論文の概要: An Integrated Architecture for Data-Efficient Real-Time Neural Imitation of Nonlinear Time-Optimal Model Predictive Control
- arxiv url: http://arxiv.org/abs/2611.17005v1
- Date: Thu, 12 Nov 2026 16:04:44 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-14 01:36:33.510689
- Title: An Integrated Architecture for Data-Efficient Real-Time Neural Imitation of Nonlinear Time-Optimal Model Predictive Control
- Title(参考訳): 非線形時間最適モデル予測制御のためのデータ効率のよい実時間ニューラルシミュレーションのための統合アーキテクチャ
- Abstract要約: 時間サンプリング予測制御モデル(TOMPC)は制約されたシステムの高い性能制御を可能にするが、その計算コストは高速システムのリアルタイム利用を禁止している。
我々は、データインフォームドエキスパートインフォームド(SIFS)戦略を開発し、タイム・ツー・ゴー(time-to-go)を用いて、ポリシーが時間学習行動から逸脱する場所のみの専門家に問い合わせる。
- 参考スコア(独自算出の注目度): 3.598200085449531
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Nonlinear time-optimal model predictive control (TOMPC) enables highly performant control of constrained systems, but its computational cost prohibits real-time use on fast dynamical systems. Neural network imitation of the TOMPC control law can reduce online computational costs, yet existing work mostly targets quadratic cost formulations in simulation and addresses the challenges of neural controllers in isolation. This work imitates a long-horizon nonconvex TOMPC with hard terminal constraints, whose high computational cost limits training-data generation. We present (i) \emph{self-informed sampling (SIFS)}, a data-efficient expert-sampling strategy that uses a learned time-to-go to query the expert only where the policy deviates from time-optimal behavior, (ii) a complete training and control architecture that jointly addresses dataset correlation, suboptimal expert labels, covariate shift, constraint satisfaction and model mismatch, and (iii) real-world validation on a Furuta pendulum. SIFS matches standard dataset aggregation performance in roughly one-third of the training time and with less than half the training data. The resulting controller matches the region of attraction of the expert TOMPC while raising the control frequency from 1.4~Hz to 1~kHz. On hardware, the controller swings up and stabilizes the pendulum along trajectories closely matching the expert TOMPC solution.
- Abstract(参考訳): 非線形時間最適モデル予測制御(TOMPC)は制約されたシステムの高い性能制御を可能にするが、計算コストは高速な動的システムのリアルタイム利用を禁止している。
TOMPC制御法のニューラルネットワーク模倣は、オンライン計算コストを削減できるが、既存の作業は主にシミュレーションにおける二次的なコストの定式化を目標としており、ニューラルコントローラの分離による課題に対処している。
この研究は、高い計算コストでトレーニングデータ生成が制限される厳しい終端制約を持つ長い水平な非凸TOMPCを模倣する。
現況
i) \emph{self-informed sample (SIFS) は、学習した時間対ゴーを使用して、ポリシーが時間-最適動作から逸脱した場合にのみ専門家に問い合わせる、データ効率のよい専門家サンプリング戦略である。
二 データセット相関、準最適専門家ラベル、共変量シフト、制約満足度及びモデルミスマッチに共同で対処する完全トレーニング及び制御アーキテクチャ
三 古田振り子の実世界検証
SIFSはトレーニング時間のおよそ3分の1で、トレーニングデータの半数未満で、標準的なデータセットアグリゲーションのパフォーマンスと一致します。
コントローラはエキスパートTOMPCのアトラクション領域と一致し、コントロール周波数は1.4〜Hzから1〜kHzに上昇する。
ハードウェア上では、コントローラは専門家のTOMPCソリューションと密接に一致する軌道に沿って振り子を起動し、安定化する。
関連論文リスト
- A Scalable Learned Iterative Solver for Nonlinear MPC via Temporal Decomposition [0.0]
制約最適化のための学習型反復解法(LISCO)を開発した。
ネットワークサイズを地平線から独立させるため,問題解決アーキテクチャにおける問題の時間的構造を利用する。
クローズドループ再サンプリング戦略は、さらにトレーニング分布とクローズドループ動作とを追加のサンプリングコストで整合させる。
論文 参考訳(メタデータ) (2026-10-09T12:13:21Z) - Deep Reinforcement Learning-Enhanced Event-Triggered Data-Driven Predictive Control for a 3D Cable-Driven Soft Robotic Arm [15.863274172058759]
ソフトロボット制御のための適応型強化学習に基づくイベントトリガー型DeePCフレームワークを提案する。
RL-ET-DeePCは周期的なDeePCと比較して最適化周波数を最大66%削減する。
三次元ケーブル駆動型ソフトロボットアームのハードウェア実験は、ゼロショット転送を実証している。
論文 参考訳(メタデータ) (2026-06-24T17:26:18Z) - Amortized Nonlinear Model Predictive Control [3.2228025627337864]
最適制御は、現在の状態と参照に依存するコストパラメータを持つ状態依存二次プログラム(QP)によって近似できることを示す。
カーテシアンエンドエフェクタートラッキングを用いた3リンク平面ロボットアームのアプローチを検証し,NLPソルバ上でのオーダー・オブ・マグニチュード・スピードアップを実証した。
論文 参考訳(メタデータ) (2026-06-04T08:15:23Z) - Hierarchical adaptive control for real-time dynamic inference at the edge [1.018651537140377]
産業システムは機械学習(ML)にますます依存している
モデルとシステム決定を協調的に最適化する2層適応アーキテクチャを提案する。
遅延時間の平均は2.45倍、エネルギーは2.86倍まで減少し、静的ベースラインに比べて4%未満の精度で低下した。
論文 参考訳(メタデータ) (2026-04-29T09:28:03Z) - When Learning Hurts: Fixed-Pole RNN for Real-Time Online Training [58.25341036646294]
本研究では,再帰性極の学習がデータに有意な利点をもたらしない理由を解析的に検討し,実時間学習シナリオを実証的に提供する。
固定極ネットワークは、トレーニングの複雑さを低減し、オンラインリアルタイムタスクにより適していることを示す。
論文 参考訳(メタデータ) (2026-02-25T00:15:13Z) - Fine-Tuning of Neural Network Approximate MPC without Retraining via Bayesian Optimization [81.35990332700389]
近似モデル予測制御(AMPC)は、MPCの動作をニューラルネットワークで模倣することを目的としている。
デプロイメント中、基盤となるMPCのパラメータは通常、微調整されなければならない。
最近の研究は、MPC最適化問題の近似感度を用いてAMPCを調整することなく適用することでこの問題に対処している。
論文 参考訳(メタデータ) (2025-12-16T12:24:08Z) - Autonomous Vehicle Controllers From End-to-End Differentiable Simulation [57.278726604424556]
そこで我々は,AVコントローラのトレーニングにAPG(analytic Policy gradients)アプローチを適用可能なシミュレータを提案し,その設計を行う。
提案するフレームワークは, エージェントがより根底的なポリシーを学ぶのを助けるために, 環境力学の勾配を役立てる, エンド・ツー・エンドの訓練ループに, 微分可能シミュレータを組み込む。
ダイナミクスにおけるパフォーマンスとノイズに対する堅牢性の大幅な改善と、全体としてより直感的なヒューマンライクな処理が見られます。
論文 参考訳(メタデータ) (2024-09-12T11:50:06Z) - Semi-Federated Learning: Convergence Analysis and Optimization of A
Hybrid Learning Framework [70.83511997272457]
本稿では,ベースステーション(BS)とデバイスの両方を活用するセミフェデレーション学習(SemiFL)パラダイムを提案し,中央集権学習(CL)とFLのハイブリッド実装を提案する。
我々はこの難解な問題を解くための2段階のアルゴリズムを提案し、ビームフォーマに閉形式解を提供する。
論文 参考訳(メタデータ) (2023-10-04T03:32:39Z) - End-to-End Reinforcement Learning of Koopman Models for Economic Nonlinear Model Predictive Control [45.84205238554709]
本研究では, (e)NMPCの一部として最適性能を示すために, Koopman シュロゲートモデルの強化学習法を提案する。
エンドツーエンドトレーニングモデルは,(e)NMPCにおけるシステム識別を用いてトレーニングしたモデルよりも優れていることを示す。
論文 参考訳(メタデータ) (2023-08-03T10:21:53Z)
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。