Fugu-MT 論文翻訳(概要): From Thermal Preference Prediction to Adaptive Thermal Intervention: A Reinforcement Learning Approach Using Physiological and Environmental Sensing

論文の概要: From Thermal Preference Prediction to Adaptive Thermal Intervention: A Reinforcement Learning Approach Using Physiological and Environmental Sensing

arxiv url: http://arxiv.org/abs/2608.20423v1
Date: Wed, 19 Aug 2026 09:39:15 GMT
ステータス: 翻訳完了
システム内更新日: 2026-08-24 14:49:32.046549
Title: From Thermal Preference Prediction to Adaptive Thermal Intervention: A Reinforcement Learning Approach Using Physiological and Environmental Sensing
Title（参考訳）: 温度予測から適応的熱干渉へ:生理・環境センシングを用いた強化学習アプローチ
Abstract要約: 本稿では,2段階のパーソナライズされたサーマル快適化手法を提案する。マルチモーダルな生理学的および環境センシングと強化学習に基づく意思決定を統合している。
参考スコア（独自算出の注目度）: 2.335571888067613
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Personalised thermal comfort is essential for occupant wellbeing and for the development of more responsive building-control strategies, yet conventional Heating, Ventilation, and Air Conditioning (HVAC) systems rely on static setpoints and population-level comfort models that fail to capture individual physiological variability. This paper presents a two-stage personalised thermal comfort approach integrating multimodal physiological and environmental sensing with reinforcement learning-based decision-making.
Abstract（参考訳）: パーソナライズされた熱快適性は、より応答性の高いビル制御戦略の開発に不可欠であるが、従来の暖房、換気、空調(HVAC)システムは、個々の生理的変動を捉えない静的なセットポイントと人口レベルの快適性モデルに依存している。本稿では,マルチモーダルな生理・環境センサと強化学習に基づく意思決定を統合した2段階の個人化熱快適化手法を提案する。

関連論文リスト

Designing for Healthy, Affordable, and Sustainable Human-HVAC Interactions for Heating in Smart Homes [0.0]
『スマートホームにおける健康・快適・持続的暖房のためのヒューマンインタラクション設計』は4章を中心に構成されている。この論文は、多分野の文献レビューから構築することで、ヒューマンインタラクションに関する設計指向の理解に貢献することを目的としている。
論文参考訳（メタデータ） (2026-09-07T19:52:20Z)
ADAPT: Physics-Aware Diffusion-based World Models for Adaptive Predictive Transferable HVAC Control [19.871939624912073]
ADAPTはHVAC制御のための物理学的条件付き屋内環境世界モデルである。 HVACのエネルギー消費を7.3%削減し、IID制御下にある最先端のベースラインと比較して、住民の不快感を30.2%削減する。
論文参考訳（メタデータ） (2026-08-20T08:58:28Z)
Bringing GRACE to Recommendation: Fine-Tuning for Sustainable and Accurate Personalization [57.58261252242669]
環境サステナビリティに関する懸念が高まり、グリーンの推奨システムは、よりエコフレンドリーで健康的な選択へとユーザーを導いてくれる。多くの既存のグリーンレコメンデーションアプローチでは、スクラッチから新しいモデルをトレーニングする必要がある。本稿では、アイテムレベルのサステナビリティ信号を事前訓練されたレコメンデーションモデルに統合する微調整フレームワークであるGRACE(Adaptive Conflict-rEsolution)を提案する。
論文参考訳（メタデータ） (2026-07-24T14:17:37Z)
LaST-R1: Reinforcing Robotic Manipulation via Adaptive Physical Latent Reasoning [90.86828952599147]
提案するLaST-R1(LaST-R1)は,「最近の推論・行動」政策を活用するために設計された,新しい強化学習フレームワークである。 LaST-R1 は LIBERO ベンチマークで 99.9% の平均成功率を達成した。実世界の展開では、LaST-R1はSOTAが監督する微調整アプローチよりも22.5%平均的に改善されている。
論文参考訳（メタデータ） (2026-04-30T17:59:52Z)
Constructing Extreme Heatwave Storylines with Differentiable Climate Models [49.1574468325115]
本稿では,異なるハイブリッド気候モデルであるNeuralGCMを用いて,初期条件を最適化し,物理的に一貫した最悪の熱波トラジェクトリを生成する新しいフレームワークを提案する。 2021年の太平洋岸北西部のヒートウェーブを応用し、75人組のアンサンブルの最も極端なメンバーよりも3.7ドルほどの熱波強度を発生させる。以上の結果から,異なる気候モデルがイベント可能性の上部を効率的に探索できることが示され,気候変動下での極端気象を対象とするストーリーラインを構築するための強力な新しいアプローチが提案された。
論文参考訳（メタデータ） (2025-06-12T12:50:38Z)
Human-in-the-Loop AI for HVAC Management Enhancing Comfort and Energy Efficiency [10.01352946835079]
HVACの性能を最適化するHuman-in-the-Loop(HITL)人工知能フレームワークを提案する。生活水準や快適度に関する事前定義された情報を必要とする従来のシステムとは異なり、我々のアプローチは進行中のユーザ入力に基づいて学習し、適応する。占有予測モデルと強化学習を統合することにより、運用効率を改善し、電力市場のダイナミクスに合わせてエネルギーコストを削減できる。
論文参考訳（メタデータ） (2025-05-09T05:23:37Z)
Thermodynamic Roles of Quantum Environments: From Heat Baths to Work Reservoirs [49.1574468325115]
量子熱力学における環境は通常、熱浴の役割を担う。同じモデルでは、環境が3つの異なる熱力学的役割を担っていることが示される。環境の正確な役割は結合の強さと構造によって決定される。
論文参考訳（メタデータ） (2024-08-01T15:39:06Z)
Optimization of Discrete Parameters Using the Adaptive Gradient Method and Directed Evolution [49.1574468325115]
最適解の探索は、個人の集団によって行われる。適応していない個体は死に、最適な個体は交配し、結果として進化力学が導かれた。
論文参考訳（メタデータ） (2024-01-12T15:45:56Z)
Global Transformer Architecture for Indoor Room Temperature Forecasting [49.32130498861987]
本研究は,多室ビルにおける室内温度予測のためのグローバルトランスフォーマーアーキテクチャを提案する。エネルギー消費を最適化し、HVACシステムに関連する温室効果ガス排出を削減することを目的としている。本研究は,マルチルームビルにおける室内温度予測にトランスフォーマーアーキテクチャを適用した最初の事例である。
論文参考訳（メタデータ） (2023-10-31T14:09:32Z)
Climate-sensitive Urban Planning through Optimization of Tree Placements [55.11389516857789]
気候変動は、熱波を含む多くの極端な気象事象の強度と頻度を増している。最も有望な戦略の1つは、街路樹の恩恵を利用して歩行者レベルの環境を冷やすことである。物理シミュレーションでは、樹木の放射的および熱的影響が人間の熱的快適性に与える影響を推定できるが、高い計算コストが生じる。我々は,屋外の熱的快適さの駆動因子である点平均放射温度を,様々な時間スケールでシミュレーションするためにニューラルネットワークを用いた。
論文参考訳（メタデータ） (2023-10-09T13:07:23Z)
Enhancing personalised thermal comfort models with Active Learning for improved HVAC controls [0.8192907805418583]
本研究では,アクティブラーニング(AL)によって強化された熱的嗜好に基づくHVAC制御フレームワークを提案する。予備的な結果から, AL対応OCCと従来のOCCとのラベリング効果は著しく低下するが, 省エネ効果はわずかであった。
論文参考訳（メタデータ） (2023-09-16T18:42:58Z)
Artificial Intelligence-Assisted Energy and Thermal Comfort Control for Sustainable Buildings: An Extended Representation of the Systematic Review [3.9714144743101754]
温度の快適さ、湿度、空気の質、騒音などの異なる要因は、室内でほとんどの時間を過ごす建物利用者が行う活動の受容性と品質に重要な複合効果をもたらす。最近の研究は、人間の行動を模倣する能力を持つ人工知能を中心に、より高度な制御戦略に向けられている。本研究は,建築内部の知的制御戦略の概要と,室内環境における温熱的快適性とエネルギー効率の最適化のバランスをとる能力について検討することを目的とする。
論文参考訳（メタデータ） (2020-06-22T18:38:13Z)
Transfer Learning for Thermal Comfort Prediction in Multiple Cities [8.759740337781526]
本研究の目的は、データ短絡問題に取り組み、熱的快適性予測の性能を高めることである。我々は、同じ気候圏の複数の都市からのセンサデータを利用して、熱快適なパターンを学習する。本研究では,同じ気候帯からの転写学習に基づく多層パーセプトロンモデルを提案する。
論文参考訳（メタデータ） (2020-04-29T11:42:02Z)

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。