論文の概要: Belief-Informed Hybrid Control with Almost-Sure Target-Set Convergence

• arxiv url: http://arxiv.org/abs/2610.07674v1
• Date: Tue, 06 Oct 2026 03:08:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 02:58:29.781077
• Title: Belief-Informed Hybrid Control with Almost-Sure Target-Set Convergence
• Title（参考訳）: ほぼ安定な目標セット収束による信頼インフォームドハイブリッド制御
• Abstract要約: パラメータ不確実性の下でターゲットセットにハイブリッドシステムを制御するには、システム状態が指定されたセットから一時的に切り離されるような情報的アクションが必要になる。 本稿では,信念空間の後退-水平選択と事前制約を結合した2元制御アルゴリズムを提案する。 アルゴリズムの2段階のルックセレクションでは、予測された観測値を用いてパラメータの信念を更新し、その後の行動の許容性を評価する。
• 参考スコア（独自算出の注目度）: 5.4872967954342675
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Controlling a hybrid system to a target set under parameter uncertainty can require informative actions that temporarily drive the system state away from the specified set. We propose a belief-informed dual-control algorithm that combines belief-space receding-horizon selection with an expected-decrease constraint on a nonnegative target-set progress function. To accommodate exploratory deviations, a scalar controller state bounds the constraint's cumulative slack. Our algorithm's two-step lookahead selection uses predicted observations to update the parameter belief before evaluating the subsequent action's admissibility. Under distance-comparison bounds, correct conditional prediction, and recursive feasibility, we prove almost-sure target-set convergence at decision times and bound both the sum of expected progress-function values and the expected neighborhood-entry time. Upper confidence bounds extend these convergence guarantees to bounded model samples with summable error probabilities. In planar regulation with an unknown control direction, we verify recursive feasibility: the proposed two-step selection reduces the Euclidean state norm below 0.01 within 11 decisions for either sign, whereas a myopic one-step selection loses admissibility immediately after zero input. In a simulated bimanual assembly task, our algorithm's one-step implementation uses clearance feedback to complete the assembly under nominal friction, yielding a 96.4% lower infinity-norm relative-position error than the reference-tracking baseline at the method's completion time. At lower friction, its posterior conditioning successfully detects an empty admissible set, whereas a fixed-prior alternative admits an action that violates the conditional decrease constraint. Project page: https://clintonenwerem.com/belief-hybrid-control/.
• Abstract（参考訳）: パラメータ不確実性の下でターゲットセットにハイブリッドシステムを制御するには、システム状態が指定されたセットから一時的に切り離されるような情報的アクションが必要になる。 非負の目標値の進行関数に対して,信念空間の後退-水平選択と期待値の減少制約を結合した2値制御アルゴリズムを提案する。 探索的偏差に対応するために、スカラーコントローラ状態は制約の累積スラックを束縛する。 我々のアルゴリズムの2段階のルックアヘッド選択は、予測された観測を用いて、その後の行動の許容性を評価する前にパラメータの信念を更新する。 距離比較境界, 正確な条件予測, 再帰的実現可能性の下で, 決定時間におけるほぼ確実な目標セット収束を証明し, 予測進行関数値の和と予測近傍突入時間の両方を有界化する。 上位信頼境界は、これらの収束保証を要約可能な誤差確率を持つ有界モデルサンプルに拡張する。 提案した2段階選択は、どちらの符号に対しても11の判定でユークリッド状態ノルムを0.01以下に減らし、一方、ミオピック1段階選択はゼロ入力直後の許容率を失う。 シミュレーションされた双対組立タスクにおいて,提案アルゴリズムのワンステップ実装ではクリアランスフィードバックを用いて名目的摩擦下での組立を完了し,提案手法の完了時の基準追従ベースラインよりも96.4%低いinfinity-norm相対配置誤差を生じる。 低い摩擦下では、後続条件付けは空の許容集合を正常に検出する一方、固定優先度の代替手段は条件の減少制約に反する作用を認める。 プロジェクトページ:https://clintonenwerem.com/belief-hybrid-control/

関連論文リスト

• What Can a Recurrent State Safely Forget? [4.870012761464388]
  リカレントモデルは、隠された状態エラーを抑えながら将来の振る舞いを変える情報を保持する必要がある。 我々は、この境界を再帰状態空間の予測商によって定式化する。 監査次元 k の場合、必要なプローブ結果 O(M * Omega-(k+2) は M = |A| となる。
  論文  参考訳（メタデータ） (2026-09-20T05:21:16Z)
• Koopman-Based Robust Model Predictive Control for Nonlinear Systems with Stochastic Intermittent Measurements [11.153670606528545]
  間欠状態測定は、制約付き非線形システムの予測制御をモデル化するための根本的な課題を提起する。 本稿では,確率的に歪んだソフト制約を持つクープマンベースのMPCフレームワークを開発する。
  論文  参考訳（メタデータ） (2026-09-02T04:08:49Z)
• Excitation-Supervised Closed-Loop Self-Calibration and Target Seeking for an Unknown-Pose Range-Bearing Relay [0.0]
  本論文は、識別可能性を管理する閉ループ層を提供する。 励起教師付きアルゴリズムは、励起リセットコントローラを監督するために使用される。 崩壊率のスイープは、固定されたスケジュールの崩壊が未知の時間から適切な励振を追い越すとき、監督が重要であることを示している。
  論文  参考訳（メタデータ） (2026-08-12T19:00:07Z)
• Optimistic Feasible Search for Closed-Loop Fair Threshold Decision-Making [0.0]
  バンディットフィードバックからの1次元しきい値ポリシーのオンライン学習について検討する。 我々は,報酬と制約残差に対する信頼境界を維持する単純なグリッドベース手法であるOptimistic Feasible Search (OFS)を提案する。
  論文  参考訳（メタデータ） (2025-12-26T10:44:40Z)
• Distributionally Robust Regret Optimal Control Under Moment-Based Ambiguity Sets [0.3867363075280543]
  雑音過程を管理する確率分布が未知な有限水平2次制御問題のクラスを考える。 因果アフィン制御ポリシは、与えられたあいまいさセットのすべての分布に対して最悪のケースで予想される後悔を最小限に抑えることができることを示す。 任意の精度で最適制御器を計算するために,スケーラブルな2重投影下次法を提案する。
  論文  参考訳（メタデータ） (2025-12-11T18:36:15Z)
• Verifying Closed-Loop Contractivity of Learning-Based Controllers via Partitioning [52.23804865017831]
  本稿では,ニューラルネットワークによるパラメータ化を行う非線形制御系における閉ループ収縮の検証問題に対処する。 我々は、対称メッツラー行列の優越的固有値が非正であることを確かめるために、閉ループの縮約性に対するトラクタブルでスケーラブルな十分条件を導出する。
  論文  参考訳（メタデータ） (2025-12-01T23:06:56Z)
• LEC: Linear Expectation Constraints for False-Discovery Control in Selective Prediction and Routing Systems [95.35293543918762]
  大規模言語モデル(LLM)はしばしば信頼できない答えを生成するが、不確実性のある手法は誤った予測と完全に区別することができない。 我々は、この問題を、偽発見率(FDR)制御のレンズを通して解決し、全ての許容された予測のうち、エラーの割合が目標のリスクレベルを超えないことを保証する。 本稿では,線形期待制約を強制することで,選択予測を制約付き決定問題として再解釈するLECを提案する。
  論文  参考訳（メタデータ） (2025-12-01T11:27:09Z)
• Unsupervised Conformal Inference: Bootstrapping and Alignment to Control LLM Uncertainty [49.19257648205146]
  生成のための教師なし共形推論フレームワークを提案する。 我々のゲートは、分断されたUPPよりも厳密で安定した閾値を提供する。 その結果は、ラベルのない、API互換の、テスト時間フィルタリングのゲートになる。
  論文  参考訳（メタデータ） (2025-09-26T23:40:47Z)
• COIN: Uncertainty-Guarding Selective Question Answering for Foundation Models with Provable Risk Guarantees [51.5976496056012]
  COINは、統計的に有効な閾値を校正し、質問毎に1つの生成された回答をフィルタリングする不確実性保護選択フレームワークである。 COINはキャリブレーションセット上で経験的誤差率を推定し、信頼区間法を適用して真誤差率に高い確率上界を確立する。 リスク管理におけるCOINの堅牢性,許容回答を維持するための強いテストタイムパワー,キャリブレーションデータによる予測効率を実証する。
  論文  参考訳（メタデータ） (2025-06-25T07:04:49Z)
• Online Constraint Tightening in Stochastic Model Predictive Control: A Regression Approach [49.056933332667114]
  確率制約付き最適制御問題に対する解析解は存在しない。 制御中の制約強調パラメータをオンラインで学習するためのデータ駆動型アプローチを提案する。 提案手法は, 確率制約を厳密に満たす制約強調パラメータを導出する。
  論文  参考訳（メタデータ） (2023-10-04T16:22:02Z)
• On Lower Bounds for Standard and Robust Gaussian Process Bandit Optimization [55.937424268654645]
  有界ノルムを持つ関数のブラックボックス最適化問題に対するアルゴリズム非依存な下界を考える。 本稿では, 単純さ, 汎用性, エラー確率への依存性の向上など, 後悔の下位境界を導出するための新しい証明手法を提案する。
  論文  参考訳（メタデータ） (2020-08-20T03:48:14Z)

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。