arXiv 2606.30238v1 · 发布 2026-06-29

多智能体强化学习控制 Rayleigh-Bénard 对流中的稀疏传感器布置

Sparse Sensor Placement in Multi-Agent Reinforcement Learning Control of Rayleigh-Bénard Convection

AUTHORS Jan Stenner, Hans Harder, Sebastian Peitz

EVIDENCE 面向稀疏传感器控制的多智能体强化学习

SCORE 0.8

CATEGORIES TASK mas

PDF ↗ 2606.30238v1.pdf

GENERATED 2026-07-04 02:26:50 UTC

📝 TLDR

Rayleigh-Bénard对流系统的高维密集传感器在硬件部署与数据传输上成本高昂。研究在多智能体强化学习框架下进行稀疏传感器布局，基于窗口观测训练密集专家策略，并通过有序非凸分组正则化与迭代重加权分组正则化蒸馏稀疏学徒策略。实验表明Multi-Agent Transformer训练稳定性优于PPO，稀疏学徒保持与密集专家相当的控制效果，在固定初始条件下达到最大稀疏度，单智能体观测维度从360降至12。结果为识别控制相关空间区域与实现传感高效控制提供了可解释且实用的路径。

🧭 速览

动机

多智能体强化学习控制Rayleigh-Bénard对流时，密集传感器导致硬件部署与数据传输成本过高，需识别关键传感位置。

方法

用窗口观测训练密集专家策略，再通过有序非凸分组正则化与迭代重加权分组正则化，在编码器输入权重上蒸馏稀疏学徒策略。

结果

MAT策略训练稳定性优于PPO；稀疏学徒控制性能接近密集专家；固定初始条件下可达最大稀疏度，单智能体观测维度从360降至12。

结论

为识别控制相关空间区域与状态分量提供可解释依据，也为硬件约束下传感高效控制提供实践路径。

📊 论文图表(共 26 张)

展开查看 26 张图

TL;DR

这篇论文用[[多智能体强化学习]]在 Rayleigh-Bénard 对流系统中做稀疏传感器布置——即在保证控制性能不下降的前提下，自动找出哪些传感器位置和物理通道可以被裁剪掉。核心做法是先训练一个能"看"全量传感器的密集专家策略，再通过分组正则化蒸馏出一个稀疏学徒策略。在固定初始条件下，单个智能体的观测维度从 360 维压缩到 12 维时，控制效果几乎没有损失。

研究背景与动机

Rayleigh-Bénard 对流是底部加热、顶部冷却时由浮力驱动的流体运动，这种双柱对流结构广泛存在于大气环流、海洋热交换和材料加工场景中。控制这类系统的目标通常是抑制或增强热输运，即最小化瞬时 Nusselt 数 $N u_{instant} = R a P r ⟨ w T ⟩_{x, z}$ 。

问题的棘手之处在于状态空间的维度。二维 RBC 场景下，传感器网格通常覆盖 $48 \times 8$ 个测点，每个测点同时记录温度和两个速度分量，如果把所有物理通道展平，状态向量可以轻松达到数百维甚至更高。在仿真环境中这不是问题——一个全局传感器可以毫无代价地"看到"整个流场。但在真实硬件部署时，密集传感的成本是真实的：每一个测点都需要独立的传感单元，单元之间的线缆布置、数据传输带宽、以及后续的实时处理都会带来线性增长的开销。

传统的做法有两种路径。一种是在系统建模阶段做模型简化，通过线性化或模态分解把状态压缩到低维，但这样做的代价是牺牲了对非线性动力学细节的捕捉能力，尤其在 $R a$ 数升高、系统进入湍流状态时，简化的线性模型往往失效。另一种是在控制设计完成后做传感器后置选择——撒一批传感器，跑一轮实验，评估哪些传感器的贡献可以忽略。这种做法费时费力，而且由于传感器布置和控制策略之间缺乏联合优化，选择结果往往不是全局最优的。

这篇论文的切入点是把稀疏传感器布置问题嵌入了[[多智能体强化学习]]的训练流程中，让策略网络自己学会"关注"对控制最关键的传感子集。这不只是为了节省几个传感器的硬件成本，更深层的动机是可解释性：通过观察网络最终保留了哪些传感器，我们可以直接读出"控制这个对流系统需要看哪些空间区域、哪些物理量"，这对于物理理解和后续的工程设计都是有价值的知识。

方法

整个框架可以概括为专家-学徒蒸馏的两阶段设计。第一阶段训练一个能看到全量传感器的密集专家策略，第二阶段通过带分组正则化的监督学习把这个专家"蒸馏"成稀疏学徒，同时在网络的输入权重上驱动行组归零，从而在推理时只需要读取一小部分传感器即可。

密集专家的 MARL 训练

论文把 RBC 控制建模为一个部分可观测的随机博弈。每个智能体对应底部边界的一段执行器，观测以该执行器为中心的一个 $5 \times 3$ 局部窗口，覆盖温度和两个速度通道共 $5 \times 3 \times 3 = 45$ 个数值，加上窗口内三个通道各自的最大值和最小值统计量，进一步扩展到约 360 维。动作空间是执行器所在位置的温度扰动量。12 个智能体共享参数，这是因为底部边界具有平移不变性——物理上每个执行器位置的局部动力学是等价的。

论文选择了 Multi-Agent Transformer（MAT）作为专家架构，并在原始实现基础上做了几项关键修改来提升训练稳定性：引入独立的 value 预测编码器分支，在自回归解码中使用确定性均值 token 而非随机采样，禁用 dropout 和 LayerNorm，以及把交叉注意力层放在自注意力之前。作者发现 PPO 基线在这个任务上的方差显著大于 MAT，因此最终采用 MAT 作为专家候选。

分组正则化蒸馏稀疏学徒

蒸馏阶段的目标函数是监督回归加上分组正则化：

θ min i = 1 \sum m (f_{θ} (x^{(i)}) - μ_{expert} (x^{(i)}))^{2} + \hat{R}_{M} (W)

其中 $f_{θ}$ 是学徒网络的输出， $μ_{expert}$ 是专家在对应状态下的动作均值， $W$ 是编码器输入层的权重矩阵， $\hat{R}_{M}$ 是分组形式的正则化项。直观地，正则化项对权重矩阵的行组施加惩罚，驱动某些行组的 $ℓ_{2}$ 范数收缩到零——一旦某行组归零，对应的传感器输入在后续推理中就不再被使用。

论文提出了两种分组正则化策略。Group Ordered（GO） 受 GrOWL 启发，先对行组的 $ℓ_{2}$ 范数做排序，然后对排序后的权重施加单调递增的系数序列：

R_{GO}^{λ} (W) = i = 1 \sum n λ_{i} ∥ w_{[i] \cdot} ∥_{2}, λ_{i} = \frac{i - 1}{n}, i = 1, \dots, n

这个设计的巧妙之处在于：系数随索引递增，意味着范数越小的行组受到的惩罚越重，从而更可能被推到零。这与直觉相反——通常我们会认为"贡献大的特征"才值得被保留，但在这里，正是通过惩罚已经较小的组来打破对称性，让优化过程做出明确的选择。

Group Reweighted（GR） 则将迭代重加权 $ℓ_{1}$ 的思想推广到分组设置：

R_{GR}^{ξ^{(ℓ)}} (W) = i = 1 \sum n ξ_{i}^{(ℓ)} ∥ w_{i \cdot} ∥_{2}, ξ_{i}^{(ℓ + 1)} = \frac{1}{∥ w _{i \cdot}^{(ℓ)} ∥ _{2} + ε}

每一轮迭代中，大范数组的权重被下调，小范数组的权重被上调，形成一种自适应放大差异的机制，自然驱动稀疏化。

重叠窗口的等价类分组构造

这里有一个微妙但关键的实现细节。相邻智能体的观测窗口存在重叠，同一个物理传感器在不同智能体的局部坐标中拥有不同的索引。如果简单地对每个窗口独立做行剪枝，同一物理传感器可能会在一个窗口中被保留而在另一个窗口中被剪掉——这在物理上是不一致的，因为剪掉某个传感器意味着它不会产生任何读数，而不是在不同智能体的视角下忽有忽无。

论文通过定义等价类来解决这个问题。核心思想是：如果两个局部索引 $i$ 和 $j$ 指向同一物理传感器（尽管它们在各自窗口中的编号不同），则它们必须被放入同一个组、接受联合剪枝。具体构造涉及锚集和偏移集的数学定义（见原文附录），其本质是把重叠窗口中的索引映射到同一物理位置的物理约束编码进正则化的分组结构中。

此外，论文区分了两种分组模式：通道分离（SC）允许对同一空间位置的不同物理通道独立剪枝，即温度和速度可以分别被保留或剔除；通道耦合（GC）则把同一位置的所有通道绑定为同一组，要剪就三个通道一起剪。前者对应复合多通道传感器的硬件场景，后者对应单通道独立传感器的部署方案。

实验与结果

实验在 Oceananigans.jl 求解器中进行，物理参数设定为 $R a = 1 0^{4}$ 、 $P r = 0.7$ 的层流区域。训练分两种设定：固定初始条件（2000 episodes × 10 次独立运行）和变化初始条件（8000 episodes × 10 次独立运行）。

RL 训练稳定性的结果是明确的。在两种初始条件下，MAT 的回报曲线均值高于 PPO、方差更小，尤其在变化初始条件下 PPO 出现了明显的崩溃区间。这直接决定了论文选择 MAT 作为专家的基础。

专家 vs 学徒控制行为的一致性通过多条轨迹和统计指标验证。在固定初始条件下，学徒的全局 Nusselt 数轨迹与专家几乎重合；在变化初始条件下，15 个不同测试初始偏移上的累积回报箱线图显示学徒与专家的分布特征高度一致。这说明通过分组正则化蒸馏得到的稀疏策略没有牺牲控制能力——关键信息被保留在了网络的其余权重中。

稀疏化效果是论文最核心的量化指标。在固定初始条件下，GO 和 GR 的所有 (SC/GC) 组合变体均达到了实验配置下的最大可达稀疏度：WS-CC 指标为 96.667%，TS-CC 指标为 96.875%。这意味着 12 个智能体中每个只需要读约 12 个传感器（而非 360 个），稀疏比例超过 96%。在变化初始条件下，GO+GC 和 GR+GC 仍保持最大稀疏度，而 GO+SC 优于 GR+SC（WS 指标 97.778% vs 96.667%）。作为对比，基线方法中 Lasso（等权 $λ$ ）仅达到约 47.5% 的稀疏度，GrOWL（降序 $λ$ ）几乎无法驱动输入归零，必须依赖事后阈值化才能得到稀疏结果。

物理可解释性在可视化中得到了清晰的呈现。保留的传感器集中在传感器网格的中部和上部区域——这对应了对流系统的上升羽流和下降羽流的核心区域，是热输运最活跃的空间位置。有趣的是，在通道分离配置下，网络倾向于剔除温度通道而保留速度分量，这与 RBC 研究中通常强调温度场的视角形成了有趣的对比，暗示速度梯度可能比绝对温度值对控制决策更重要。

概念验证的最后一步展示了稀疏化的实际价值：从学习到的 GO+GC 掩码出发，将单智能体观测规模从 360 维压缩到 12 维，重新训练 MAT。结果显示固定初始条件下甚至略快于全观测训练，变化初始条件下也保持了整体训练趋势，同时数据吞吐量大幅降低。这验证了稀疏化不仅在离线蒸馏阶段有效，而且稀疏后的观测在在线学习场景下同样可用。

讨论与可借鉴点

这篇论文的框架在方法论层面提供了几个值得借鉴的设计思路。首先，专家-学徒蒸馏加结构化稀疏的组合比端到端稀疏 RL 更容易训练——先解决控制问题再压缩传感器，把两个困难的子问题解耦，每个子问题都可以独立调试。其次，分组正则化（尤其是 GO 和 GR）的形式比直接对权重加 $ℓ_{1}$ 惩罚更具结构化约束力，它保证被剪掉的是完整的一组输入（对应一个或多个物理传感器），而不是零散的单个连接，这种结构化剪枝在硬件实现时更有意义。再次，重叠窗口的等价类分组构造解决了一个在多智能体设定下容易被忽视的一致性问题——当多个智能体各自持有局部视角时，同一物理量的处理必须全局协调。

不过，论文的局限性也值得诚实面对。实验仅在 $R a = 1 0^{4}$ 的层流区域完成，从 2D 扩展到 3D 或进入湍流区（ $R a$ 数更高）时尚需进一步验证，因为高 $R a$ 下流动结构的时空复杂性会显著增加，可能导致稀疏策略不再有效。最关键的未解决问题是真机验证：当前训练中计算奖励所需的全局 Nusselt 数仍然依赖完整传感器网格，稀疏后的 12 维观测能否在真实硬件上实时估计 Nusselt 数或找到替代指标，目前没有答案。此外，学徒策略是通过监督蒸馏得到的，没有进一步经过 RL 微调，它在在线部署中的自适应能力是否退化、能否通过少量在线交互恢复性能，这些问题都没有被探索。

从更宽的视角看，这篇论文属于[[稀疏化]]在控制与机器人领域的一个具体实例，其核心贡献不在于某个新的网络架构，而在于把结构化稀疏化嵌入 RL 训练流程的系统化方法论——通过重叠窗口的等价类分组构造，优雅地处理了多智能体局部观测中的物理一致性问题。这种"先控制后压缩"的思路对于其他高维感知场景（如机器人触觉阵列、柔性传感器网格、无人机集群的局部通信）同样具有参考价值。

摘要

本文研究使用多智能体强化学习控制 Rayleigh-Bénard 对流中的稀疏传感器布置问题。我们利用窗口化观测训练密集专家策略，并通过在编码器输入权重上施加分组正则化的监督学习来蒸馏稀疏学徒策略。该框架结合了有序非凸分组正则化与迭代重加权分组正则化，并采用一种分组构造方法，以在重叠观测窗口间实现一致的剪枝。在固定与变化初始条件下的实验表明，多智能体 Transformer 策略相比近端策略优化基线训练更为稳定，且稀疏学徒策略保持了与密集专家策略相当的控制行为。所提出的分组方法在各种设定下均取得了显著的稀疏化结果，包括在所有固定初始条件设定变体中达到最大稀疏度，以及在变化初始条件设定变体中达到最大或接近最大稀疏度。作为附加的概念验证，从学习到的最小传感器集合进行训练可将每个智能体的观测规模从 360 降至 12，并在仿真中保持整体训练趋势，同时降低数据吞吐量。这些结果不仅为识别控制相关的空间区域和状态分量提供了可解释的依据，也为在现实硬件约束下实现传感器高效控制提供了一条切实可行的路径。

Abstract

This paper studies sparse sensor placement for control of Rayleigh-Bénard convection with multi-agent reinforcement learning. We train dense expert policies with windowed observations and distill sparse apprentice policies by supervised learning with grouped regularization on encoder input weights. The framework combines ordered non-convex grouped regularization and iterative reweighted grouped regularization, and uses a grouping construction that enforces consistent pruning across overlapping observation windows. Experiments with fixed and varying initial conditions show that Multi-Agent Transformer policies train more stably than proximal policy optimization baselines, while sparse apprentices retain control behavior comparable to dense experts. Sparsity results are strong for the proposed grouped methods across settings, including maximal sparsity in all fixed-initial-condition setting variants and maximal or near-maximal sparsity in varying-initial-condition setting variants. As an additional proof of concept, training from learned minimal sensor sets reduces per-agent observation size from 360 to 12 and preserves the overall training trend in simulation while reducing data throughput. The results provide both an interpretable basis for identifying control-relevant spatial regions and state components, and a practical pathway toward sensor-efficient control under realistic hardware constraints.

论文详细总结（自动生成）

论文总结：多智能体强化学习控制 Rayleigh-Bénard 对流中的稀疏传感器布置

1. 核心问题与研究动机

Rayleigh-Bénard 对流（RBC）是底部加热、顶部冷却产生的浮力驱动流体系统，其控制问题对传感器与执行器硬件部署提出了极高要求：

高维状态空间：二维 RBC 的传感器网格可达 $48 \times 8 = 384$ 个测点，每个测点同时测量温度 $T$ 、水平速度 $u$ 与垂直速度 $w$ 三类物理量，全局状态维度极高。
硬件约束：实际部署中难以在全域密集布设传感器，同时每个物理量可能需要独立的传感单元，进一步增加安装成本与数据传输带宽压力。
可解释性需求：哪些空间区域与哪些状态分量对控制目标（即最小化瞬时 Nusselt 数 $N u_{instant} = R a P r ⟨ w T ⟩_{x, z}$ ）最关键，需要系统化识别。

论文的目标是在多智能体强化学习（MARL）框架下，通过结构化稀疏化方法自动识别关键传感子集，使稀疏策略在控制性能不退化的前提下大幅降低传感需求。

2. 方法论

2.1 整体流程

研究采用 专家-学徒蒸馏（expert-apprentice distillation） 框架：

1. 专家训练：使用密集全传感器观测训练 MARL 策略，专家采用 Multi-Agent Transformer（MAT）架构，在固定或变化初始条件（IC）下完成训练。

2. 学徒蒸馏：以专家在不同状态下的动作均值 $μ_{expert}$ 为标签，通过监督学习训练结构相同的学徒网络，并在编码器输入权重上施加分组正则化以驱动行组归零。

3. 稀疏掩码提取：训练结束后生成二值掩码，得到 (学徒策略, 传感器掩码) 对作为最终产物。

2.2 多智能体框架

每个智能体对应一段底部边界执行器，观测以其为中心、大小为 15 的窗口内传感器读数（温度与两个速度通道）。
扩展 POMDP 与随机博弈形式化为 $(S, O_{1}, \dots, O_{n}, A_{1}, \dots, A_{n}, P, Ω, R^{1}, \dots, R^{n}, γ)$ 。
智能体共享参数（translationally invariant），符合 RBC 控制的标准 benchmark 配置。

2.3 MAT 架构的关键修改

相对原始 MAT 实现，论文做了多项稳定化改进：

独立的 value 预测编码器分支；
自回归解码中使用确定性均值 token 而非从当前分布采样；
禁用 dropout 与 LayerNorm；
交叉注意力置于自注意力之前。

2.4 两种分组正则化方法

Group Ordered (GO)：受 GrOWL 启发，按行 $ℓ_{2}$ 范数排序后对排序权重施加单调非凸序列：

R_{GO}^{λ} (W) = i = 1 \sum n λ_{i} ∥ w_{[i] \cdot} ∥_{2}, λ_{i} = \frac{i - 1}{n}, i = 1, \dots, n

其中 $0 \leq λ_{1} \leq λ_{2} \leq \dots \leq λ_{n}$ ， $λ_{n} = \frac{n - 1}{n}$ ，对范数小的行组施加更强惩罚，推动其归零。

Group Reweighted (GR)：将迭代重加权 $ℓ_{1}$ 方法推广到分组设置：

R_{GR}^{ξ^{(ℓ)}} (W) = i = 1 \sum n ξ_{i}^{(ℓ)} ∥ w_{i \cdot} ∥_{2}, ξ_{i}^{(ℓ + 1)} = \frac{1}{∥ w _{i \cdot}^{(ℓ)} ∥ _{2} + ε}

大组权重随迭代递减，小组权重递增，自然促进稀疏。

2.5 重叠窗口的分组构造（核心贡献）

由于相邻智能体窗口存在重叠，同一物理传感器在不同窗口中以不同局部索引出现，朴素行剪枝会导致不一致。论文提出基于等价类的分组构造：

定义锚集 $W = {w \in Z^{N} : w_{i} = δ_{i} k_{i}, \exists k_{i} \in Z, \forall i \in D_{o}; w_{j} = 0, \forall j \in D ∖ D_{o}}$ ，其中 $δ_{i}$ 为各方向的中心间距。
定义偏移集 $S$ ，对每个 $s \in S$ 构造等价类：

I_{s} = {ϕ^{- 1} (w + s) : w \in W_{r e l}, i_{c} + w + s \in I_{o}}

局部索引 $i \sim j ⟺ \exists s \in S : i, j \in I_{s}$ 。等价类内部索引须被联合剪枝，从而保证同一物理传感器在各窗口中被一致保留或剔除。
支持通道分离（SC）与通道耦合（GC）两种分组模式：SC 允许位置处独立剪枝某一物理通道；GC 将同一位置的全部通道绑定为同一组。

2.6 优化目标

监督蒸馏的优化问题：

θ min i = 1 \sum m (f_{θ} (x^{(i)}) - y^{(i)})^{2} + \hat{R}_{M} (W), M \in {GO, GR}

其中 $\hat{R}_{M}$ 为分组形式的正则化（如 $\hat{R}_{GO}^{λ} (W) = \sum_{g = 1}^{N_{S}} λ_{g} ∥ \overset{w}{^}_{[g]} ∥_{2}$ ），通过近端算子算法交替梯度下降与近端正则化步骤求解。

3. 实验设计

3.1 仿真环境

求解器：Oceananigans.jl
物理参数： $δ T = 1$ ， $R a = 1 0^{4}$ ， $P r = 0.7$ ，宽高比 $L_{x} = 2 π$ ， $L_{z} = 2$
网格： $96 \times 64$ ；传感器网格 $48 \times 8$ ；12 个执行器/智能体
初始化：300 个无量纲时间步长预热至典型双柱（two-plume）态
单回合：300 步，每 1.5 步施加一次动作，共 200 步控制
奖励： $r_{t} = - N u_{instant, t}$ （即时负 Nusselt 数）
位置编码应用于观测

3.2 对比方法

类别	方法
RL 专家	PPO vs MAT（在固定 IC 与变化 IC 下）
稀疏正则化	GO / GR（论文方法） vs Lasso / GrOWL（基线）
通道分组	Separate Channels (SC) vs Grouped Channels (GC)
稀疏指标	WS / WS-CC / TS-CC

3.3 稀疏度评价指标

WS：窗口内三通道独立计算稀疏度
WS-CC：窗口内先叠加通道再计算稀疏度
TS-CC：全局网格叠加通道后的稀疏度

分别对应多通道复合传感器与单通道独立传感器两种硬件场景。

4. 算力资源

论文未明确披露所用 GPU 型号、数量、单次训练时长、并行规模等算力信息。仅可推断：

每个算法（如 PPO、MAT）在固定 IC 下 10 次独立 run × 2000 episodes；变化 IC 下 10 次 × 8000 episodes。
学徒训练在固定 IC 下使用 200 条状态数据，batch=20；变化 IC 下从 20 条专家 rollout 缓存 4000 控制步，batch=100。
代码已开源（GitHub），但 README 中通常会注明算力，PDF 主体未给出。

5. 实验数量与充分性

论文实验覆盖较广：

RL 训练对比：固定 IC（2000 episodes × 10 run）与变化 IC（8000 episodes × 10 run）下 MAT vs PPO 的回报曲线对比，含 1 个标准差带。
专家 vs 学徒控制行为：固定 IC 的全局 Nusselt 数轨迹；变化 IC 在 15 个测试初始偏移上的累积回报箱线图 + 单条轨迹示例。
稀疏度评估：2（IC 设置） × 4（方法 GO/GR/Lasso/GrOWL） × 2（SC/GC） = 16 组配置 × 3 种稀疏度指标 = 48 个数值结果。
可视化：固定 IC 与变化 IC 各 4 张窗口稀疏图（GO/GR × SC/GC）。
概念验证：从学习到的 GO+GC 掩码出发，将单智能体观测规模从 360 降至 12，重新训练 MAT 对比训练稳定性。

总体而言，实验设计在方法对比、统计重复、可视化三方面较充分。但缺少：

真实硬件闭环验证；
3D RBC 或更高 $R a$ （湍流区）外推；
与其它稀疏 RL 方法（如 POPS、 $ℓ_{0}$ 策略）的直接对比；
学徒在 RL 微调阶段的性能恢复能力测试。

6. 主要结论

1. MAT 比 PPO 更稳定：两种 IC 设置下 MAT 的训练回报均值更高、方差更小，因此被选为蒸馏专家候选。

2. 稀疏学徒保留专家级控制：在固定与变化 IC 下，学徒的全局 Nusselt 数轨迹、累积回报均与专家相当。

3. GO / GR 取得极强稀疏度：

固定 IC：GO 与 GR 的所有 (SC/GC) 变体均达到实验配置下的最大可达稀疏度（WS-CC 96.667%，TS-CC 96.875%）。
变化 IC：GO+GC 与 GR+GC 仍达最大稀疏度；GO+SC 优于 GR+SC（WS 97.778% vs 96.667%）。

4. 基线对比：Lasso（等权 $λ$ ）稀疏度显著低（WS-CC 47.5%）；GrOWL（降序 $λ$ ）几乎无法驱动输入归零，需事后阈值化才能得到稀疏结果。

5. 传感器选择具有物理可解释性：保留的传感器集中在传感器网格的中部与上部；通道分离配置倾向于剔除温度、保留速度分量，与 RBC 通常的温度视角形成有趣反差。

6. 最小传感器集训练可行：使用学习到的 12 维最小观测训练 MAT，固定 IC 下甚至略快于全观测训练；变化 IC 下保持可行但稳定性略降。

7. 优点

方法学综合创新：将多智能体 MARL、MAT 架构改造、专家-学徒蒸馏、分组结构化稀疏化（GO / GR）、重叠窗口的等价类分组构造整合为统一框架。
理论严谨性：附录给出了重叠分组构造的一般 $N$ 维定义与等价性证明，包含锚集 $W$ 、偏移集 $S$ 、参考中心存在性假设 (9) 等形式化要素。
双硬件场景覆盖：通过 SC / GC 分组模式显式支持"复合多通道传感器"与"单通道独立传感器"两类实际部署方案。
可解释性突出：可视化窗口稀疏图直接揭示对控制关键的物理量与空间区域，连接了稀疏化方法与物理直觉。
稳定性增强显式：对 MAT 的几处工程修改（去 dropout/LayerNorm、确定性均值 token、独立 value 编码器等）说明了训练不稳定的根因。
完整开源：代码公开便于复现。

8. 不足与局限

算力信息缺失：未报告 GPU 型号、训练时长、能耗等关键算力指标，难以评估方法的环境成本与可复现性。
真机部署未验证：稀疏训练中的奖励仍依赖全局传感器计算 $N u_{instant}$ ，最小传感器集训练在实际硬件上不可直接运行，需找到替代 Nusselt 数估计手段。
物理范围受限：仅在 $R a = 1 0^{4}$ 的层流 RBC 上验证，未覆盖 3D 或更高 $R a$ （湍流区），而论文建议从 2D 推广到 3D 时尚需进一步验证。
基线覆盖偏窄：稀疏正则化基线仅含 Lasso 与 GrOWL，缺乏与 $ℓ_{0}$ 正则化（如 Botteghi & Fasel 2024）、POPS、渐进式剪枝等专门针对 RL 的稀疏方法的对比。
缺乏下游 RL 微调：稀疏学徒是监督蒸馏产物，未测试其在 RL 微调或在线部署中能否恢复或超越专家性能。
事后阈值依赖：Lasso 与 GrOWL 基线需凭经验选择阈值才能给出稀疏度数值，存在人为因素；GO / GR 虽无需阈值，但其正则化强度仍依赖手工调参。
统计显著性未做检验：10 次 run 的均值与标准差呈现主要趋势，但未提供假设检验或置信区间，对细微差异的结论需谨慎。

（完）

✨ 编译论文

点「✨ 编译」开始,LLM 会按 Polaris 风格翻译并把图片/表格嵌到对应位置。结果存到浏览器 localStorage,下次访问自动加载。