ProxPI 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。