論文の概要: Gradient-free learning of a closed-loop wall controller for turbulent drag reduction
- arxiv url: http://arxiv.org/abs/2607.12626v1
- Date: Tue, 14 Jul 2026 11:04:11 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-15 17:08:30.12204
- Title: Gradient-free learning of a closed-loop wall controller for turbulent drag reduction
- Title（参考訳）: 乱れ低減のための閉ループ壁制御器の勾配自由学習
- Abstract要約: 我々はEvolution Strategy (ES) を用いて, 乱流チャネル上の繰り返し閉ループコントローラを$mathitRe_simeq180$で最適化する。
ESコントローラは皮膚の摩擦を約26%削減し、Cavallazziらの勾配ベースのマルチエージェントコントローラ(2026年)、最小限のボックスで訓練されたGRU-MARL(17%ドル)、古典的な反対制御(OC、22%ドル)をはるかに上回る。
摩擦、レイノルズ-ストレスプロファイル、異方性不変量の壁-正規分解は、ESが示す。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Closed-loop wall control learnt by multi-agent reinforcement learning can lower skin-friction drag in turbulent channels, but these gradient-based policies are trained on small periodic boxes and exhibit reduced performance when carried over to a larger domain. We recently showed that such policies are also prone to saturated bang-bang actuations that collapse into standing streamwise waves whose scale is set by the computational box rather than by the near-wall cycle, and proposed architectural fixes that avoid these degeneracies. Here, we employ Evolution Strategy (ES) to optimise a recurrent closed-loop controller directly on a large turbulent channel at $\mathit{Re}_τ\simeq180$, evaluating policy performance over full flow episodes using an energy-aware criterion and processing candidate policies in parallel. To our knowledge, this is the first application of an evolution strategy to the control of a turbulent flow. The ES controller reduces the skin friction by about $26\%$, exceeding the gradient-based multi-agent controller of Cavallazzi et al. (2026), GRU-MARL, trained on a minimal box ($17\%$), and marginally exceeding classic opposition control (OC, $22\%$). A wall-normal decomposition of the friction, Reynolds-stress profiles and anisotropy invariants show that the ES and opposition-controlled flows follow separate trajectories through the buffer layer, reaching comparable drag reduction by different reorganisations of the near-wall turbulence. In particular, the ES actuation correlates predominantly with the streamwise velocity fluctuations rather than with the wall-normal velocity that classical OC targets.
- Abstract（参考訳）: マルチエージェント強化学習により学習した閉ループ壁制御は、乱流流路における皮膚摩擦抵抗を低減させるが、これらの勾配に基づくポリシーは小さな周期的ボックスで訓練され、より大きな領域に移動すると性能が低下する。
筆者らは近年, 近接壁サイクルではなく, 計算ボックスによってスケールが設定された立方形波に崩壊する飽和バンバン動作の傾向を示すとともに, それらの退化を回避するためのアーキテクチャ的修正を提案する。
そこで我々は,Evolution Strategy (ES) を用いて,大乱流チャネル上の再帰閉ループコントローラを$\mathit{Re}_τ\simeq180$で直接最適化する。
我々の知る限り、これは乱流の制御に対する進化戦略の最初の応用である。
ESコントローラは、Calvallazzi et al(2026年)、GRU-MARL(最小限のボックスで訓練された)の勾配ベースのマルチエージェントコントローラを上回り、古典的な反対制御(OC, $22\%$)をわずかに上回り、皮膚の摩擦を約26.5%削減する。
摩擦, レイノルズ-ストレスプロファイル, 異方性不変量の壁面正規分解は, ESと反対制御流が緩衝層を介して別々の軌道を辿り, 近接壁乱流の異なる再組織によって同等の抵抗減少に達することを示す。
特に、ESアクチュエータは、古典的なOCが目標とする壁の通常の速度よりも、流速のゆらぎと主に相関している。
関連論文リスト
- A Hierarchical Approach to Imitation Learning for Manipulation Tasks Requiring Time Varying Forces [14.372073538832803]
高速軌道生成(DPA-FTG)による拡散政策の導入
位置補正に焦点を当てた最近の視覚触覚アプローチと比較して、DPA-FTGは高周波力規制から低周波計画を切り離す。
本研究は,適合シートの分離を含む両面電池解体作業に対するアプローチを検証する。
論文 参考訳（メタデータ） (2026-08-04T04:21:00Z) - Flow-DPPO: Divergence Proximal Policy Optimization for Flow Matching Models [61.74572554094633]
比クリッピングは流れモデルに不適であると主張する。
本稿では,比クリッピングを分岐近位制約に置き換えるFlow-DPPOを提案する。
実験により,フローDPPOはKL近位効率が向上し,高い報酬が得られることが示された。
論文 参考訳（メタデータ） (2026-06-09T15:59:57Z) - FLASH: Efficient Visuomotor Policy via Sparse Sampling [25.25550374813956]
Sparse History-anchored flowによるFast Legendre-polynomial Action Policyを提案する。
FLASH Policyは、離散アクションチャンク生成を連続的なルジャンドル軌道表現に置き換える。
論文 参考訳（メタデータ） (2026-05-15T00:15:24Z) - Diffusion Controller: Framework, Algorithms and Parameterization [54.82539154511621]
本稿では,逆拡散サンプリングを(一般化された)線形解法マルコフ決定過程における状態のみの制御として活用する統一的な制御理論的視点を提案する。
このフレームワークでは、制御はトレーニング済みのリバースタイムのトランジションカーネルを再重み付けし、端末の目的と$f$分割コストのバランスをとる。
安定拡散v1.4の実験では、選好調整の勝利率が一貫した上昇を示し、品質効率のトレードオフを改善した。
論文 参考訳（メタデータ） (2026-03-07T01:49:59Z) - Iterative Refinement of Flow Policies in Probability Space for Online Reinforcement Learning [56.47948583452555]
固定ステップのEulerスキームによるフローマッチング推論プロセスの離散化は,最適輸送から変化するJordan-Kinderlehrer-Otto原理と整合する,というキーインサイトに基づいて,SWFP(Stepwise Flow Policy)フレームワークを紹介した。
SWFPは、大域的な流れを、プロキシメート分布間の小さな漸進的な変換の列に分解する。
この分解は、小さな流れブロックのカスケードを介して事前訓練された流れを微調整する効率的なアルゴリズムを導き、大きな利点をもたらす。
論文 参考訳（メタデータ） (2025-10-17T07:43:51Z) - Physics-informed Neural-operator Predictive Control for Drag Reduction in Turbulent Flows [109.99020160824553]
乱流のモデリングと制御のための効率的な深部強化学習フレームワークを提案する。
予測制御(PC)のためのモデルベースRLであり、乱流制御のためのポリシとオブザーバモデルの両方を共同で学習する。
その結果, PINO-PCは, バルク速度レイノルズ数15,000で39.0%の抗力低下を達成し, 従来の流体制御法を32%以上上回った。
論文 参考訳（メタデータ） (2025-10-03T00:18:26Z) - One-Step Flow Policy Mirror Descent [52.31612487608593]
Flow Policy Mirror Descent (FPMD)は、フローポリシー推論中の1ステップのサンプリングを可能にするオンラインRLアルゴリズムである。
本手法は, 直流整合モデルにおける単段サンプリングの分散分散と離散化誤差の理論的関係を利用する。
論文 参考訳（メタデータ） (2025-07-31T15:51:10Z) - Attention on flow control: transformer-based reinforcement learning for lift regulation in highly disturbed flows [0.0]
我々は、ピッチ制御により、任意の長さのガスト列で空力リフトを制御するための効果的な制御戦略を学習する。
学習戦略は,ガッツ数の増加に伴って性能ギャップが拡大し,最高の比例制御よりも優れることを示す。
論文 参考訳（メタデータ） (2025-06-11T20:14:28Z) - Regret-optimal Estimation and Control [52.28457815067461]
後悔最適推定器と後悔最適制御器は状態空間形式で導出可能であることを示す。
非線形力学系に対するモデル予測制御(MPC)と拡張KalmanFilter(EKF)の残差最適類似性を提案する。
論文 参考訳（メタデータ） (2021-06-22T23:14:21Z)
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。