論文の概要: Explainable Control Framework (XCF) based on Fuzzy Model-Agnostic Explanation and LLM Agent-Supported Interface
- arxiv url: http://arxiv.org/abs/2606.25941v1
- Date: Wed, 24 Jun 2026 15:17:54 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-25 17:05:30.366423
- Title: Explainable Control Framework (XCF) based on Fuzzy Model-Agnostic Explanation and LLM Agent-Supported Interface
- Title（参考訳）: ファジィモデル非依存記述とLLMエージェント対応インタフェースに基づく説明可能な制御フレームワーク(XCF)
- Abstract要約: コントローラが制御動作とその基盤となる動作メカニズムをどのように決定するかを説明するために、説明可能な制御フレームワーク(XCF)が提案されている。
設計した枠組みに基づいて,階層型ファジィモデルに依存しない制御系(HFMAE-C)の新たな説明法を提案する。
Inverted pendulum system と Turtlebot obstacle avoidance のケーススタディにより,提案手法の有効性が示された。
- 参考スコア（独自算出の注目度）: 39.602149491360784
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Increasing demand for precise and reliable control in complex scenarios has led to the development of increasingly sophisticated controllers, including data-driven approaches employing closed box models and mathematically rigorous yet complex designs. This complexity highlights the needs for explainable control that can provide human-understandable insights into controller behavior. In this paper, an explainable control framework (XCF) along with supporting algorithms and user interface are proposed to explain how controllers determine their control actions and their underlying working mechanism. The novel contributions of this work are threefold: First, the XCF is designed to provide model-agnostic explanations for controllers in closed-loop systems and can optionally refine local explanations by system response dynamics. Second, a novel explanation method, hierarchical fuzzy model-agnostic explanation for control systems (HFMAE-C), is proposed based on the designed framework. The HFMAE-C employs a fuzzy logic system to approximate the controller's behavior and system dynamics, providing sample, local, domain and universe level explanations via IF-THEN rules revealing the controller's decision logic and salience values quantifying the contribution of system states to control actions. Third, a large language model agent-supported user interface is developed to automatically analyze user requirements, select appropriate algorithms, interpret the generated explanations to a natural language report, and provide interactive consultation. Case studies on inverted pendulum system and Turtlebot obstacle avoidance demonstrate the effectiveness of the proposed method through simulated user experiments and quantitative comparisons with mainstream explainable control approaches.
- Abstract（参考訳）: 複雑なシナリオにおける正確かつ信頼性の高い制御の需要が増大し、クローズドボックスモデルを用いたデータ駆動アプローチや数学的に厳密で複雑な設計を含む、より洗練されたコントローラの開発がもたらされた。
この複雑さは、コントローラの振る舞いに対する人間に理解可能な洞察を提供する、説明可能なコントロールの必要性を強調します。
本稿では,制御動作とその基盤となる動作機構を制御者がどのように決定するかを説明するために,XCFとサポートアルゴリズムとユーザインタフェースを併用した説明可能な制御フレームワークを提案する。
第一に、XCFは閉ループシステムにおけるコントローラのモデルに依存しない説明を提供するように設計されており、システム応答ダイナミクスによる局所的な説明を任意に洗練することができる。
第二に、設計した枠組みに基づいて、階層型ファジィモデルに依存しない制御系(HFMAE-C)の新たな説明法を提案する。
HFMAE-Cはファジィ論理システムを用いてコントローラの動作とシステムダイナミクスを近似し、IF-THENルールを通じてサンプル、ローカル、ドメイン、宇宙レベルの説明を提供し、制御動作へのシステム状態の寄与を定量化する。
第3に、ユーザ要求を自動的に分析し、適切なアルゴリズムを選択し、生成した説明を自然言語レポートに解釈し、インタラクティブなコンサルティングを行う、大規模言語モデルエージェント支援ユーザインタフェースを開発する。
Inverted pendulum system と Turtlebot obstacle avoidance のケーススタディにより,本手法の有効性が実証された。
関連論文リスト
- Heuristic Learning for Active Flow Control Using Coding Agents [2.867517731896504]
我々は、現代の符号化エージェントを使用して、明示的な実行可能なフィードバック法を直接検索する。
本稿では,エージェントが公開ベンチマークインタフェースを通じてのみ対話しながら,コントローラの実装を反復的に提案し,評価し,修正する制約付き学習プロトコルを提案する。
検出されたコントローラは、コンパクトで解釈可能で直接検査可能なまま、13の環境のうち10の最高のDRLポリシーに適合または優れる。
論文 参考訳（メタデータ） (2026-07-13T13:47:17Z) - Machine-Coached Policy Revision in Adaptive Agent-Based Regulatory Simulation: A Controller-Level Contestability Layer [0.0]
本稿では,適応型エージェントベース規制のための軽量な機械学習対応ポリシ・リビジョン層を提案する。
このコントリビューションは、新しい最適コントローラではなく、無制限のマシンコーチングの正式な保証を主張するものではない。
論文 参考訳（メタデータ） (2026-06-15T10:36:10Z) - Why Steering Works: Toward a Unified View of Language Model Parameter Dynamics [81.80010043113445]
局所的な微調整、LoRAに基づく適応、およびアクティベーションに基づく介入を分離して研究する。
制御信号によって誘導される動的ウェイト更新として、これらの介入をフレーム化する統一的な視点を示す。
提案手法では,選択と効用との間に一貫したトレードオフが観測される。
論文 参考訳（メタデータ） (2026-02-02T17:04:36Z) - ScaleWeaver: Weaving Efficient Controllable T2I Generation with Multi-Scale Reference Attention [86.93601565563954]
ScaleWeaverは、高度な視覚的自己回帰(VAR)モデルに基づいて、高忠実で制御可能な生成を実現するために設計されたフレームワークである。
提案された参照注意モジュールは image$rightarrow$condition から不要な注意を排除し、計算コストを削減している。
実験によると、ScaleWeaverは、拡散ベースの方法よりも優れた効率を実現しつつ、高品質な生成と正確な制御を提供する。
論文 参考訳（メタデータ） (2025-10-16T17:00:59Z) - From "Aha Moments" to Controllable Thinking: Toward Meta-Cognitive Reasoning in Large Reasoning Models via Decoupled Reasoning and Control [11.321315058502215]
大規模推論モデル(LRM)は、ステップバイステップの推論、リフレクション、バックトラッキングなどの認知行動を自発的に示すことで、複雑な推論の潜在能力を示した。
しかし、そのような創発的行動は規制されず、制御されていないままであり、しばしば過度に考え直され、モデルが信頼できる結論に達した後も冗長な推論内容を生成し続ける。
現在のモデルは、いつ継続するか、バックトラックするか、終了するかを決定するために、彼らの推論プロセスを監視し、適応的に管理できない。
我々はメタ認知推論フレームワーク(MERA)を提案する。
論文 参考訳（メタデータ） (2025-08-06T13:59:17Z) - Fine-grained Controllable Video Generation via Object Appearance and
Context [74.23066823064575]
細粒度制御可能なビデオ生成法(FACTOR)を提案する。
FACTORは、オブジェクトの位置とカテゴリを含む、オブジェクトの外観とコンテキストを制御することを目的としている。
本手法は,オブジェクトの外観を微調整せずに制御し,オブジェクトごとの最適化作業を省く。
論文 参考訳（メタデータ） (2023-12-05T17:47:33Z) - Tuning Legged Locomotion Controllers via Safe Bayesian Optimization [47.87675010450171]
本稿では,ロボットハードウェアプラットフォームにおけるモデルベースコントローラの展開を効率化するための,データ駆動型戦略を提案する。
モデルフリーな安全な学習アルゴリズムを用いて制御ゲインのチューニングを自動化し、制御定式化で使用される単純化されたモデルと実システムとのミスマッチに対処する。
論文 参考訳（メタデータ） (2023-06-12T13:10:14Z) - Design of a Supervisory Control System for Autonomous Operation of
Advanced Reactors [0.0]
本研究は自律運転の制御面に焦点を当てる。
システム内では、データ駆動モデリング、物理に基づく状態観察、古典的な制御アルゴリズムが統合されている。
320MWのフッ化物冷却高温Pebbleベッドリアクターは、制御システムの実証のための設計基盤である。
論文 参考訳（メタデータ） (2022-09-09T14:48:34Z) - Comparative analysis of machine learning methods for active flow control [60.53767050487434]
遺伝的プログラミング(GP)と強化学習(RL)はフロー制御において人気を集めている。
この研究は2つの比較分析を行い、地球規模の最適化手法に対して最も代表的なアルゴリズムのいくつかをベンチマークする。
論文 参考訳（メタデータ） (2022-02-23T18:11:19Z) - Steady-State Error Compensation in Reference Tracking and Disturbance
Rejection Problems for Reinforcement Learning-Based Control [0.9023847175654602]
強化学習(Reinforcement Learning, RL)は、自動制御アプリケーションにおける将来的なトピックである。
アクター批判に基づくRLコントローラのためのイニシアティブアクション状態拡張(IASA)が導入される。
この拡張は専門家の知識を必要とせず、アプローチモデルを無償にしておく。
論文 参考訳（メタデータ） (2022-01-31T16:29:19Z) - Deep Reinforcement Learning with Shallow Controllers: An Experimental
Application to PID Tuning [3.9146761527401424]
実際の物理システム上での最先端RLアルゴリズムの実現における課題について述べる。
私たちのアプローチの核心は、トレーニング可能なRLポリシーとしてPIDコントローラを使用することです。
論文 参考訳（メタデータ） (2021-11-13T18:48:28Z) - Sparsity in Partially Controllable Linear Systems [56.142264865866636]
本研究では, 部分制御可能な線形力学系について, 基礎となる空間パターンを用いて検討する。
最適制御には無関係な状態変数を特徴付ける。
論文 参考訳（メタデータ） (2021-10-12T16:41:47Z)
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。