論文の概要: ZipDrift: Generating Multimodal Short-Horizon MPC Costs with One-Step Drifting Models
- arxiv url: http://arxiv.org/abs/2611.05793v2
- Date: Thu, 05 Nov 2026 04:44:47 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-06 21:50:50.40039
- Title: ZipDrift: Generating Multimodal Short-Horizon MPC Costs with One-Step Drifting Models
- Title（参考訳）: ZipDrift: ワンステップドリフトモデルによるマルチモーダル短距離MPCコストの生成
- Abstract要約: 短水平モデル予測制御(MPC)は高速だが筋電図である。
ZipMPCは、ロングホライズンの専門家を模倣したショートホライズンコストの文脈依存的な補正を学ぶことで補償する。
MPCコストの補正よりも1ステップドリフトジェネレータを訓練するZipDriftを提案する。
- 参考スコア（独自算出の注目度）: 4.426853519654248
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Short-horizon model predictive control (MPC) is fast but myopic. ZipMPC compensates by learning a context-dependent correction of the short-horizon cost that imitates a long-horizon expert. We observe that the optimal correction is often multimodal: when a slower opponent can be passed on either side, good corrections of opposite sign coexist, and the expert's choice between them hinges on tiny cost differences. Deterministic regression then averages modes or inherits inconsistent expert tie-breaking. We propose ZipDrift, which trains a one-step drifting generator over MPC cost corrections, tilted toward low closed-loop cost and learned only from cost evaluations of candidate corrections, without differentiating through the optimiser. A few generated candidates are ranked by a learned critic, and the model-based MPC then enforces dynamics and constraints. In a kinematic overtaking benchmark derived from ZipMPC, more than half of the contexts are bimodal and the manual short-horizon MPC crashes in 28% of them. With an eight-dimensional stagewise correction, evaluated on 1000 fresh contexts and five training seeds, ZipDrift with eight candidates crashes in 0.74% of episodes, compared with 3.4% for an idealised ZipMPC-style regressor and 2.1% for critic-ranked random candidates with the same budget. A mixture density network (MDN) with the same selection is equally good (0.76%). The benefit of drifting lies in sample quality: in a pre-specified test on further unseen contexts, a single drifting sample crashes in 8.7% of episodes against 13.2% for the MDN, and ZipDrift needs four candidates instead of eight to fall below 1%. With many candidates, all methods degrade as selection exploits errors of the critic.
- Abstract（参考訳）: 短水平モデル予測制御(MPC)は高速だが筋電図である。
ZipMPCは、ロングホライズンの専門家を模倣したショートホライズンコストの文脈依存的な補正を学ぶことで補償する。
最適補正は、しばしばマルチモーダルであり、遅い相手をどちらか一方に渡すことができれば、反対の符号共存の良好な補正が可能であり、専門家の選択は、わずかなコスト差に依存している。
決定論的回帰は、モデムを平均化するか、一貫性のない専門家の結びつきを継承する。
ZipDriftは,MPCのコスト補正よりも1ステップのドリフトジェネレータを訓練し,低クローズドループコストに傾き,オプティマイザを介さずに,候補修正のコスト評価からのみ学習する。
いくつかの生成された候補は、学習した批評家によってランク付けされ、モデルベースのMPCはその後、ダイナミックスと制約を強制する。
ZipMPCから得られたキネマティックオーバーテイクベンチマークでは、コンテキストの半分以上がバイモーダルであり、手動の短水平MPCが28%でクラッシュする。
8次元の段階的な修正により、1000の新鮮な文脈と5つの訓練種で評価され、8人の候補者が0.74%のエピソードでクラッシュするのに対し、ZipMPCスタイルの回帰器は3.4%、批判されたランダムな候補は同じ予算で2.1%である。
同じ選択の混合密度ネットワーク(MDN)も同様に良い(0.76%)。
ドリフトの利点はサンプルの品質にある: 未確認の状況での事前試験では、MDNの13.2%に対してエピソードの8.7%で1回のドリフトサンプルがクラッシュし、ZipDriftは8つではなく4つの候補が必要であり、1%以下である。
多くの候補において、選択が批評家の誤りを悪用するので、すべてのメソッドは劣化する。
関連論文リスト
- Imitation Learning of Avoidance Modes for Efficient Multimodal Model Predictive Control [15.709991749199082]
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。
論文 参考訳（メタデータ） (2026-10-12T07:44:08Z) - On the Limits of Machine-Learned Ranking for Modern Microarchitectural Policies [1.9175849355388896]
機械学習予測器はサイクルレベルのシミュレーションよりもはるかに高速にプロセッサ性能を推定する。
2つの設計形態でML予測器を4つ評価する。
論文 参考訳（メタデータ） (2026-08-02T06:55:43Z) - Certified Optimal Measurement Reduction over Quantum Context Landscapes [0.0]
RANGEを用いて,Fockproxy-co-Fockproxy-Fockproxy-Fockproxy-Fockproxy-Fockproxy-Fockproxy-Fockproxy-Fockproxy-Fockpr oxy-Fockproxy-Fockproxy-Fockproxy-Fockproxy-Fockproxy-Fockproxy-Fockproxy-Fockproxy-Fockproxy-Fockpr oxy-Fockproxy-Fockproxy-Fockproxy-Fockproxy-Fockproxy-Fockproxy-Fockproxy-Fockproxy-Fockproxy-Fockpr oxy-Fockproxy-Fockproxy-Fockproxy-Fockproxy-Fockproxy-Fockproxy-Fockproxy-Fockproxy-Fockproxy-Fockpr oxy-Fockproxy-Fockproxy-Fockproxy-Fockproxy-Fockproxy-Fockproxy-Fockproxy-Fockproxy。
論文 参考訳（メタデータ） (2026-07-18T16:06:52Z) - Instance-Optimal Estimation with Multiple LLM Judges on a Budget [84.31744861038106]
我々は、この問題を*予算付きヘテロスケダティックなマルチジャッジ推定*として定式化する。
K$のプロンプト-レスポンスペア、J$の既知のコストと未知のクエリ-ジャッジ分散が与えられた場合、目標は、$ell_p$-errorを最小化しながら、有界スコアベクトルを推定することである。
EST-IVWEは,予算の低次項までのオラクルIVWEレートと一致していることを示す。
論文 参考訳（メタデータ） (2026-05-22T08:26:08Z) - Decoupled Conformal Optimisation: Efficient Prediction Sets via Independent Tuning and Calibration [20.21455697379946]
そこで我々は,列車チューンキャリブレート設計の原則としてデカップリング・コンフォーマル最適化(DCO)を提案する。
DCOは、効率指向構造選択のために独立したチューニングスプリットと、最終共形量子化のための新鮮なキャリブレーションスプリットを使用する。
DCOは,PACスタイルのキャリブレーションに対して,平均予測セットサイズや間隔幅を小さくしながら,名目カバレッジレベルを密に追跡する。
論文 参考訳（メタデータ） (2026-05-18T13:10:21Z) - GridProbe: Posterior-Probing for Adaptive Test-Time Compute in Long-Video VLMs [3.9266376632068485]
GridProbeは、効率的なトレーニング不要な後処理推論パラダイムである。
解答空間における証拠は、凍結したVLM自身の推論を用いて得られる。
疑似関連フレームを適応的に選択し、精度の損失が少なくて、準四分法的な注意コストをもたらす。
論文 参考訳（メタデータ） (2026-05-11T15:57:46Z) - MARBLE: Multi-Aspect Reward Balance for Diffusion RL [71.6241143519038]
強化学習は、拡散モデルと人間の嗜好を整合させる主要なアプローチとなっている。
既存のプラクティスは、報酬ごとに1つのスペシャリストモデルをトレーニングすることで、複数の報酬を処理します。
我々は,各報酬に対する独立な優位推定器を維持する勾配空間最適化フレームワークMARBLEを提案する。
論文 参考訳（メタデータ） (2026-05-07T16:20:42Z) - ZIP-RC: Optimizing Test-Time Compute via Zero-Overhead Joint Reward-Cost Prediction [57.799425838564]
ZIP-RCは、モデルに報酬とコストのゼロオーバーヘッド推論時間予測を持たせる適応推論手法である。
ZIP-RCは、同じまたはより低い平均コストで過半数投票よりも最大12%精度が向上する。
論文 参考訳（メタデータ） (2025-12-01T09:44:31Z) - Squeeze the Soaked Sponge: Efficient Off-policy Reinforcement Finetuning for Large Language Model [56.92219181993453]
本稿では,PPOやGRPOなどのオンラインRFT手法をオフ・ポリティクスデータに活用するために,Reincarnating Mix-policy Proximal Policy Gradient (ReMix)を提案する。
ReMix は,(1) 効率的なトレーニングのための更新データ(UTD)比が増大した混成政策勾配,(2) 安定性と柔軟性のトレードオフのバランスをとるためのKL-Convex 政策制約,(3) 効率的な早期学習から安定した改善へのシームレスな移行を実現するための政策再編成の3つの主要な構成要素から構成される。
論文 参考訳（メタデータ） (2025-07-09T14:29:45Z)
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。