Articles sur MPC

L’approche traditionnelle pour intégrer les politiques d’apprentissage dans le MPC consiste à placer le centre de la distribution d’échantillonnage sur le résultat de la politique, mais cela limite l’exploration lorsque l’inadéquation préalable se produit. ProxPI préserve l'échantillonnage central nominal grâce à un coût de proximité douce, maintenant ainsi l'accessibilité optimale des tâches dans les scénarios de non-distribution. Cela montre que l'intégration de la stratégie et du contrôle d'optimisation passe de « dirigée par la stratégie » à « guidée par la stratégie sous des contraintes d'optimisation ».

Cette recherche tente de combler l'écart de gradient entre l'apprentissage par renforcement et le MPC différentiable : recherche de variance avec une stratégie de réduction de gradient du solveur tout en préservant la dépendance de RL aux échantillons environnementaux. Il s’agit essentiellement de trouver un nouveau point d’équilibre entre l’efficacité de l’échantillon et le biais du modèle. S'il est établi, il favorisera le contrôle adaptatif MPC depuis l'ajustement manuel des paramètres jusqu'à l'optimisation en ligne basée sur l'apprentissage, et il convient de prêter attention à sa capacité de généralisation entre scénarios.