非線形制御のためのIRLベースSDRE

Research Paper#Control Systems, Reinforcement Learning, Nonlinear Systems🔬 Research|分析: 2026年1月3日 19:46•
公開: 2025年12月27日 18:03
•
1分で読める
•ArXiv

分析

本論文は、積分強化学習（IRL）を用いて状態依存リカッチ方程式（SDRE）を解くことにより、非線形システムを制御する新しいアプローチを提示しています。主な貢献は、従来のSDRE方法で一般的な要件である、システムのドリフトダイナミクスの明示的な知識を必要としない、部分的にモデルフリーな方法です。これは、完全なシステムモデルが利用できない、または取得が困難なシナリオでの制御設計を可能にするため、重要です。論文は、シミュレーションを通じて提案されたアプローチの有効性を示し、古典的なSDRE方法と同等の性能を示しています。
引用・出典
原文を見る
"The IRL-based approach achieves approximately the same performance as the conventional SDRE method, demonstrating its capability as a reliable alternative for nonlinear system control that does not require an explicit environmental model."
A
ArXiv2025年12月27日 18:03
* 著作権法第32条に基づく適法な引用です。
古い記事

A survey of interlayer interaction models for graphene and other 2D materials

新しい記事

INTERACT-CMIL: Multi-Task Shared Learning and Inter-Task Consistency for Conjunctival Melanocytic Intraepithelial Lesion Grading

関連分析

Research Paper

SpaceTimePilot：空間と時間の制御による生成ビデオレンダリング

2026年1月3日 06:10

Research Paper

量子カオスハミルトニアン進化におけるランダム性生成

2026年1月3日 06:10

Research Paper

GaMO：幾何学認識拡散を用いた疎視点3D再構成

2026年1月3日 06:32

原文: ArXiv