幾何学的分布制御：部分的な構造知識を用いた学習進捗

Geometric Distributional Control (GDC) は、部分的な構造知識（幾何学、物理、ルール、制約など）が既知であるが、タスク進行の局所的な方向が不確かな中間領域の実時間制御のための手法である。制御を実現可能性（feasibility）と進行（progress）に分解し、既知の構造から実行可能な足場（scaffold）を構築し、進行重み付きの実現可能データから欠落した方向信号を学習する。学習されたスコアはBellman的な局所値勾配として機能し、大域的なBellman再帰や完全なプランナー、ブラックボックス方策を必要としない。オフラインでは弱い符号付き進行証明を持つ短い既知実現可能スニペットから進行傾斜分布を適合させ、オンラインではスコアを足場に投影し後退地平線フィードバックで適用する。

従来のモデル予測制御や強化学習は、それぞれ完全なモデル指定または長期的な価値信号の推論を必要とし、中間領域では非効率または高分散でスケールしにくい。GDCは、部分的な知識を活用しつつ、大域的なBellman再帰や完全なプランナーを不要とすることで、この中間領域を扱う。また、実現可能性と進行を分離することで、ブラックボックス方策が両方を吸収する問題を回避し、既知の構造を保証しながら学習を可能にする点が新しい。

手法の核心は、制御をfeasibilityとprogressに因子分解すること。既知の幾何学、ルール、制約、応答マップから実行可能なscaffoldを定義し、その上でprogress-weighted feasible dataから欠落した方向信号を学習する。学習されたスコアはBellman-likeな局所値勾配として機能し、大域的なBellman再帰を必要としない。オフラインでは、弱い符号付き進行証明を持つ短い既知実現可能スニペットから進行傾斜分布を適合させる。オンラインでは、スコアをscaffoldに投影し、receding-horizon feedbackで適用する。

構造化マルチレベル最適化とSUMOルート進行運転の2つのタスクで検証した。既知のみのソルバーと学習ベースラインと比較し、scaffoldで強制されるfeasibilityを維持しつつ、性能が向上することを示した。また、スコアがデータ誘導のソフト進行価値を降下することを理論的に証明した。

要旨からは、GDCの限界や仮定に関する議論は不明。ただし、部分的な知識の質や量が性能に与える影響、進行証明の弱さの影響、大規模な行動空間でのスケーラビリティなどが潜在的な議論点と考えられるが、要旨には明記されていない。

要旨で参照されている関連研究は、predictive optimization、model-based control、reinforcement learning、SUMO（交通シミュレータ）など。次に読むべき論文としては、これらの分野の基礎的な研究や、GDCの理論的基盤となるBellman方程式や分布強化学習に関する論文が考えられるが、具体的なタイトルは要旨からは不明。