熱力学を考慮したLLM制御フレームワークを提案する。 各制御ステップにおいて、モデルは現在の構築状態、グラフ構造化空間コンテキスト、および最近の環境制御者履歴を受信する。 その結果, 提案手法は, エネルギー・快適のトレードオフが最良であり, PMV違反が最少であることが示唆された。
• 参考スコア（独自算出の注目度）: 11.363638628487912
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Multi-zone HVAC control is a spatial decision problem in which indoor thermal evolution and control decisions depend not only on outdoor conditions and internal heat gains but also on zone layout, physical adjacency, and delayed thermal interactions across the building. Recent LLM-based HVAC controllers have shown that prompt-based control is feasible. However, these methods typically rely on task descriptions, observation values, short textual feedback, or unstructured retrieval, which limits their ability to reason about zone coupling, thermal response, and building dynamics. This paper presents a thermodynamics-aware LLM control framework for a five-zone EnergyPlus building simulation. The controller is grounded in a physics-informed spatial knowledge graph derived from Brick-style building semantics and linked with recent interaction history. At each control step, the model receives the current building state, graph-structured spatial context, and recent environment-controller history, enabling it to make decisions that reflect both building structure and short-term thermal evolution. We evaluate the framework against standard control baselines and several LLM-based alternatives. Results show that the proposed approach achieves the best overall energy-comfort trade-off and the lowest PMV violation while maintaining energy-efficient operation.
• Abstract（参考訳）: マルチゾーンHVAC制御は、屋内の熱進化と制御決定が屋外条件と内部熱利得だけでなく、ゾーン配置、物理的隣接性、建物全体の遅延熱相互作用にも依存する空間的決定問題である。 近年のLLMベースのHVACコントローラでは、プロンプトベースの制御が実現可能であることが示されている。 しかしながら、これらの手法は通常、タスク記述、観察値、短いテキストフィードバック、または非構造化検索に依存しており、ゾーン結合、熱応答、および構築ダイナミクスについて推論する能力を制限する。 本稿では,5ゾーンのエナジープラスビルディングシミュレーションのための熱力学を考慮したLLM制御フレームワークを提案する。 コントローラは、Brickスタイルのビルディングセマンティクスから導かれた物理インフォームド空間知識グラフに基づいており、最近のインタラクション履歴と関連付けられている。 各制御ステップにおいて、モデルは現在の建築状態、グラフ構造空間コンテキスト、および最近の環境制御器の歴史を受信し、建築構造と短期の熱的進化の両方を反映した決定を可能にする。 標準制御ベースラインと複数のLCMベースの代替品に対して,本フレームワークの評価を行った。 その結果,提案手法はエネルギー効率の維持を図りつつ,全エネルギー消費のトレードオフを最良かつ最低のPMV違反を達成できることが示唆された。

関連論文リスト

• LC-Opt: Benchmarking Reinforcement Learning and Agentic AI for End-to-End Liquid Cooling Optimization in Data Centers [18.187205962508646]
  本稿では,機械学習による液体冷却制御戦略のベンチマーク環境であるLC-Optを提案する。 オークリッジ国立研究所 (Oak Ridge National Lab) のフロンティア・スーパーコンピュータ冷却システム (Frontier Supercomputer cooling system) の高忠実なデジタルツインのベースライン上に構築され、LC-Optはモデルニカをベースとしたエンド・ツー・エンドの詳細なモデルを提供している。 我々は,集中型・分散型マルチエージェントRLアプローチをベンチマークし,解釈可能な制御のための決定木と回帰木へのポリシー蒸留を実証し,自然言語の制御動作を説明するLCMに基づく手法を探索する。
  論文  参考訳（メタデータ） (2025-10-31T03:04:14Z)
• ASTREA: Introducing Agentic Intelligence for Orbital Thermal Autonomy [51.56484100374058]
  ASTREAは、自律的な宇宙船運用のためのフライト・ヘリテージ・ハードウェア上で実行される最初のエージェント・システムである。 我々は,資源制約付き大規模言語モデル(LLM)エージェントと強化学習コントローラを,空間対応プラットフォームに適した非同期アーキテクチャに統合する。
  論文  参考訳（メタデータ） (2025-09-16T08:52:13Z)
• Towards Machine Learning-based Model Predictive Control for HVAC Control in Multi-Context Buildings at Scale via Ensemble Learning [16.62153443064872]
  熱力学モデルの構築は、潜在的HVAC制御操作下でのリアルタイム屋内温度変化を予測する。 これらのモデルは、しばしば広範囲なデータ収集期間を必要とし、専門家の知識に大きく依存し、モデリングプロセスを非効率にし、モデルの再利用可能性を制限する。 本稿では,既存のモデルを用いたモデルアンサンブルの視点について検討する。
  論文  参考訳（メタデータ） (2025-05-05T08:09:36Z)
• Partially stochastic deep learning with uncertainty quantification for model predictive heating control [0.0]
  モデル予測制御(MPC)は、予測モデルを用いて建物が学習した熱挙動に基づいて加熱を最適化することで、欠点に対処する。 MPCソリューションは、物理にインスパイアされた簡易な室内温度モデルを使用し、堅牢性と解釈可能性の精度を犠牲にする。 本研究では,建物固有の室内温度モデリングのための深層学習アーキテクチャLSTM+BNNを提案する。
  論文  参考訳（メタデータ） (2025-04-04T11:07:23Z)
• The Smart Buildings Control Suite: A Diverse Open Source Benchmark to Evaluate and Scale HVAC Control Policies for Sustainability [7.963101539809386]
  商業ビルは米国の二酸化炭素排出量の17%を占めている。 モデル予測制御と強化学習は制御ポリシーの最適化に使われており、数千の建物へのスケーリングは未解決の課題である。 We present the Smart Buildings Control Suite, a first open source interactive HVAC control benchmark。
  論文  参考訳（メタデータ） (2024-10-02T06:30:07Z)
• Autonomous Payload Thermal Control [55.2480439325792]
  小さな衛星では、熱制御装置、科学機器、電子部品のスペースは少ない。 深部強化学習を用いた自律型熱制御ツールを提案する。 提案するフレームワークは,運用範囲の温度を維持するためにペイロード処理能力の制御を学べる。
  論文  参考訳（メタデータ） (2023-07-28T09:40:19Z)
• Low Emission Building Control with Zero-Shot Reinforcement Learning [70.70479436076238]
  強化学習(RL)による制御は、建築エネルギー効率を著しく向上させることが示されている。 我々は、ゼロショットビルディング制御と呼ばれるパラダイムを優先せずに、排出削減ポリシーを得られることを示す。
  論文  参考訳（メタデータ） (2022-08-12T17:13:25Z)
• Data-driven control of micro-climate in buildings: an event-triggered reinforcement learning approach [56.22460188003505]
  半マルコフ決定過程に基づく微小気候制御問題を定式化する。 建物内の微小気候のイベントトリガー制御のための2つの学習アルゴリズムを提案する。 スマートなサーモスタットを設計することで,提案手法の有効性を示す。
  論文  参考訳（メタデータ） (2020-01-28T18:20:43Z)
• NeurOpt: Neural network based optimization for building energy management and climate control [58.06411999767069]
  モデル同定のコストを削減するために,ニューラルネットワークに基づくデータ駆動制御アルゴリズムを提案する。 イタリアにある10の独立したゾーンを持つ2階建ての建物で、学習と制御のアルゴリズムを検証する。
  論文  参考訳（メタデータ） (2020-01-22T00:51:03Z)

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。