論文の概要: One Agent per Zone: Decentralised Active Inference under Partial Observability for Multi-Zone HVAC Control on Edge Hardware

• arxiv url: http://arxiv.org/abs/2610.19790v1
• Date: Wed, 14 Oct 2026 08:36:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:16.038747
• Title: One Agent per Zone: Decentralised Active Inference under Partial Observability for Multi-Zone HVAC Control on Edge Hardware
• Title（参考訳）: ゾーン毎にひとつのエージェント:エッジハードウェア上でのマルチゾーンHVAC制御のための部分観測可能性の下での分散アクティブ推論
• Abstract要約: 分散コントローラは各ゾーンに独立したアクティブ推論エージェントを割り当てる。 エージェントは期待される自由エネルギーを最小化して計画し、そのゾーンダイナミクスをオンラインで学習する。 シネルギムのオフィスビルで15人のエージェントがエナジープラスで評価されている。
• 参考スコア（独自算出の注目度）: 0.2609784101826761
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Multi-zone HVAC control is a shared-resource problem: zones on a floor share one fan and cooling coil, so each zone's demand affects its neighbours and the building's peak power. One controller per zone scales well and isolates faults, but each controller then observes only its own zone, not the shared air loop. In this work, we present a decentralised controller that assigns each zone an independent active-inference agent, which plans by minimising expected free energy and learns its zone dynamics online. The agents exchange no messages, so none depends on peers or a coordinator; each accounts for the unobserved coupling through a latent disturbance and a congestion signal derived from the metered power of the other floors. Fifteen agents are evaluated in EnergyPlus on a Sinergym office building against three rule-based controllers and three MADDPG fleets, one given the same floor meters. On five noisy weather years unseen during training, the fleet attains the lowest mean building peak (88.3 kW, 3 to 17 % below the baselines) and staggers the floor peaks better than any baseline, with a coincidence factor (building peak over the sum of the floor peaks) of 0.929 versus 0.936 to 0.994. Compared with a reactive rule at similar comfort (0.912 versus 0.916), it lowers the sum of monthly peaks, on which demand charges are billed, by 33 kW (4 %) in every year, at the cost of about 10 % more energy. It costs 9% less per year than the proactive rule (at lower comfort) and 1% less than the MADDPG fleet given the same floor meters, in every test year. The whole fleet runs on a single low-cost Raspberry Pi 5, closing the observation-to-action loop over MQTT in 442 ms at p95, far below the 15-minute control step.
• Abstract（参考訳）: 床上のゾーンは1つのファンと冷却コイルを共有しているため、各ゾーンの需要は隣人や建物のピーク電力に影響を与える。 ゾーン毎に1つのコントローラがうまくスケールし、障害を分離するが、各コントローラは共有空気ループではなく、独自のゾーンのみを観測する。 本研究では,各ゾーンに独立したアクティブ推論エージェントを割り当て,期待される自由エネルギーを最小化し,そのゾーンダイナミクスをオンラインで学習する分散制御器を提案する。 エージェントはメッセージの交換をしないので、ピアやコーディネータに依存しない。各エージェントは、潜伏障害を通した観測されていない結合と、他のフロアの計測されたパワーから導かれる渋滞信号について記述する。 シネルギムのオフィスビルで15人のエージェントが3つのルールベースのコントローラーと3つのMADDPG艦隊に対して評価され、1人は同じフロアメーターを与えられた。 訓練中の5年間の騒々しい天候では、艦隊は最低の建物ピーク(ベースラインより3～17%低い88.3kW)に達し、どのベースラインよりも床のピークが良く、偶然の要因(フロアピークの合計よりも高い)が0.929対0.936対0.994である。 同様の快適な反応則(0.912対0.916)と比較すると、毎年33kW (4 %)の需要が請求される月間ピークの合計を約10%のエネルギーで下げる。 同じフロアメーターが与えられたMADDPG艦隊より1年9%安く(快適さが低い)、1%安い。 全車両は1台の低価格Raspberry Pi 5上で動作し、15分間の制御ステップよりはるかに低いp95で442msでMQTT上の観察とアクションのループを閉じる。

関連論文リスト

• TGRL: Temperature-Grouped Reinforcement Learning for Efficient Exploration in LLMs [62.823724078400865]
  本稿では,温度群強化学習(TGRL)を提案する。 各プロンプトに対して、TGRLはロールアウトグループを低温および高温のサブセットに分割し、その報酬コントラストを通じて探索ゲインを推定し、このグループレベルの信号をトークンレベルクレジットとして割り当てる。 TGRLは、ロールアウト予算を拡大することなく、強力なRLVRベースラインよりも最大36%の精度に達する。
  論文  参考訳（メタデータ） (2026-09-27T14:06:26Z)
• Cutting AI Datacenter Energy with Reinforcement Learning: Measured Power Control of LLM Training from One GPU to the Fleet [0.0]
  7B,14B,72Bの半秒間パワーテレメトリによるGRPOトレーニングを1～4A100s(380,000以上)で実施する。 PPOメタコントローラをトレーニングし、負荷の発生パラメータを測定パワーに適応させる。 経済と炭素の結果を定量化し、低コストのパイロットを指定する。
  論文  参考訳（メタデータ） (2026-07-27T20:51:03Z)
• Energy Optimization for HVAC Systems in Multi-VAV Open Offices: A Deep Reinforcement Learning Approach [4.323740171581589]
  HVACシステムは商業部門の総エネルギーコストの約40%を占めている。 オープンプランオフィスのHVACエネルギー最適化のためのマルチインプットマルチアウトプットアーキテクチャを用いた低複雑さDRLモデルを提案する。
  論文  参考訳（メタデータ） (2023-06-23T07:27:31Z)
• Data-driven soiling detection in PV modules [58.6906336996604]
  太陽光発電モジュールの土質比を推定する問題について検討した。 私たちのアルゴリズムの重要な利点は、ラベル付きデータでトレーニングする必要がない、土壌を推定することです。 実験により, 土質比を推定するための工法として, 現状を著しく上回っていることが明らかとなった。
  論文  参考訳（メタデータ） (2023-01-30T14:35:47Z)
• Low Emission Building Control with Zero-Shot Reinforcement Learning [70.70479436076238]
  強化学習(RL)による制御は、建築エネルギー効率を著しく向上させることが示されている。 我々は、ゼロショットビルディング制御と呼ばれるパラダイムを優先せずに、排出削減ポリシーを得られることを示す。
  論文  参考訳（メタデータ） (2022-08-12T17:13:25Z)
• Zero-Shot Building Control [0.0]
  強化学習(RL)による制御は、建築エネルギー効率を著しく向上させることが示されている。 既存のソリューションでは、世界中のすべての建物で入手するのに非常に高価なシミュレーターを事前訓練する必要がある。 システム識別とモデルベースRLのアイデアを組み合わせることで,建物を安全かつゼロショットで制御できることを示す。
  論文  参考訳（メタデータ） (2022-06-28T17:56:40Z)
• Data-driven MIMO control of room temperature and bidirectional EV charging using deep reinforcement learning: simulation and experiments [0.0]
  建物におけるマルチインプットマルチアウトプット(MIMO)問題の制御方針を得るための,完全ブラックボックスデータ駆動方式を提案する。 目的は、次の旅行に十分なエネルギーをEVバッテリーに残しながら、乗員の快適さと省エネを最大化することである。 リカレントニューラルネットワークとピースワイズ線形関数を用いて室温とEV充電をモデル化しました。
  論文  参考訳（メタデータ） (2021-03-02T17:31:57Z)
• Controlling Rayleigh-B\'enard convection via Reinforcement Learning [62.997667081978825]
  固定外熱勾配下での対流熱交換を抑制または促進するための効果的な制御戦略の同定は、重要な基本的かつ技術的問題である。 本研究では,最先端の強化学習(RL)アルゴリズムに基づく新しい手法を提案する。 我々のRL制御は導電系を安定させ、対流の開始をレイリー数にすることができることを示す。
  論文  参考訳（メタデータ） (2020-03-31T16:39:25Z)
• NeurOpt: Neural network based optimization for building energy management and climate control [58.06411999767069]
  モデル同定のコストを削減するために,ニューラルネットワークに基づくデータ駆動制御アルゴリズムを提案する。 イタリアにある10の独立したゾーンを持つ2階建ての建物で、学習と制御のアルゴリズムを検証する。
  論文  参考訳（メタデータ） (2020-01-22T00:51:03Z)

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。