Model Predictive Control (MPC)은 강력한 최적 제어 프레임워크이지만, 낮은 지연 시간 응용 분야에는 너무 느릴 수 있습니다. 본 논문은 오프라인 MPC 솔루션으로부터 구성된 비모수 정책으로 온라인 최적화를 대체하여 MPC를 가속화하는 데이터 기반 프레임워크를 제시합니다. 제안된 정책은 최적의 잔여 비용에 대한 구성된 상한에 대해 탐욕적이며, 온라인에서 MPC를 푸는 것보다 수십 배 빠른 비모수적 룩업 규칙으로 구현될 수 있습니다. 충분한 오프라인 데이터 커버리지 조건 하에서, 정책은 재귀적으로 실행 가능하며 입증 가능한 경계가 있는 최적성 갭을 가짐을 보입니다. 이러한 조건은 수집된 데이터의 양과 경계의 정밀도 사이의 명시적인 트레이드 오프를 설정합니다. 실험 결과, 이 정책은 표준 MPC보다 100~1000배 빠르며, 최적성에 미미한 영향을 미쳐 실시간 제어 작업에 대한 잠재력을 보여줍니다.
