論文の概要: Information-Theoretic Adaptive Cooling for Deterministic MPPI via Entropy Feedback

• arxiv url: http://arxiv.org/abs/2607.14245v1
• Date: Wed, 15 Jul 2026 18:04:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-17 17:01:32.880434
• Title: Information-Theoretic Adaptive Cooling for Deterministic MPPI via Entropy Feedback
• Title（参考訳）: エントロピーフィードバックによる決定論的MPPIのための情報理論適応冷却
• Abstract要約: 本稿では,モデル予測経路積分(MPPI)制御を用いた決定論的最適制御について検討する。 決定論的MPPIでは、真の最適性を取り戻すためには温度をゼロにしなくてはならないが、効果的な冷却スケジュールの設計は依然として根本的な課題である。 本稿では,重みのシャノンエントロピーをオンラインフィードバック信号として利用して温度を調節する情報理論適応冷却(ITAC)フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 13.175181677159587
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper investigates deterministic optimal control using Model Predictive Path Integral (MPPI) control, a sampling-based and derivative-free framework well suited for systems with complex dynamics and nonsmooth objectives. In deterministic MPPI, the temperature must be driven to zero to recover the true optimum, yet the design of an effective cooling schedule remains a fundamental challenge. Existing methods typically rely on predefined open-loop schedules, which limit the efficiency and robustness of the algorithm. To overcome this limitation, we propose an Information-Theoretic Adaptive Cooling (ITAC) framework that uses the Shannon entropy of the importance weights as an online feedback signal to regulate the temperature. The proposed mechanism adapts the cooling rate to the current sampling state, enabling fast progress when the weights are diffuse and cautious cooling when they become concentrated. We prove asymptotic convergence of the resulting scheme to the deterministic optimum, and further derive a critical entropy threshold that leads to a smooth barrier against premature weight collapse. Experiments on nonsmooth signal temporal logic motion-planning tasks show that ITAC improves sampling efficiency and achieves substantially faster convergence than state-of-the-art baselines without sacrificing the derivative-free nature of MPPI.
• Abstract（参考訳）: 本稿では,モデル予測パス積分(MPPI)制御を用いた決定論的最適制御について検討する。 決定論的MPPIでは、真の最適性を取り戻すためには温度をゼロにしなくてはならないが、効果的な冷却スケジュールの設計は依然として根本的な課題である。 既存の手法は通常、事前に定義されたオープンループスケジュールに依存しており、アルゴリズムの効率性と堅牢性を制限する。 この制限を克服するために,重みのシャノンエントロピーをオンラインフィードバック信号として利用して温度を調節するITAC(Information-Theoretic Adaptive Cooling)フレームワークを提案する。 提案機構は, 冷却速度を電流サンプリング状態に適応させ, 重みが拡散すると急速に進行し, 集中すると慎重な冷却が可能となる。 決定論的最適性に対する結果のスキームの漸近収束を証明し、さらに、初期重量崩壊に対するスムーズな障壁につながる臨界エントロピー閾値を導出する。 非平滑信号時間論理運動計画タスクの実験により、ITACはサンプリング効率を向上し、MPPIのデリバティブフリーな性質を犠牲にすることなく、最先端のベースラインよりもはるかに高速な収束を実現することが示された。

関連論文リスト

• From Atoms to Entropy: Optimal Noise Allocation for Diffusion Training in the Convex Regime [52.459513910242485]
  拡散訓練における最適な雑音レベルアロケーションを研究するための一般統計フレームワークを開発する。 最適化されたトレーニングスケジュールは、有限個のノイズレベルに集中した原子最小値を持つことを示す。 次に,大規模実験におけるエントロピック・スケジュールの評価を行った。
  論文  参考訳（メタデータ） (2026-07-10T20:59:06Z)
• Sampling-Based Control via Entropy-Regularized Optimal Transport [18.278741443124655]
  OT-MPCは、エントロピー規則化された最適輸送定式化によって制限を克服するサンプリングベースのアルゴリズムである。 我々は、Sinkhornアルゴリズムを用いて、クローズドな勾配のない更新を導出し、リアルタイムな性能を実現する。
  論文  参考訳（メタデータ） (2026-05-04T02:07:15Z)
• Physics-Informed Machine Learning for Pouch Cell Temperature Estimation [5.435523531334183]
  本稿では,定常状態の温度分布を効率的に推定するための物理インフォームド・機械学習(PIML)フレームワークを提案する。 PIMLアプローチは、制御熱伝達方程式を直接ニューラルネットワークの損失関数に統合し、高忠実度予測を可能にする。 その結果、PIMLモデルはより高速に収束し、データ駆動モデルよりも平均2乗誤差を49.1%削減し、極めて高い精度を達成することが示された。
  論文  参考訳（メタデータ） (2026-04-16T02:58:10Z)
• 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)
• HPTune: Hierarchical Proactive Tuning for Collision-Free Model Predictive Control [55.015741360766945]
  本稿では,高速なチューニングと低速なチューニングを組み合わせた階層型プロアクティブチューニング(HPTune)フレームワークを提案する。 我々はHPTuneをドップラーLiDARと統合し、位置のみの測定とは別に障害物速度を提供し、運動予測を強化した。 安全でアジャイルな衝突回避戦略を定式化することにより,HPTuneは状況調整型動作計画を可能にする。
  論文  参考訳（メタデータ） (2026-01-29T07:15:39Z)
• EventFlow: Real-Time Neuromorphic Event-Driven Classification of Two-Phase Boiling Flow Regimes [1.242656043400274]
  流動沸騰は、熱負荷を最小限の温度変化で放散できる効率的な伝熱機構である。 流路間の急激なシフトは、熱性能とシステムの信頼性を損なう可能性がある。 本稿では,ニューロモルフィックセンサからの信号に基づくリアルタイムフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-11-07T18:13:46Z)
• Asymptotically Optimal Change Detection for Unnormalized Pre- and Post-Change Distributions [65.38208224389027]
  本稿では,非正規化前および後の変化分布のみがアクセス可能である場合にのみ,変化を検出する問題に対処する。 提案手法は,最適性能を示すことが知られている累積サム統計量の推定に基づく。
  論文  参考訳（メタデータ） (2024-10-18T17:13:29Z)
• Taming Quantum Noise for Efficient Low Temperature Simulations of Open Quantum Systems [4.866728358750297]
  最適化された有理分解と等価な高次松原極を体系的にクラスタリングすることで、周波数空間における量子ノイズを効果的に処理する。 これはHEOMの任意の温度へのエレガントな拡張と、効率性、高精度、長期間の安定性と組み合わせて非常に一般的な貯水池に繋がる。 非自明な応用の1つとして、温度が消える際のサブホミックスピンボソンモデルに対して、シーバ関係を定量的に検証し、相関関数の長時間の減衰を予測する。
  論文  参考訳（メタデータ） (2022-02-08T18:46:11Z)
• Adiabatic Sensing Technique for Optimal Temperature Estimation using Trapped Ions [64.31011847952006]
  捕捉イオンを用いた最適なフォノン温度推定のための断熱法を提案する。 フォノンの熱分布に関する関連する情報は、スピンの集合的な自由度に伝達することができる。 それぞれの熱状態確率は、各スピン励起構成に近似的にマッピングされることを示す。
  論文  参考訳（メタデータ） (2020-12-16T12:58:08Z)
• Stochastic Finite State Control of POMDPs with LTL Specifications [14.163899014007647]
  部分的に観測可能なマルコフ決定プロセス(POMDP)は、不確実性の下での自律的な意思決定のためのモデリングフレームワークを提供する。 本稿では,POMDPに対する準最適有限状態制御器(sFSC)の合成に関する定量的問題について考察する。 本稿では,sFSC サイズが制御される有界ポリシアルゴリズムと,連続的な繰り返しにより制御器の性能が向上する任意の時間アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-01-21T18:10:47Z)
• Time-local optimal control for parameter estimation in the Gaussian regime [68.8204255655161]
  瞬時制御ユニタリは、オープンダイナミクスによって引き起こされる情報の減少を軽減するために用いられる。 このような制御に対して、局所的に最適な(時間内での)選択は、量子フィッシャー情報の時間微分を最大化するものである。
  論文  参考訳（メタデータ） (2020-01-10T16:24:31Z)

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。