MPC に関する報道

MPC に学習ポリシーを埋め込む従来のアプローチは、サンプリング分布の中心をポリシー出力に配置することですが、これにより、以前の不一致が発生した場合の探索が制限されます。 ProxPI は、ソフト近接コストを通じて公称中心サンプリングを維持し、分散外シナリオでのタスクの最適な到達可能性を維持します。これは、戦略と最適化制御の統合が「戦略主導」から「最適化制約の下での戦略主導」に移行していることを示しています。

この研究では、強化学習と微分可能 MPC の間の勾配のギャップを埋めることを試みています。環境サンプルへの RL の依存性を維持しながら、ソルバー勾配低減戦略を使用して分散を検索します。本質的には、サンプル効率とモデルのバイアスの間の新しい平衡点を見つけることです。確立されれば、手動パラメータ調整から学習駆動型のオンライン最適化までMPC適応制御が促進され、そのクロスシナリオ汎化能力に注目する価値があります。