Сэмплирующий MPC с доверительными областями вместо ручной настройки гиперпараметров

США и Запад · вчера

Для алгоритмов сэмплирующего модельно-предиктивного управления, таких как MPPI, предложена формулировка с доверительной областью, ограничивающей обновление распределения-предложения через границу KL-дивергенции и, опционально, нижнюю границу энтропии. Это заменяет эвристическую адаптацию температуры и импульса значениями, оптимальными относительно лагранжиана.

Почему это важно

Принципиальная настройка параметров повышает предсказуемость и воспроизводимость сэмплирующих регуляторов в задачах управления сложными системами.

Созвучно продуктам ЦД

ЦДГ ЦД.Прогноз

Заголовок оригинала: Sampling-based Model Predictive Control Using Trust Regions

Читать первоисточник: arXiv — Systems and Control (eess.SY)

Перевод и краткое изложение — машинные, по материалам источника. Полный текст статьи не републикуется; права на него принадлежат источнику.

Рядом по теме

ПрогнозированиеАСЕАН4 ч

When quantum meets AI: NUS brings together international experts to turn frontier technologies into real-world solutions

The National University of Singapore (NUS) and the Society of Algorithmic Intelligence (SoAI) is hosting IntelligenceX 2026: Global Quantum × AI Frontier, from 24 to 26 September 2026 at NUS University Town, focused on advances at the intersection of quantum computing and artificial intelligence…

ЦДПЦДТЦД.ХранилищеNational University of Singapore — News ↗

Цифровой двойникСША и Западвчера

Физически информированное прогнозирование атмосферной температуры для климатических цифровых двойников

Исследование оценивает физически информированную нейросеть для краткосрочного прогноза потенциальной температуры при неполных термических наблюдениях, используя уравнение адвекции-источника в координатах давления и замыкание диабатического источника, зафиксированное по предыдущим 12 часам. Валидация выполнена на почасовых данных реанализа ERA5 на трех уровнях давления для горизонтов один, два и три часа в сравнении с персистентностью, локальным трендом и двумя нейросетевыми базовыми моделями.

ЦДГЦД.ПрогнозarXiv API — полнотекстовый поиск "digital twin" ↗

ПрогнозированиеСША и Западвчера

Коллективное трубное MPC с безусловными совместными сертификатами безопасности

Предложен подход collective tube MPC, в котором калибруемым объектом неопределенности служит вся траектория ошибки прогноза на конечном горизонте, а не отдельные события с объединением оценок. Траекторная трубка калибруется офлайн, ее сечения задают онлайн-сужения по Понтрягину, а сертифицируемым событием нарушения является выход новой траектории ошибки за пределы трубки.

ЦД.ПрогнозarXiv — Systems and Control (eess.SY) ↗