論文の概要: Hi-CoLA: High Confidence Lower Bound Approximation Based Reinforcement Learning for Flex-Route Transit Operation Control
- arxiv url: http://arxiv.org/abs/2611.01071v1
- Date: Sat, 31 Oct 2026 16:09:41 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-13 08:11:49.965519
- Title: Hi-CoLA: High Confidence Lower Bound Approximation Based Reinforcement Learning for Flex-Route Transit Operation Control
- Title(参考訳): Hi-CoLA:Flex-Routeトランジット操作制御のための高信頼低境界近似に基づく強化学習
- Abstract要約: 本稿では,フレキシブル・ルート・トランジット(FRT)システムのリアルタイム動作制御のための安全策について検討する。
重要サンプリングと濃度不等式を組み合わせた高信頼低境界近似(Hi-CoLA)フレームワークを提案する。
Hi-CoLAはパフォーマンスが保証されたリアルタイムFRT制御を強化し、他の安全クリティカルな意思決定シナリオにも広く適用できる。
- 参考スコア(独自算出の注目度): 17.283193305297484
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper studies safe policy improvement for real-time operation control of flex-route transit (FRT) systems, where robustness is critical and any performance decrease is undesirable. While reinforcement learning (RL) has shown strong empirical success, its adoption remains limited in safety and cost critical applications, such as intelligent transportation, since learned policies lack statistically certified performance guarantees before deployment. In this paper, we propose the High Confidence Lower Bound Approximation (Hi-CoLA) RL framework, which combines importance sampling and concentration inequalities with a differentiable surrogate network to efficiently estimate the high-confidence performance lower bound and optimize it via policy gradient for robust performance improvement. On the FRT operation control problem, Hi-CoLA outperforms state-of-the-art offline and safe RL methods in both average and tail-risk performance. A case study on an actual route in Chicago, implemented in the SUMO simulator, serves as a proof of concept. Hi-CoLA enhances real-time FRT control with guaranteed performance and is broadly applicable to other safety critical decision-making scenarios.
- Abstract(参考訳): 本稿では、フレキシブル・ルート・トランジット(FRT)システムのリアルタイム動作制御における安全性向上について検討する。
強化学習(RL)は、実証的な成功例は多いが、その採用は、インテリジェントトランスポートのような安全とコストクリティカルなアプリケーションに限られている。
本稿では,高信頼度低境界近似 (Hi-CoLA) RLフレームワークを提案する。このフレームワークは,高信頼度性能の低境界を効率的に推定し,高信頼度性能の向上を図り,ロバストな性能改善のためにポリシー勾配を用いて最適化する。
FRT操作制御問題において、Hi-CoLAは、平均とテールリスクの両方のパフォーマンスにおいて、最先端のオフラインおよび安全なRLメソッドより優れている。
SUMOシミュレーターで実装されたシカゴの実際のルートに関するケーススタディは、概念実証の役割を果たしている。
Hi-CoLAはパフォーマンスが保証されたリアルタイムFRT制御を強化し、他の安全クリティカルな意思決定シナリオにも広く適用できる。
関連論文リスト
- Prescribed Performance Guided Safe Reinforcement Learning for Roundabout Navigation of Autonomous Vehicles [5.38329811802426]
RLTrajGen-PPMPC-CBFは、安全で滑らかで快適なラウンドアバウトナビゲーションのための階層的なフレームワークである。
我々は、基準軌跡と制御出力との漸進的かつ安定した収束を強制するために、規定された性能制約を用いる。
その結果, 平均成功率は6.25%増加し, 65.87%低下した。
論文 参考訳(メタデータ) (2026-10-20T06:54:57Z) - Robo-ValueRL: Reliable Value Estimation for Offline-to-Online Reinforcement Learning [68.24807262483993]
信頼性の高い価値推定を可能にする統一的なフレームワークであるRobo-ValueRLを提案する。
240時間にわたるオフラインデモと3000以上のオンラインロールアウトトラジェクトリを通じて、ダウンストリームのパフォーマンスが価値の信頼性と強く関連していることを示す実験を行った。
本システムでは,ミリレベルの精密チップ挿入で86%,一般化可能なブロック分解で84%を達成している。
論文 参考訳(メタデータ) (2026-07-10T18:01:05Z) - Test-Time Gradient Guidance of Flow Policies in Reinforcement Learning [50.738952715864116]
表現的連続制御ポリシは、シミュレーションされた実ロボット制御のための模倣学習のスケーリングにおける進歩のバックボーンを形成する。
テスト時に完全にポリシー最適化を行うRLアルゴリズムであるQGF(Q-Guided Flow)を提案する。
実証的には、QGFはシングルタスクおよびゴール条件のオフラインRLベンチマークにおいて、以前のテスト時間RLメソッドよりも優れている。
論文 参考訳(メタデータ) (2026-06-09T16:45:57Z) - Stabilizing Policy Optimization via Logits Convexity [59.242732612484474]
モデルロジットに対する教師付き微調整損失の凸性は、安定したトレーニングを可能にする上で重要な役割を担っていることを示す。
そこで本研究では,ロジッツ・コンベックス最適化(Logits Convex Optimization, LCO)を提案する。
論文 参考訳(メタデータ) (2026-03-01T07:40:12Z) - Safe Reinforcement Learning via Recovery-based Shielding with Gaussian Process Dynamics Models [57.006252510102506]
強化学習(Reinforcement Learning, RL)は、最適な意思決定と制御のための強力なフレームワークである。
本稿では,未知および非線形連続力学系に対する安全性を低くした安全RLを実現するための新しい回復型遮蔽フレームワークを提案する。
論文 参考訳(メタデータ) (2026-02-12T22:03:35Z) - Don't Trade Off Safety: Diffusion Regularization for Constrained Offline RL [21.316556011382932]
制約付き強化学習(RL)は、安全制約下での高性能な政策を求める。
拡散規則化制約付きオフライン強化学習(DRCORL)を提案する。
DRCORLは、まず拡散モデルを使用して、オフラインデータから行動ポリシーをキャプチャし、その後、効率的な推論を可能にするために単純化されたポリシーを抽出する。
論文 参考訳(メタデータ) (2025-02-18T00:00:03Z) - Learning-Enhanced Safeguard Control for High-Relative-Degree Systems: Robust Optimization under Disturbances and Faults [6.535600892275023]
本稿では,強化学習に基づく最適制御問題における安全性保証によるシステム性能の向上を目的とする。
安全性の勾配と性能の勾配の関係を定量化するために,勾配類似性の概念を提案する。
安全性を保証するため、安全なRLフレームワークに勾配操作と適応機構を導入している。
論文 参考訳(メタデータ) (2025-01-26T03:03:02Z) - Control invariant set enhanced safe reinforcement learning: improved
sampling efficiency, guaranteed stability and robustness [0.0]
この研究は、制御不変集合(CIS)拡張RLと呼ばれる新しいRLトレーニング手法を提案する。
提案手法のロバスト性は不確実性の存在下で検討される。
その結果,オフライントレーニングにおけるサンプリング効率の大幅な向上と,オンライン実装におけるクローズドループ安定性の保証が得られた。
論文 参考訳(メタデータ) (2023-05-24T22:22:19Z) - Safe Reinforcement Learning via Confidence-Based Filters [78.39359694273575]
我々は,標準的な強化学習技術を用いて学習した名目政策に対して,国家安全の制約を認定するための制御理論的アプローチを開発する。
我々は、正式な安全保証を提供し、我々のアプローチの有効性を実証的に実証する。
論文 参考訳(メタデータ) (2022-07-04T11:43:23Z) - Remote Electrical Tilt Optimization via Safe Reinforcement Learning [1.2599533416395765]
リモート電気ティルト(RET)最適化は、ネットワークのキーパフォーマンス指標(KPI)を最適化するために、基地局(BS)アンテナの垂直傾き角を調整する効率的な方法である。
本研究では、傾き制御戦略の学習を目的とした安全強化学習(SRL)フレームワークにおけるRET最適化問題をモデル化する。
実験の結果,提案手法は安全で改良された傾き更新ポリシーを学習でき,信頼性が高く,現実のネットワーク展開の可能性も高いことがわかった。
論文 参考訳(メタデータ) (2020-10-12T16:46:40Z)
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。