Soft-MoE: Robustere Exploration in der gerichteten Controller‑Synthese

In der On‑the‑Fly‑Directed Controller Synthesis (OTF‑DCS) wird das Problem der explosionsartigen Zustandsraumgröße durch schrittweise Exploration gelöst. Dabei spielt die Wahl einer geeigneten Explorationspolitik eine entscheidende Rolle. Moderne Reinforcement‑Learning‑Ansätze lernen solche Politiken und zeigen vielversprechende Zero‑Shot‑Generalisation von kleinen Trainingsinstanzen auf größere, bislang unbekannte Fälle.

Ein zentrales Problem bleibt jedoch die anisotrope Generalisation: Ein RL‑Policy liefert hervorragende Ergebnisse nur in einem engen Bereich des Domänenparameterraums, während sie außerhalb dieser Region aufgrund von Trainingsstochastizität und trajektorienabhängigem Bias brüchig bleibt. Um diesem Nachteil entgegenzuwirken, wurde ein Soft‑Mixture‑of‑Experts‑Framework entwickelt. Es kombiniert mehrere RL‑Experten über einen prior‑confidence‑Gate‑Mechanismus und nutzt die anisotropen Stärken der einzelnen Experten als komplementäre Spezialisierungen.

Die Evaluation auf dem Air‑Traffic‑Benchmark demonstriert, dass Soft‑MoE den lösbaren Parameterraum deutlich erweitert und die Robustheit im Vergleich zu jedem einzelnen Experten verbessert. Diese Fortschritte markieren einen wichtigen Schritt hin zu zuverlässigeren und allgemeineren Controller‑Synthese‑Methoden.