残差強化学習によるプロダクション対応の自動ECUキャリブレーション
arXiv cs.LG / 2026/4/9
💬 オピニオンSignals & Early TrendsIdeas & Deep AnalysisModels & Research
要点
- 本論文は、手作業で設計されたECUキャリブレーションと、開発サイクルの短縮、車両バリエーションの増加、排出規制の強化といった現代の自動車における制約との間に生じているミスマッチの拡大に取り組む。
- 既立の自動車開発の原則に従う、残差強化学習に基づく説明可能なキャリブレーション自動化手法を提案する。
- このアプローチは、サブ最適なキャリブレーションマップから開始し、複数のECUにおける参照キャリブレーションに向けて素早く収束し、目標に非常に近い結果を生成する。
- ハードウェア・イン・ザ・ループ（HiL）構成を用いた、マップベースのエアパス制御器への適用により、本手法をプロダクションのワークフローに近づけられることを示す。
- 著者らは、本技術がキャリブレーション時間を大幅に削減し、かつ人手による介入をほぼ必要としないだけでなく、標準的なニューラルネットワークに基づく強化学習制御関数と比較して説明可能性を向上させると主張している。
