ADAPT: 基于扩散的物理感知世界模型用于自适应预测可迁移HVAC控制

arXiv cs.AI 论文
physics-aware diffusion-model world-model hvac-control reinforcement-learning energy-optimization sustainable-buildings

摘要

ADAPT是一种用于HVAC控制的物理感知条件扩散模型，能够降低能耗和使用者不适，并具有对未见环境的强大可迁移性。

arXiv:2608.19804v1 公告类型：新 摘要：建筑约占全球能源消耗和CO$_2$排放的三分之一。优化室内气候系统对于符合联合国可持续发展目标11和13的城市气候缓解至关重要。然而，室内延迟的热力学响应和部分可观测性严重阻碍了现有方法，这些方法主要受限于隐式热惯性、占用动态预测和累积预测误差，尤其是在分布外环境中。在实践中，这些挑战因密集室内感知的高成本和隐私负担而进一步加剧，迫使运营商在单一运行模式下仅收集有限数据，同时期望控制器能够可靠地泛化到未见季节和气候区域。为了解决这个问题，我们提出了ADAPT，一种用于HVAC控制的物理感知条件扩散室内环境世界模型。该模型预测短期保持行动热基线以捕捉建筑的潜在热惯性。扩散骨架利用生成模型的鲁棒性，而可学习的多区域热平衡正则化器约束生成轨迹以满足可迁移的建筑热力学，无需已知建筑几何结构或手动校准的热参数。然后为下游强化学习设计信用分配。在SemibuildingSim和Sinergym上的大量实验表明，与IID控制下的最先进基线相比，ADAPT将HVAC能耗降低了7.3%，使用者不适降低了30.2%。在覆盖未见季节和气候区域的OOD控制场景中，ADAPT保持了强大的性能，相对于其IID性能仅有边际下降，在迁移鲁棒性方面显著优于现有方法。
查看原文
查看缓存全文

缓存时间: 2026/08/21 10:04 

# ADAPT：基于物理感知的扩散世界模型用于自适应预测性可迁移HVAC控制
来源：https://arxiv.org/abs/2608.19804  
查看PDF (https://arxiv.org/pdf/2608.19804)

> 摘要：建筑能耗约占全球能源消耗和二氧化碳排放的三分之一。优化室内气候系统对于实现联合国可持续发展目标第11和第13项的城市气候减缓至关重要。然而，室内热力学响应的延迟性和部分可观测性严重阻碍了现有方法的发展，这些方法主要受限于隐式热惯性、人员动态预测以及累积预测误差，尤其是在分布外环境中。实践中，密集室内传感的高成本和隐私负担进一步加剧了这些挑战，迫使运营者仅在单一运行工况下收集有限数据，同时期望控制器能够在未见的季节和气候区域可靠地泛化。为解决此问题，我们提出ADAPT，一种用于HVAC控制的物理感知条件扩散室内环境世界模型。该模型预测短期保持动作的热基线，以捕捉建筑的潜在热惯性。扩散网络利用生成模型的鲁棒性，而可学习的多区域热平衡正则化器约束生成的轨迹满足可迁移的建筑热力学，无需已知的建筑几何结构或手动校准的热参数。随后，为下游强化学习设计了信用分配机制。在SemibuildingSim和Sinergym上的大量实验表明，在独立同分布控制下，ADAPT相比先进基线方法将HVAC能耗降低了7.3%，将人员不适感降低了30.2%。在覆盖未见季节和气候区域的分布外控制场景中，ADAPT仅表现出相对于其独立同分布性能的边际性能下降，保持了鲁棒性能，在迁移鲁棒性方面显著优于现有方法。

## 提交历史

来自：徐阳 \[查看邮件 (https://arxiv.org/show-email/46ffbdf4/2608.19804)\] **\[v1\]** 2026年8月20日 星期四 08:58:28 UTC \(3,786 KB\)

相似文章

学习离散化：基于扩散的自适应网格与谱引导

arXiv cs.LG

本文提出了一种基于扩散的框架，用于学习条件于观测到的偏微分方程动力学的自适应网格离散化，利用谱引导和物理约束在需要的地方分配分辨率。该方法在五种偏微分方程场景中取得了具有竞争力或更优的性能。