כתבה
arXiv cs.LG ·
הכלאה של שליטה ב-HVAC באמצעות רכיבת רגלי רל ללאומד
Generalizing HVAC Control With Domain Randomized Reinforcement Learning
אנו מציגים רכיבת רגלי רל (NOMAD-RL) שמאפשרת שליטה ב-HVAC באמצעות רגלי רל ללאומד, המסוגלת להכלאה באמצעות רגלי רל ללאומד. הרכיבת רגלי רל (NOMAD-RL) נבחנה בהשוואה ל-PID קבוע, RL ללא רגלי רל, ו-MPC בשתי סיטואציות: חד-זונית ו-מרוב-זונית.
תקציר מקורי באנגליתarXiv:2609.05822v1 Announce Type: new Abstract: Deploying advanced HVAC (Heating, Ventilation and Air Conditioning) controllers at scale remains difficult because performance often depends on accurate building models or per-site retuning. We propose NOMAD-RL (Neural Online Meta-Adaptation for Dynamics), a general-purpose Reinforcement Learning (RL) controller designed to transfer across heterogeneous thermal zones through a universal, non-invasive thermostat interface. The controller acts on temperature setpoints from zone measurements and forecasts, while a recurrent policy supports online adaptation under partial observability. Our main contribution is an adaptive domain randomization scheme based on physics-informed normalizing flows, which models correlated and multimodal distributions
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית