論文の概要: Generalizing HVAC Control With Domain Randomized Reinforcement Learning

• arxiv url: http://arxiv.org/abs/2609.05822v1
• Date: Sat, 05 Sep 2026 02:36:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-10 19:44:08.141985
• Title: Generalizing HVAC Control With Domain Randomized Reinforcement Learning
• Title（参考訳）: ドメインランダム化強化学習によるHVAC制御の一般化
• Abstract要約: NOMAD-RL(NomaD-RL)は、異種熱圏間を移動するための汎用強化学習(RL)コントローラである。 我々の主な貢献は、物理インフォームド正規化フローに基づく適応的領域ランダム化スキームである。 我々はNOMAD-RLを固定セットポイントコントローラ、ドメインランダム化なしRL、シングルゾーンおよびマルチゾーン設定でのMPCと比較した。
• 参考スコア（独自算出の注目度）: 6.460844680543445
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Deploying advanced HVAC (Heating, Ventilation and Air Conditioning) controllers at scale remains difficult because performance often depends on accurate building models or per-site retuning. We propose NOMAD-RL (Neural Online Meta-Adaptation for Dynamics), a general-purpose Reinforcement Learning (RL) controller designed to transfer across heterogeneous thermal zones through a universal, non-invasive thermostat interface. The controller acts on temperature setpoints from zone measurements and forecasts, while a recurrent policy supports online adaptation under partial observability. Our main contribution is an adaptive domain randomization scheme based on physics-informed normalizing flows, which models correlated and multimodal distributions of thermal-zone parameters while maintaining physical plausibility and controllability. This produces a realistic and progressively adaptive training curriculum that improves transfer across buildings. We evaluate NOMAD-RL against a constant-setpoint PID controller, RL without domain randomization, and MPC in single- and multi-zone settings. NOMAD-RL consistently outperforms the PID and non-randomized RL baselines, and approaches the performance of a well-tuned MPC, especially in the more challenging multi-zone case. These results highlight the potential of adaptive, physics-informed domain randomization for robust and transferable HVAC control.
• Abstract（参考訳）: HVAC(Heating, Ventilation and Air Conditioning)コントローラを大規模に展開することは依然として困難である。 汎用強化学習(RL)コントローラであるNOMAD-RL(Neural Online Meta-Adaptation for Dynamics)を提案する。 制御器はゾーン計測と予測から温度設定点に作用し、リカレントポリシは部分可観測性の下でのオンライン適応をサポートする。 本研究の主な貢献は、物理インフォームド正規化フローに基づく適応的領域ランダム化方式であり、物理的妥当性と可制御性を維持しつつ、熱-帯パラメータの相関と多モード分布のモデルである。 これにより、現実的で漸進的に適応的なトレーニングカリキュラムが作成され、建物間の移動を改善する。 我々は,NOMAD-RLを固定セットポイントPIDコントローラ,ドメインランダム化のないRL,シングルゾーンおよびマルチゾーン設定でのMPCと比較した。 NOMAD-RLは、PIDおよび非ランダム化されたRLベースラインを一貫して上回り、特により困難なマルチゾーンケースにおいて、よく調整されたMPCの性能にアプローチする。 これらの結果は、ロバストで移動可能なHVAC制御のための適応的、物理インフォームドドメインランダム化の可能性を強調している。

関連論文リスト

• 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)
• Adaptive Outer-Loop Control of Quadrotors via Reinforcement Learning [7.213232880886576]
  本研究では,新しい適応制御アーキテクチャを提案する。 まず、最適な外ループポリシーをトレーニングし、その後、地平線データへの依存をResidual Dynamics Predictorに置き換える。 データ効率のよい線形キャリブレーションブリッジとオンライン推力補正機構を導入する。
  論文  参考訳（メタデータ） (2026-05-15T14:49:58Z)
• 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)
• Real-Time Generative Policy via Langevin-Guided Flow Matching for Autonomous Driving [22.3805998088591]
  DACER-Fは、自律運転システムにおける生成ポリシーのフローマッチングアルゴリズムである。 ヒューマノイド・スタンド・タスクで775.8のスコアを獲得し、以前の手法を上回ります。
  論文  参考訳（メタデータ） (2026-03-03T05:35:53Z)
• MEMTS: Internalizing Domain Knowledge via Parameterized Memory for Retrieval-Free Domain Adaptation of Time Series Foundation Models [51.506429027626005]
  Memory for Time Series (MEMTS) は、時系列予測における検索不要領域適応のための軽量かつプラグアンドプレイ方式である。 MEMTSの鍵となるコンポーネントは知識永続化モジュール(KPM)であり、ドメイン固有の時間力学を内部化する。 このパラダイムシフトにより、MEMTSは定数時間推論とニアゼロレイテンシによる正確なドメイン適応を実現することができる。
  論文  参考訳（メタデータ） (2026-02-14T14:00:06Z)
• DFPO: Scaling Value Modeling via Distributional Flow towards Robust and Generalizable LLM Post-Training [94.568675548967]
  実環境における訓練強化学習(RL)システムは、ノイズの多い監視とドメイン外の一般化が不十分なため、依然として困難である。 近年の分布RL法は、複数の量子点を持つ値をモデル化することでロバスト性を向上させるが、スカラーとして各量子点を独立に学習する。 DFPOは、時間ステップをまたいだ連続フローとして値をモデル化する、ロバストな分散RLフレームワークである。
  論文  参考訳（メタデータ） (2026-02-05T17:07:42Z)
• Making Tunable Parameters State-Dependent in Weather and Climate Models with Reinforcement Learning [0.5131152350448099]
  本研究は,パラメトリックスキームのコンポーネントをオンラインで学習するフレームワークを提案する。 理想的なテストベッドの階層にまたがって、結果のRL駆動パラメータの更新を評価する。 結果は、RLがスキリフルな状態依存とレギュラー対応のパラメトリを提供することを強調している。
  論文  参考訳（メタデータ） (2026-01-07T11:19:16Z)
• Simulating Distribution Dynamics: Liquid Temporal Feature Evolution for Single-Domain Generalized Object Detection [58.25418970608328]
  Single-Domain Generalized Object Detection (Single-DGOD)は、あるソースドメインで訓練された検出器を複数の未知のドメインに転送することを目的としている。 シングルDGODの既存の方法は通常、データの多様性を拡大するために離散的なデータ拡張や静的摂動法に依存している。 そこで本研究では,ソース領域から潜伏分布のシミュレーションに至るまでの機能の進化をシミュレートする手法を提案する。
  論文  参考訳（メタデータ） (2025-11-13T03:10:39Z)
• 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)
• Sim-to-Real Transfer of Adaptive Control Parameters for AUV Stabilization under Current Disturbance [1.099532646524593]
  本稿では,最大エントロピー深層強化学習フレームワークを古典的なモデルベース制御アーキテクチャと組み合わせ,適応制御系を定式化する新しい手法を提案する。 本フレームワークでは,バイオインスパイアされた体験再生機構,拡張されたドメインランダム化手法,物理プラットフォーム上で実行される評価プロトコルなどを含むSim-to-Real転送戦略を導入する。 実験により,AUVの準最適モデルから有能なポリシを効果的に学習し,実車への移動時の制御性能を3倍に向上することを示した。
  論文  参考訳（メタデータ） (2023-10-17T08:46:56Z)
• On Controller Tuning with Time-Varying Bayesian Optimization [74.57758188038375]
  制御対象とその変更に関する適切な事前知識を用いて、時間変化最適化(TVBO)を用いて、変更環境におけるコントローラのオンラインチューニングを行う。 本研究では,不確実性注入(UI)を用いたTVBO戦略を提案する。 我々のモデルはTVBOの最先端手法よりも優れており、後悔の軽減と不安定なパラメータ構成の低減を実現している。
  論文  参考訳（メタデータ） (2022-07-22T14:54:13Z)

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。