論文の概要: LLMs are Few-Shot Decision-Makers: Generalized Context-Aware Microgrid Frequency Control through Prompt Decision Transformer

• arxiv url: http://arxiv.org/abs/2608.21858v1
• Date: Sat, 22 Aug 2026 09:07:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-25 18:24:36.93175
• Title: LLMs are Few-Shot Decision-Makers: Generalized Context-Aware Microgrid Frequency Control through Prompt Decision Transformer
• Title（参考訳）: LLMは短距離決定器:プロンプト決定変換器による一般化文脈対応マイクログリッド周波数制御
• Abstract要約: マイクログリッド周波数制御のための新しいプロンプト決定変換器(Prompt-DT)アーキテクチャを提案する。 本研究では,自己教師付きコントラスト学習を利用して環境認識を向上させる文脈認識学習・実行機構を提案する。 限られたデータしか持たない環境での一般化を確保するため,我々は軽量な微調整手法を開発した。
• 参考スコア（独自算出の注目度）: 22.635763638339085
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The rapid evolution of energy structures has positioned microgrids as pivotal components of next-generation power systems, offering enhanced resilience and renewable energy integration. However, the inherent low inertia, complex dynamics, and poor model conditions of microgrids necessitate advanced data-driven frequency control strategies. Although reinforcement learning (RL) has demonstrated certain potential and advantages, existing RL methods often struggle with generalization across diverse microgrid configurations and lack adaptability to unseen environments, particularly when explicit system parameters are unavailable. To address these challenges, in this paper, we introduce a novel prompt decision transformer (Prompt-DT) architecture for microgrid frequency control. Unlike traditional approaches that rely on hard-to-obtain environmental characteristic parameters, the proposed method leverages few-shot expert historical trajectories as prompts to guide autonomous perception and adaptive decision-making. In addition, we propose a context-aware training and execution mechanism utilizing self-supervised contrastive learning to enhance environment recognition and prompt utilization efficiency. In addition, a physics-informed prompt design technique that filters prompts based on cumulative reward and frequency volatility is proposed, ensuring high-quality physical guidance during online execution. Finally, to ensure generalization in unseen environments with limited data, we develop a lightweight finetuning approach that achieves performance comparable to full-parameter finetuning with minimal adjustments.
• Abstract（参考訳）: エネルギー構造の急速な進化により、マイクログリッドは次世代の電力システムの重要な構成要素となり、レジリエンスと再生可能エネルギーの統合が向上した。 しかし、マイクログリッドの固有の低慣性、複雑な力学、貧弱なモデル条件は、高度なデータ駆動周波数制御戦略を必要とする。 強化学習(RL)は特定の可能性と利点を示しているが、既存のRL手法は様々なマイクログリッド構成をまたいだ一般化に苦慮し、特に明示的なシステムパラメータが利用できない場合、目に見えない環境への適応性に欠けることが多い。 本稿では,マイクログリッド周波数制御のための新しいプロンプト決定変換器(Prompt-DT)アーキテクチャを提案する。 難易度の高い環境特性パラメータに依存する従来の手法とは異なり、提案手法は、自律的な知覚と適応的な意思決定を導くために、少数の専門家の過去の軌跡を利用する。 さらに,自己教師付きコントラスト学習を利用した文脈認識学習・実行機構を提案し,環境認識の促進と利用効率の向上を図る。 さらに, 累積報酬と周波数変動に基づいてフィルタを行う物理インフォームド・プロンプト設計手法を提案し, オンライン実行における高品質な物理ガイダンスを確保する。 最後に、限られたデータで見えない環境での一般化を保証するため、最小限の調整でフルパラメータの微調整に匹敵する性能を実現する軽量な微調整手法を開発した。

関連論文リスト

• Generalizable Multi-Task Learning for Wireless Networks Using Prompt Decision Transformers [3.8613477927967614]
  本稿では, Prompt Decision Transformer (PromptDT) を用いたマルチタスク学習フレームワークを提案する。 PromptDTは、ベースラインと比較して、マルチタスク設定でQoEを最大49%改善する。
  論文  参考訳（メタデータ） (2026-06-03T01:03:38Z)
• Grounded Test-Time Adaptation for LLM Agents [75.62784644919803]
  大規模言語モデル(LLM)ベースのエージェントは、新規で複雑な環境への一般化に苦慮している。 環境特化情報を活用することで, LLMエージェントを適応するための2つの戦略を提案する。
  論文  参考訳（メタデータ） (2025-11-06T22:24:35Z)
• Meta-learning Structure-Preserving Dynamics [6.088897644268474]
  本稿では,潜在的に未知のシステムパラメータのコンパクトな潜在表現に対して,構造保存モデルを記述する変調に基づくメタラーニングフレームワークを提案する。 動的システムのパラメトリックファミリをまたいだスケーラブルで一般化可能な学習を可能にする。
  論文  参考訳（メタデータ） (2025-08-15T04:30:27Z)
• In-Context Learning for Gradient-Free Receiver Adaptation: Principles, Applications, and Theory [54.92893355284945]
  ディープラーニングベースの無線受信機は、様々なチャネル環境に動的に適応する能力を提供する。 ジョイントトレーニング、ハイパーネットワークベースの手法、メタラーニングを含む現在の適応戦略は、限られた柔軟性を示すか、勾配降下による明示的な最適化を必要とする。 本稿では、インコンテキスト学習(ICL)の新たなパラダイムに根ざした勾配なし適応手法を提案する。
  論文  参考訳（メタデータ） (2025-06-18T06:43:55Z)
• Tool-Aided Evolutionary LLM for Generative Policy Toward Efficient Resource Management in Wireless Federated Learning [20.07184763454309]
  Federated Learning (FL)は、エッジデバイス間の分散モデルトレーニングを、プライバシフレンドリな方法で実現している。 本稿では,無線FL環境におけるデバイス選択のための適切なポリシーを生成するためのツール支援進化大言語モデル(T-ELLM)を提案する。
  論文  参考訳（メタデータ） (2025-05-16T10:07:29Z)
• Parameter-Adaptive Approximate MPC: Tuning Neural-Network Controllers without Retraining [50.00291020618743]
  この研究は、大規模なデータセットを再計算し、再トレーニングすることなくオンラインチューニングが可能な、新しいパラメータ適応型AMPCアーキテクチャを導入している。 資源制約の厳しいマイクロコントローラ(MCU)を用いた2種類の実カートポールシステムの揺らぎを制御し,パラメータ適応型AMPCの有効性を示す。 これらの貢献は、現実世界のシステムにおけるAMPCの実践的応用に向けた重要な一歩である。
  論文  参考訳（メタデータ） (2024-04-08T20:02:19Z)
• Pervasive Machine Learning for Smart Radio Environments Enabled by Reconfigurable Intelligent Surfaces [56.35676570414731]
  Reconfigurable Intelligent Surfaces(RIS)の新たな技術は、スマート無線環境の実現手段として準備されている。 RISは、無線媒体上の電磁信号の伝搬を動的に制御するための、高度にスケーラブルで低コストで、ハードウェア効率が高く、ほぼエネルギーニュートラルなソリューションを提供する。 このような再構成可能な無線環境におけるRISの密配置に関する大きな課題の1つは、複数の準曲面の効率的な構成である。
  論文  参考訳（メタデータ） (2022-05-08T06:21:33Z)
• Phase Shift Design in RIS Empowered Wireless Networks: From Optimization to AI-Based Methods [83.98961686408171]
  再構成可能なインテリジェントサーフェス(RIS)は、無線ネットワークのための無線伝搬環境をカスタマイズする革命的な機能を持つ。 無線システムにおけるRISの利点を完全に活用するには、反射素子の位相を従来の通信資源と共同で設計する必要がある。 本稿では、RISが課す制約を扱うための現在の最適化手法と人工知能に基づく手法についてレビューする。
  論文  参考訳（メタデータ） (2022-04-28T09:26:14Z)
• Learning to Continuously Optimize Wireless Resource In Episodically Dynamic Environment [55.91291559442884]
  この研究は、データ駆動型手法が動的環境で継続的に学習し、最適化できる方法論を開発する。 本稿では,無線システム学習のモデリングプロセスに連続学習の概念を構築することを提案する。 我々の設計は、異なるデータサンプル間で「一定の公正性を保証する」新しいmin-maxの定式化に基づいている。
  論文  参考訳（メタデータ） (2020-11-16T08:24:34Z)

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。