Powertrain Vibration Suppression via the Integration of Domain Randomization-Based Deep Reinforcement Learning Control and Model-Based Control
環境乱択に基づく深層強化学習制御とモデルベース制御の融合によるパワートレインの振動抑制
- Delivery
- Available on this site
- Format
- Price
- Non-members (tax incl.)：￥1,100 Members (tax incl.)：￥880
- Publication code
- 20266372
- Paper/Info type
- Proceedings (Autumn)
No.169-26
- Pages
- 1-2(Total 2 p)
- Date of publication
- Oct 2026
- Publisher
- JSAE
- Language
- Japanese
- Event
- 2026 JSAE Annual Congress (Autumn)
Detailed Information
| Author(J) | 1) 米沢 平成, 2) 米沢 安成, 3) 梶原 逸朗 |
|---|---|
| Author(E) | 1) Heisei Yonezawa, 2) Ansei Yonezawa, 3) Itsuro Kajiwara |
| Affiliation(J) | 1) 北海道大学, 2) 北海道大学, 3) 北海道大学 |
| Affiliation(E) | 1) Hokkaido University, 2) Hokkaido University, 3) Hokkaido University |
| Abstract(J) | パワートレインの制御系設計は，非線形性や動特性の不確かさを考慮する必要がある．近年，深層強化学習が有力な手法として注目されているが，学習の非効率性や方策の保守化が課題である．本研究はベース性能を担保するモデルベース制御器を導入することで，環境乱択に基づく深層強化学習制御を支援する手法を提案する． Translation |
| Abstract(E) | The design of control systems for powertrains requires consideration of nonlinearities and uncertainties in dynamic characteristics. In recent years, deep reinforcement learning has attracted considerable attention as a promising approach; however, learning inefficiency and policy conservativeness remain significant challenges. To address these issues, this study proposes a method for assisting domain randomization-based deep reinforcement learning by introducing a model-based controller that ensures baseline performance. |
