論文の概要: Accelerating Nonlinear MPC by Behavior Cloning with Separated Timescales: Application to Nuclear Reactor Load-Following

• arxiv url: http://arxiv.org/abs/2610.38496v1
• Date: Wed, 28 Oct 2026 09:15:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-31 05:25:12.386524
• Title: Accelerating Nonlinear MPC by Behavior Cloning with Separated Timescales: Application to Nuclear Reactor Load-Following
• Title（参考訳）: 分離時間スケールによる非線形MPCの挙動クローン化:原子炉負荷追従への応用
• Abstract要約: マルチスケール動的システムのためのエキスパートコントローラの挙動解析(BC)は困難である。 行動クローンのための構造化表現学習(SRLBC)を提案する。 SRLBCは、遅い状態変数、速い状態変数、予測可能な入力が異なる時間スケールで進化するマルチスケールシステムの物理的知識を活用するように設計されている。
• 参考スコア（独自算出の注目度）: 2.680173240079266
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Behavior Cloning (BC) of expert controllers for multiscale dynamical systems is challenging: state variables evolving at widely separated timescales induce highly nonlinear couplings that a shared latent space may fail to adequately represent, degrading closed-loop generalization. We propose Structured Representation Learning for Behavior Cloning (SRLBC), an architecture designed to leverage the physical knowledge of multiscale systems in which slow state variables, fast (stiff) state variables, and predictable exogenous inputs evolve at different timescales. On 500 long-horizon roll-outs of a pressurized water reactor (PWR) load-following benchmark -a high-dimensional, stiff industrial system with challenging safety constraints -and across 20 training seeds, separated embeddings systematically outperform shared embedding baselines on cumulative cost, imitation accuracy and constraint satisfaction. The resulting standalone policies approach NMPC closed-loop performance at a computational cost 15 times lower on average. Since standalone policies still leave a few percent of trajectories infeasible, we embed the learned policies in a safety-augmented approximate NMPC framework, in which the optimizer is only called when the predicted input sequence is not certified as safe. This yields controllers still 6.8 times faster than the NMPC controller on average, with a feasibility (i.e., constraint satisfaction) of at least 99.8% for all architectures, SRLBC retaining the lowest closed-loop cost. Under distribution shift, standalone BC policies degrade sharply: SRLBC degrades the least, and once safety-augmented, it retains a feasibility above 98% with the lowest closed-loop cost. Beyond the quantitative results, Jacobian-based sensitivity analysis shows that the resulting controller relies on a sparse and less redundant set of latent features, each attributable to a single group of physical variables, and aligned with the physical timescale decomposition of the system.
• Abstract（参考訳）: 広く分離された時間スケールで進化する状態変数は、共有潜在空間が適切に表現できない高い非線形結合を誘導し、閉ループ一般化を低下させる。 本研究では,低速状態変数,高速(剛性)状態変数,予測可能な外因性入力を異なる時間スケールで進化させるマルチスケールシステムの物理的知識を活用するアーキテクチャであるSRLBC(Structured Representation Learning for Behavior Cloning)を提案する。 圧力水炉 (PWR) 負荷追従ベンチマークの500回の長期ロールアウト - 挑戦的な安全制約を伴う高次元で硬い産業システム - と20の訓練種子 - において、埋め込みを分離し、累積コスト、模倣精度、制約満足度で共有埋め込みベースラインを体系的に上回った。 その結果,NMPCのクローズドループ性能は計算コストで平均15倍低下した。 スタンドアロンのポリシーは、まだ数パーセントのトラジェクトリが実現できないため、予測入力シーケンスが安全でない場合にのみオプティマイザを呼び出す安全強化された近似NMPCフレームワークに学習されたポリシーを組み込む。 これにより、NMPCコントローラよりも平均6.8倍高速であり、全てのアーキテクチャで少なくとも99.8%の実現可能性(制約満足度)を持ち、SRLBCは最低の閉ループコストを維持している。 SRLBCは最小限に低下し、安全性が向上すると、最低のクローズドループコストで98%以上の可能性を維持する。 定量的な結果の他に、ヤコビアンに基づく感度解析は、結果として得られるコントローラはスパースで冗長でない潜在的特徴の集合に依存しており、それぞれが1つの物理的変数の群に帰属し、システムの物理的時間スケールの分解と一致していることを示している。

関連論文リスト

• On the Accuracy of Approximate Leave-One-Out with Blockwise Nonsmooth Regularization in High-dimensions [66.35062523888662]
  Approximate leave-out (ALO) は、計算効率のよい計算手法である。 本研究では,ALO法を用いて,高次元比例規則におけるブロック間隔を助長する広範囲な非微分性刑罰の精度について検討した。
  論文  参考訳（メタデータ） (2026-10-20T02:18:31Z)
• Structured Representation Learning for Behavior Cloning: How can we learn to safely control a nuclear power plant? [2.680173240079266]
  本研究では,加圧水炉の負荷追従に専門家の予測制御ポリシーを模倣した行動閉鎖タスクについて検討する。 本稿では,各時間スケールの変数を別個の潜在空間に符号化し,システムの物理的分解を反映した構造化アーキテクチャを提案する。 分割埋め込みは,共有埋め込みベースラインと比較して,精度と実現可能性の両方を向上することを示した。
  論文  参考訳（メタデータ） (2026-10-05T12:22:29Z)
• Reachability-Guided Sequential Quadratic Programming-Guarded Model Predictive Path Integral for Safe Nonlinear Predictive Control [50.362993341412455]
  本稿では,長距離性能最適化とハードおよびインプット制約を組み合わせた安全ロボット制御手法を提案する。 リーチビリティ・インフォームド・ジェネレーション・リファインメントReSQ-MPPIは、リーチビリティ・インフォームド・ジェネレーション・リファインメントアーキテクチャである。
  論文  参考訳（メタデータ） (2026-10-03T09:51:55Z)
• Clipping Bottleneck: Stabilizing RLVR via Stochastic Recovery of Near-Boundary Signals [83.0127582612634]
  Near-boundary Rescue (NSR) は最小限のプラグ・アンド・プレイの修正であり、失った信号を回復するために、アウト・オブ・バウンドトークンを保持する。 NSRはトレーニングの安定性を大幅に改善し、DAPOやGSPOといった強力なベースライン上で一貫したゲインを提供する。
  論文  参考訳（メタデータ） (2026-05-21T16:45:31Z)
• ContractionPPO: Certified Reinforcement Learning via Differentiable Contraction Layers [5.690649768462432]
  本稿では,手足ロボットのロバストな計画と制御のためのフレームワークであるContractionPPOを提案する。 収縮PPOは、模擬閉ループ系の指数的安定性を証明する収縮計量を生成する。 四足歩行におけるハードウェア実験により,強い外乱下であっても,ContractionPPOは頑健で安定な制御を可能にすることが示された。
  論文  参考訳（メタデータ） (2026-03-20T04:32:18Z)
• DeFRiS: Silo-Cooperative IoT Applications Scheduling via Decentralized Federated Reinforcement Learning [62.347535250646196]
  本稿では、ロバストでスケーラブルなシロコラボ型IoTアプリケーションスケジューリングのための分散フェデレーション強化学習フレームワークであるDeFRiSを提案する。 DeFRiSは、(i)異種サイロ間のシームレスな知識伝達を可能にするための候補資源スコアを利用したアクション空間非依存ポリシー、(ii)汎用アドバンテージ推定とクリッピングされたポリシー更新を組み合わせたサイロ最適化ローカル学習メカニズム、(iii)類似性認識の知識伝達と異常検出に勾配指紋を利用するDual-Track Non-IIDロバストな分散集約プロトコル、の3つのイノベーションを統合する。
  論文  参考訳（メタデータ） (2026-03-16T02:02:38Z)
• Improving Search Agent with One Line of Code [68.58667107354253]
  ツールベースのエージェント強化学習(TARL)は,検索エージェントが外部ツールと対話できるようにトレーニングするための,有望なパラダイムとして登場した。 textbfSearch textbfAgent textbfPolicy textbfOptimization (textbfSAPO)を提案する。
  論文  参考訳（メタデータ） (2026-03-10T04:07:39Z)
• Heterogeneous Multi-Agent Proximal Policy Optimization for Power Distribution System Restoration [4.46185759083096]
  本稿では, 相互接続したマイクログリッド間の協調修復を実現するために, 不均一・エージェント強化学習フレームワークを適用した。 その結果、HARLフレームワークにマイクログリッドレベルの不均一性を組み込むことで、複雑なPSD修復のためのスケーラブルで安定で制約対応のソリューションが得られることが示された。
  論文  参考訳（メタデータ） (2025-11-18T18:23:35Z)
• Learning Stabilizing Controllers for Unstable Linear Quadratic Regulators from a Single Trajectory [85.29718245299341]
  線形2次制御器(LQR)としても知られる2次コストモデルの下で線形制御器を研究する。 楕円形不確実性集合内の全ての系を安定化させる制御器を構成する2つの異なる半定値プログラム(SDP)を提案する。 高い確率で安定化コントローラを迅速に識別できる効率的なデータ依存アルゴリズムであるtextsceXplorationを提案する。
  論文  参考訳（メタデータ） (2020-06-19T08:58:57Z)

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。