論文の概要: Imitation Learning of Avoidance Modes for Efficient Multimodal Model Predictive Control
- arxiv url: http://arxiv.org/abs/2610.16326v1
- Date: Mon, 12 Oct 2026 07:44:08 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-19 06:27:01.011078
- Title: Imitation Learning of Avoidance Modes for Efficient Multimodal Model Predictive Control
- Title（参考訳）: 効率的なマルチモーダルモデル予測制御のための回避モードの模倣学習
- Abstract要約: マルチモーダルモデル予測制御(MM-MPC)は、回避側の組み合わせ毎に最適な1つの制御問題を解くことにより、移動障害物間の局所最小化を回避する。
そこで我々は,この列挙をMM-MPCを専門家として模倣して学習したモード決定に置き換えるSideNet-MPCを提案する。
- 参考スコア（独自算出の注目度）: 15.709991749199082
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Multimodal model predictive control (MM-MPC) avoids local minima among moving obstacles by solving one optimal control problem (OCP) per combination of avoidance sides, so its computational cost grows exponentially with the number of decision-critical obstacles. We propose SideNet-MPC, which replaces this enumeration with a mode decision learned by imitating MM-MPC as an expert. A graph neural network is trained to predict the expert's minimum-cost mode, one avoidance side per obstacle. Its edges encode, for each obstacle pair, the gap predicted for the moment the vehicle first reaches either obstacle, so a neighbor that blocks a preferred passage can reverse the proposed side. The expert's selection rule compares its minimum-cost mode with the previously executed mode; SideNet-MPC keeps this rule and substitutes the network proposal for the minimum-cost mode. Hence at most two OCPs are solved per control period, and every applied input still comes from an OCP with control barrier function constraints rather than from the network. In $100$ seed-matched closed-loop Monte Carlo runs of mixed traffic, SideNet-MPC reaches $93\%$ of the expert's success rate and needs \SI{18.6}{ms} per control period on a single thread, 48\% less than the expert's \SI{35.5}{ms} on sixteen parallel threads. In a controlled gap sweep, its proposed side reverses in the same gap interval as the expert's, whereas proposers without pairwise edges, trained on the same data, never reverse and all deadlock at the blocked gates of a deterministic scene.
- Abstract（参考訳）: マルチモーダルモデル予測制御(MM-MPC)は、回避側の組み合わせごとに1つの最適制御問題(OCP)を解くことにより、移動障害物間の局所最小化を回避するため、計算コストは決定クリティカルな障害の数とともに指数関数的に増加する。
そこで我々は,この列挙をMM-MPCを専門家として模倣して学習したモード決定に置き換えるSideNet-MPCを提案する。
グラフニューラルネットワークは、専門家の最小コストモードを予測するためにトレーニングされる。
そのエッジは、各障害物対に対して、車両が最初に障害物に到達した瞬間に予測されるギャップを符号化する。
SideNet-MPCはこのルールを維持し、ネットワーク提案を最小コストモードに置き換える。
したがって、制御期間毎に少なくとも2つのOCPが解決され、適用された全ての入力は、ネットワークからではなく、制御バリア関数の制約を持つOCPから来る。
シードマッチングされたクローズドループのMonte Carloの混合トラフィックは100ドルで、SideNet-MPCはエキスパートの成功率の9,3\%に達し、1スレッドあたりのコントロール時間当たりのSI{18.6}{ms}が必要であり、16の並列スレッド上でのエキスパートのSI{35.5}{ms}よりも48\%低い。
制御されたギャップスイープでは、提案されたサイドは専門家と同じギャップ間隔で反転するが、一方、ペアのエッジを持たないプロジェクタは同じデータでトレーニングされ、決定論的シーンのブロックされたゲートですべてのデッドロックが逆になることはない。
関連論文リスト
- DR-MPC: Fast and Feasible Dynamics-Relaxed Model-Predictive Control for Legged Locomotion [8.99497439221796]
そこで本研究では,足の移動を予測するための動的緩和モデル予測制御(DR-MPC)を提案する。
本手法は,HPIPMよりも16.0times$,OSQPより4.4times$の平均的なエンドツーエンドMPC高速化を実現する。
DR-MPCは、MPCのエンド・ツー・エンドの中央値の4.4$msを達成し、Unitree Go1の4倍の精度で検証される。
論文 参考訳（メタデータ） (2026-09-17T10:38:33Z) - Real-Time Rulebook-Aware Nonlinear MPC for Autonomous Driving with Priority-Biased Tiered Slacks [0.8363171780853939]
W-SQPは重み付きタイレッドスラック非線形モデル予測制御器(NMPC)である
We present W-SQP, a weighted tiered-slack non model predictive controller (NMPC)。
We present W-SQP, a weighted tiered-slack non model predictive controller (NMPC)。
論文 参考訳（メタデータ） (2026-07-13T00:40:27Z) - Closed-Form Spectral Regularization for Multi-Task Model Merging [96.82449201305234]
モデルマージは、個別に調整された複数の専門家をトレーニングデータなしで単一のマルチタスクモデルに結合する。
State-of-the-art merging method formulate merging as a layer-wise interference problem。
本稿では,逐次降下の勾配-流路に一致するソフト指数フィルタを組み合わせた閉形式手法SWUDIを提案する。
論文 参考訳（メタデータ） (2026-06-05T14:00:47Z) - Adaptive Stopping for Multi-Turn LLM Reasoning [19.992892941191577]
マルチターン推論のためのコンフォーマル予測(MiCP)を用いたマルチターン言語モデルを提案する。
MiCPはターン毎に異なるエラー予算を割り当て、全体的なカバレッジ保証を維持しながらモデルが早期に停止することを可能にする。
適応RAGとReActでMICPを実証し、シングルホップとマルチホップの問合せベンチマークの両方で対象範囲を達成した。
論文 参考訳（メタデータ） (2026-04-01T21:22:19Z) - Intelligent Control of Collisional Architectures for Deterministic Multipartite State Engineering [0.0]
我々は、繰り返し励起-相互作用を伴うアーキテクチャにおいて、対称ディック状態の決定論的生成のためのインテリジェントで制約対応の制御フレームワーク、|D_n(m)rangle$を導入する。
このプロトコルは2つの非結合量子ビットレジスタ間の部分SWAPの衝突を利用しており、これには$m$ ancillary Shuttle'' の量子ビットが介在し、Emphループの設計問題としてDickestateの準備を行う。
論文 参考訳（メタデータ） (2026-02-09T11:15:32Z) - UCB-type Algorithm for Budget-Constrained Expert Learning [71.67657715154034]
algnameM-LCBはUCBスタイルのメタアルゴリズムであり、幻想的後悔の保証を提供する
我々は、AlgnameM-LCBが、限られたリソースの下で、ステートフルで自己学習の専門家をコーディネートする、より現実的なシナリオまで、古典的な帯域幅パラダイムをどのように拡張しているかを示す。
論文 参考訳（メタデータ） (2025-10-26T12:36:17Z) - Adapting to Stochastic and Adversarial Losses in Episodic MDPs with Aggregate Bandit Feedback [61.49239204705301]
本研究では,有限水平マルコフ決定過程(MDP)におけるオンライン学習について,包括的包括的包括的フィードバックモデルを用いて検討する。
本研究は, オンライン最短経路問題の近年の進展に触発された, 占領対策, 自己拘束技術, 新たな損失推定器の組合せに依拠する。
論文 参考訳（メタデータ） (2025-10-20T02:28:08Z) - MaskPro: Linear-Space Probabilistic Learning for Strict (N:M)-Sparsity on Large Language Models [53.36415620647177]
半構造化された空間は、M$M$の重みからN$の要素を戦略的に保持することで、有望なソリューションを提供する。
既存の(N:M)互換のアプローチは通常、かなりのエラーに悩まされるルールベースの階層的な欲求探索と、禁止的なトレーニングコストを引き起こす勾配駆動学習の2つのカテゴリに分類される。
MaskProという新しい線形空間確率的フレームワークを提案する。これは、M$連続重みごとに事前のカテゴリー分布を学習し、その後、この分布を活用して(N:M)スパーシリティを$N$-wayサンプリングを通じて生成することを目的としている。
論文 参考訳（メタデータ） (2025-06-15T15:02:59Z) - A Unifying Framework for Online Optimization with Long-Term Constraints [62.35194099438855]
我々は,意思決定者が長期的制約の対象となる一連の意思決定をしなければならないオンライン学習問題について検討する。
目標は、全報酬を最大化し、同時に、$T$ラウンド全体で小さな累積違反を達成することである。
本稿では,この一般クラス問題に対して,未知のモデルに基づいて報酬と制約が選択された場合と,各ラウンドで敵が選択した場合の双方において,最良世界型アルゴリズムを提示する。
論文 参考訳（メタデータ） (2022-09-15T16:59:19Z)
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。