モデル予測制御（MPC）は、最適制御のための強力なフレームワークですが、低遅延アプリケーションには遅すぎることがあります。本記事では、オフラインMPCソリューションから構築した非パラメトリックポリシーを用いてオンライン最適化を置き換えることでMPCを加速するデータ駆動型フレームワークを提案します。このポリシーは、最適コストの上限を基にした貪欲なものであり、MPCをオンラインで解くよりもはるかに高速に実装できます。十分なオフラインデータのカバレッジ条件の下で、このポリシーは再帰的に実行可能であり、証明可能な制約された最適性ギャップを持つことが示されています。実験結果は、このポリシーが標準のMPCよりも100倍から1000倍速いことを示しており、リアルタイム制御タスクの可能性を示唆しています。