Regret-Optimal LQR Control
California Institute of Technology（加州理工学院）；Hebrew University of Jerusalem（耶路撒冷希伯来大学）；Simons Institute, UC Berkeley（加州大学伯克利分校西蒙斯研究所）
本文针对无限时域LQR控制问题，提出以动态遗憾为准则设计因果控制器，使其在最坏情况有界能量扰动下相对能预见未来的最优非因果控制器保证最小遗憾，并通过将问题归结为Nehari扩展问题得到显式线性控制器，仿真表明其能同时逼近H_2和H_∞最优性能。
2023-04-13 cs.LG cs.SY eess.SY
FRIDAY: Real-time Learning DNN-based Stable LQR controller for Nonlinear Systems under Uncertain Disturbances
针对不确定扰动下非线性系统动态变化导致固定模型失效的问题，提出用实时更新数据集训练 DNN 逼近未知非线性，并经逐时步谱归一化将其稳定嵌入 LQR，实现可证明局部指数稳定且跟踪性能更优的控制器。
2024-12-02 cs.SY eess.SY
Almost Surely $\sqrt{T}$ Regret for Adaptive LQR
Tsinghua University（清华大学）；BNRist（北京信息科学与技术国家研究中心）
本文提出了一种具有几乎必然 $\tilde{\mathcal{O}}(\sqrt{T})$ 遗憾上界的自适应 LQR 控制器，其熔断机制可保障安全并保证参数估计收敛，且对渐近性能影响可忽略，经 TEP 仿真验证有效。
2025-01-27 cs.LG cs.SY eess.SY
An Approach to Reduce Computational Load: Precalculating Gain Matrices for an LQR Controller of a Four-Axis Manipulator Using State Space Kinematics
本文针对功率或CPU受限且无法使用ROS的四轴机械臂，提出通过预计算不同状态的LQR增益矩阵来降低CAS计算负载，并提供了C++示例代码。
2023-12-22 cs.RO cs.SY eess.SY
Characterizing Compositionality of LQR from the Categorical Perspective
本文从范畴论视角，利用资源共享机器形式化组合LQR控制设计，提出充分条件并简化为可控可观测性检查，以刻画组合系统与子系统LQR控制器间的等价性。
2023-05-02 cs.SY eess.SY
A selection of PID type controller settings via LQR approach for two-wheeled balancing robot
本文针对两轮平衡机器人PID控制器整定问题，提出一种基于LQR能量准则的PD参数选择方法，实现最优调节器参数向经典控制器参数的转换，并通过Matlab-Simulink仿真验证了控制性能。
2023-09-25 cs.SY eess.SY
Multi-objective LQR with Optimum Weight Selection to Design FOPID Controllers for Delayed Fractional Order Processes
School of Electronics and Computer Science, University of Southampton（南安普顿大学电子与计算机科学学院）；Department of Power Engineering, Jadavpur University（贾达普大学动力工程系）；Department of Earth Science and Engineering, Imperial College London（帝国理工学院地球科学与工程系）；Reactor Control Division, Bhabha Atomic Research Centre（巴哈原子研究中心反应堆控制部）
本文提出基于LQR技术的分数阶PID控制器最优折中设计方法，通过两个冲突的时间域控制目标解决有延迟分数阶系统的控制问题，并通过数值模拟验证了两种延迟处理技术的优劣及负载扰动抑制能力。
2016-11-29 cs.SY eess.SY math.DS
Error-State LQR Formulation for Quadrotor UAV Trajectory Tracking
Carnegie Mellon University（卡内基梅隆大学）
提出一种基于误差状态线性二次型调节器的四旋翼无人机轨迹跟踪方法，利用指数坐标表示姿态误差，结合全状态反馈与级联体速率控制器实现鲁棒控制。
2026-07-28 cs.RO cs.SY eess.SY
An Iterative LQR Controller for Off-Road and On-Road Vehicles using a Neural Network Dynamics Model
Texas A&M University（德克萨斯A&M大学）
本文提出结合神经网络动力学模型与ILQR的轨迹跟踪控制器，并用MPC补偿模型误差，在越野和道路车辆上验证其跟踪性能。
2020-07-28 cs.LG cs.RO cs.SY
Transfer Learning for LQR Control
本文提出一种LQR控制的迁移学习框架，通过利用N个源系统的脉冲响应数据识别可迁移模式集并重建目标系统响应，在目标系统动态未知的情况下将合成控制器的样本复杂度降低50%。
2025-05-01 cs.SY eess.SY
Optimum Weight Selection Based LQR Formulation for the Design of Fractional Order PIλDμ Controllers to Handle a Class of Fractional Order Systems
Jadavpur University（贾达普大学）；National Institute of Science and Technology（国家科学与技术学院）
本文提出基于LQR技术的分数阶PID或PIλDμ控制器时间域最优整定方法，用于处理具有单非整数阶元件的分数阶系统，通过优化权值矩阵提升系统响应性能。
2013-06-16 cs.SY eess.SY math.OC
Koopman-LQR Controller for Quadrotor UAVs from Data
针对四旋翼无人机非线性控制难题，提出基于Koopman算子理论与EDMD方法的数据驱动建模方案，并利用LQR设计控制器实现了系统的稳定与可控。
2024-06-25 cs.SY eess.SY
Policy Gradient over History-Dependent Policy Classes for LQR with Domain Randomization
University of Pennsylvania（宾夕法尼亚大学）；ETH AI Center（苏黎世联邦理工学院人工智能中心）；ETH Zurich（苏黎世联邦理工学院）
本研究针对域随机化LQR问题，提出基于历史依赖策略类别（如有限脉冲响应控制器）的策略梯度方法，并设计课程学习算法逐步扩展控制器记忆，证明在环境异质性有界时全局收敛，实验验证了方法的有效性。
2026-09-16 cs.SY eess.SY
Dynamic State-Feedback Control for LPV Systems: Ensuring Stability and LQR Performance
Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院）；Netze BW
针对常数输入矩阵的LPV系统，提出基于投影梯度流的动态状态反馈控制器，确保任意参数变化下的指数稳定性并收敛至最优LQR增益。
2026-11-03 cs.SY eess.SY
Modeling and Simulation of an Active Car Suspension with a Robust LQR Controller under Road Disturbance, Parameter Uncertainty and White Noise
TOBB University of Economics and Technology（TOBB经济与技术大学）
本研究设计了在道路扰动、参数不确定性和白噪声下更鲁棒的LQR控制主动悬挂系统，并通过仿真验证其在舒适性和安全性方面的优势。
2026-02-04 cs.SY eess.SY
Synchronising DER inverters to weak grid using Kalman filter and LQR current controller
本文提出用基于卡尔曼滤波器的高级角度估计和LQR电流控制器取代跟网型逆变器中的锁相环，以增强弱电网下的同步稳定性、精度和振荡阻尼性能。
2025-07-02 cs.SY eess.SY
Data-driven distributionally robust LQR with multiplicative noise
本文提出了一种数据驱动的方法来解决具有乘性干扰的系统的线性二次型调节器问题，其中干扰的分布只能通过样本估计得知.我们采用了一种分布鲁棒的方法，将控制器的综合问题转化为半定规划问题。使用高维统计的结果，所提出的方法，确保他们的解决方案提供了均方稳定控制器，即使在低样本量的高概率。随着样本容量的增加，闭环成本接近于已知分布时产生的最优控制器。我们通过数值实验证明了该方法的实用性和性能。
2020-05-26 cs.SY eess.SY
Hierarchical Decentralized Robust Optimal Design for Homogeneous Linear Multi-Agent Systems
Toyota Technological Institute（名古屋工业大学）；The University of Tokyo（东京大学）
本文提出设计分层去中心化鲁棒控制器的新方法，针对受扰动的同构线性多智能体系统，结合LQR和H∞规范，通过凸优化问题解决鲁棒控制问题，并通过数值示例验证有效性。
2016-07-07 cs.SY eess.SY
A System Level Approach to LQR Control of the Diffusion Equation
University of Colorado, Boulder（科罗拉多大学博尔德分校）
本文通过扩散方程在环面上的LQR问题案例，展示了系统级合成框架下，将最优控制器设计问题等价转化为闭环映射优化问题，并分析了保持凸性的时空约束条件。
2026-03-19 cs.SY eess.SY math.OC
Policy Gradient Bounds in Multitask LQR
针对多任务LQR中策略梯度性能分析未捕捉闭环任务相似性的问题，提出基于互模拟的任务异质性度量，推导次优性边界并验证其优于基线度量，提升性能保证。
2025-09-23 cs.SY eess.SY math.OC
A Novel Hybrid PID-LQR Controller for Sit-To-Stand Assistance Using a CAD-Integrated Simscape Multibody Lower Limb Exoskeleton
Thapar Institute of Engineering and Technology（塔帕尔工程技术学院）；Khalifa University Center for Autonomous Robotic Systems (KUCARS)（哈利法大学自主机器人系统中心）；Khalifa University（哈利法大学）
本文提出一种混合PID-LQR控制器，用于下肢外骨骼坐-立转换辅助，通过CAD集成Simscape Multibody建立高保真动态模型，并通过仿真验证其在关节轨迹跟踪中的优越性能。
2026-04-04 cs.RO cs.SY eess.SY
Optimal Two Player LQR State Feedback With Varying Delay
California Institute of Technology（加州理工学院）；University of Cambridge（剑桥大学）
本文提出了解决双玩家分布式LQR问题的显式解，考虑控制器间通信链路的时变延迟。通过扩展动态规划方法，证明在合适假设下，最优控制动作与信息线性相关，控制器具有分段线性动态特性。
2014-03-30 cs.SY eess.SY math.OC
Model-Free Design of Stochastic LQR Controller from Reinforcement Learning and Primal-Dual Optimization Perspective
为了更好地理解各种强化学习（RL）算法的内在机制，并更好地利用优化理论推动RL的进一步发展，许多研究者开始重新审视线性二次型调节器（LQR）问题，其设置简单，但却捕捉到了RL的特点。受此启发，本文从RL和原-对偶优化的角度出发，研究了高斯噪声下线性系统的随机LQR控制器的无模型设计问题。从强化学习的角度出发，我们首先提出了一种新的无模型的策略外迭代算法（MF-OPPI），该算法通过重复使用采样数据来更新策略，从而在一定程度上缓解了数据饥渴问题。然后，我们提供了一个严格的分析算法的收敛性表明，所涉及的迭代是等价的，在经典的策略迭代（PI）算法的迭代。从优化的角度，我们首先将随机LQR问题转化为一个约束非凸优化问题，并证明了它具有很强的对偶性。然后，为了解决这个非凸优化问题，我们提出了一个基于模型的原始-对偶（MB-PD）算法的基础上产生的Karush-Kuhn-Tucker（KKT）条件的性质。我们还通过求解变换后的对偶可行性条件，给出了MB-PD算法的无模型实现。更重要的是，我们表明，在MB-PD算法的双重和原始更新步骤可以被解释为PI算法的政策评估和政策改进的步骤，分别。最后，我们提供了一个仿真例子来展示所提出的算法的性能。
2021-03-17 cs.SY eess.SY
Localized LQR Optimal Control
California Institute of Technology（加州理工学院）
本文提出了一种类似于滚动预测的控制方案，用于局部可定位分布式系统，通过局部扰动在时空上的限制，采用线性等式约束进行表征，并展示了可行性的测试可以在局部和分布式方式下解决，最终提出了局部化LQR最优控制问题并推导出最优控制器的解析解。
2014-09-23 cs.SY eess.SY math.OC
Distributionally Robust Regret Optimal LQR with Common Stage-Law Ambiguity
Institute for Computational and Mathematical Engineering（计算与数学工程研究所）
本文研究了首个可解的多阶段事前分布鲁棒后悔优化框架，针对有限时间 horizon LQR 在共同阶段律不确定性下的控制问题，提出通过半正定规划求解的精确方法，并展示其在保留后悔保证的同时比传统DRO控制器更少保守。
2026-09-25 cs.SY eess.SY math.OC
Quantized Online LQR
California Institute of Technology（加州理工学院）
本文研究在通信速率限制下未知动态的在线线性二次调节问题，提出量化置信等价算法，在信息论下限基础上实现最优控制性能。
2026-04-13 cs.IT cs.SY eess.SY
An LQR-assisted Control Algorithm for an Under-actuated In-pipe Robot in Water Distribution Systems
Texas A&M University（德克萨斯A&M大学）
为了解决大型管道配水系统（WDS）中管道机器人的操作挑战，在本研究中，为我们以前设计的机器人提出了一种控制算法[4]。我们的尺寸适应性机器人具有欠驱动模块化设计，可用于泄漏检测和质量监控。首先，非线性动力学方程的机器人推导出两个垂直平面的定义，并定义了两组状态的机器人稳定和移动。对于稳定，我们计算辅助系统矩阵，并设计了一个稳定器控制器的线性二次型调节器（LQR）控制器的基础上，并结合比例积分微分（PID）控制器的动员。控制器方案在MATLAB中进行了仿真验证，在不同的操作条件下，在三个迭代。仿真结果表明，当初始值在-25 ° ~+25 °之间，跟踪速度分别为10 cm/s、30 cm/s和50 cm/s时，控制器能够使机器人在管道内稳定，使机器人在管道内的运行更加灵活、灵巧。
2020-12-29 cs.RO cs.SY eess.SY
Learning Control for LQR with Unknown Packet Loss Rate Using Finite Channel Samples
针对未知 Bernoulli 丢包信道下的 LQR，本文基于有限样本估计丢包率并设计 CE 控制器，分析其稳定阈值、次优性与样本复杂度。
2025-06-14 cs.SY eess.SY
NeuroDOB: A Deep Neural Observer-Based Controller for Vehicle Lateral Dynamics
本研究提出基于深度神经网络的NeuroDOB观测控制器，与LQR集成形成类人双系统控制结构，可适配个体驾驶习惯，提升车辆横向控制的稳定性与适应性。
2025-10-28 cs.SY eess.SY
Low-rank LQR Optimal Control Design over Wireless Communication Networks
研究了多智能体分布式控制系统的LQR最优控制设计问题。为了控制大规模的分布式系统，如智能电网和多智能体机器人系统在无线通信网络中，它是希望设计一个反馈控制器，考虑到各种限制通信，如有限的功率，有限的能量，或有限的通信带宽等，在本文中，我们专注于减少在无线通信网络的LQR最优控制设计问题的通信能量。通过考虑无线通信的特性，即，针对射频信号以广播方式向各个方向传播的特点，建立了一种低秩LQR最优控制模型，以降低分布式反馈控制系统中的通信能量。为了解决这个问题，我们提出了一种基于交替方向乘法（ADMM）的算法。通过各种数值实验，我们证明了使用低秩结构设计的反馈控制器可以优于以前的稀疏LQR最优控制设计的工作，其重点是减少网络中的通信链路的数量，在能量消耗，系统的稳定裕度对噪声和错误的通信。
2023-01-31 cs.DC cs.SY eess.SY
Stochastic LQR Design With Disturbance Preview
University of Michigan（密歇根大学）；Northeastern University（东北大学）
本文提出了一种具有有限扰动预知信息的随机LQR控制设计方法，并推导了有限和无限时间范围内的最优控制解。
2026-02-06 cs.SY eess.SY math.OC
Hierarchical Control of Multi-Agent Systems using Online Reinforcement Learning
针对具有未知状态空间模型和分离控制目标的异构线性多智能体系统，提出了一种新的基于强化学习的分层线性二次型调节器（LQR）控制器设计方法.这种分离源于将代理分组为多个不重叠的组，并将控制目标定义为两个不同的目标。第一个目标是最小化一个组明智的块分散LQR函数，模型组级任务。另一方面，第二个目标试图最小化组的平均状态（质心）之间的LQR函数。利用这种分离，我们重新定义的加权矩阵的LQR功能的方式，他们允许我们解耦各自的代数Riccati方程。此后，我们开发了一种强化学习策略，使用在线测量的代理状态和平均状态学习各自的控制器的基础上近似Riccati方程。由于第一个控制器是块分散的，因此可以并行学习，而第二个控制器由于平均而降低了维度，因此与集中式强化学习相比，整体设计的学习时间显着减少。
2020-07-28 cs.SY eess.SY math.DS
The Distributionally Robust Infinite-Horizon LQR
针对扰动分布未知且时序相关的无限时域 DR-LQR，本文给出非有理最优控制器的最优性条件，并提出频域不动点算法与有限阶 $H_\infty$ 有理逼近方法。
2024-08-12 cs.SY eess.SY math.OC
Optimal Control of Large-Scale Networks using Clustering Based Projections
North Carolina State University（北卡罗来纳州立大学）
本文提出基于投影的设计方法，用于构建大规模网络系统的简化线性二次调节器（LQR）控制器。通过聚类系统状态，减少维度，从而降低计算难度和通信需求。
2017-10-04 cs.SY eess.SY
Guaranteed Stability Margins for Decentralized Linear Quadratic Regulators
本文研究有向无环图上多决策者分散式LQR的稳定裕度问题，证明在子控制器输入代价解耦时其具有与经典LQR类似的保证稳定裕度，而引入代价耦合后该保证消失。
2023-05-25 cs.SY eess.SY math.OC
Separating Controller Design from Closed-Loop Design: A New Perspective on System-Level Controller Synthesis
我们表明，给定一个期望的闭环系统的响应，存在一个仿射子空间的控制器，实现这个响应。通过利用该子空间的存在，我们能够通过首先合成期望的闭环响应，然后合成实现期望响应的控制器，来将控制器设计与闭环设计分离。这是一个有用的扩展，最近推出的系统级综合框架，其中的控制器和闭环响应联合合成，我们不能强制执行特定于制造商的约束，而不受相同的约束的闭环映射。我们证明了从闭环设计分离控制器设计的重要性，在一个例子中，通信延迟和局部约束导致标准SLS是不可行的。使用我们的新的两步程序，我们能够合成一个控制器，遵守的约束，而只会导致3%的最佳LQR控制器相比，LQR成本增加。
2020-06-09 cs.SY eess.SY
Stability Analysis of LQR-ANFIS Control Schemes on 2-degree-of-freedom Inverted Pendulum Systems
本文设计融合LQR、模糊逻辑与神经网络的两阶段TS-LA控制器，在二自由度倒立摆Simulink模型中验证其稳定性与抗扰性能。
2023-12-11 cs.SY eess.SY
Policy Gradient for LQR with Domain Randomization
University of Pennsylvania（宾夕法尼亚大学）
本文首次对域随机化线性二次型调节（LQR）的策略梯度（PG）方法进行了收敛性分析，证明了在系统异质性界限下 PG 全局收敛于 DR 目标的有限样本近似，量化了样本复杂度，并提出免初始稳定控制器的折扣因子退火算法。
2025-03-31 cs.LG cs.SY eess.SY
A Comparative Study Between a Classical and Optimal Controller for a Quadrotor
针对线性化的四旋翼模型，对经典的比例积分微分（PID）控制器和最优的线性二次型调节器（LQR）控制器进行了仿真比较。为了简化四旋翼的复杂动力学模型，我们使用牛顿定律和欧拉定律并应用物理学的基本原理推导出线性数学模型。这个推导给出了关于机身坐标系和惯性坐标系的四旋翼机运动方程。建立了四旋翼飞行器的状态空间模型，并利用该模型对四旋翼飞行器的控制算法进行了仿真。除了经典的PID控制算法，LQR是一种最优控制调节器，它是更强大的四旋翼。在相同的初始条件下，这两种控制器在Simulink中进行了仿真，并显示出令人满意的响应。
2020-09-28 cs.SY eess.SY math.OC
Distributed LQR-based observer design for large-scale multi-agent networks
本文研究了具有相同动力学的智能体网络。代理人被假定为通过自我和相邻的输出测量，而状态是不可用的测量。将分布式估计看作是分布式LQR问题的对偶，利用两种互补的分布式LQR方法，提出了一种分布式观测器。第一个由自下而上的方法，其中自稳定剂之间的最佳相互作用的定义，以尽量减少全球LQR标准的上限。在第二种（自顶向下）方法中，集中式最优LQR控制器近似为分布式控制方案，其稳定性由LQR控制的稳定裕度保证。在本文中，分布式观测器，最小化一个确定性的性能指标的上界，提出了通过解决一个双重的LQR问题，使用自底向上的方法。代价函数是通过考虑最小能量估计理论定义的，其中加权矩阵具有确定性解释。所给出的结果对于设计最优或接近最优的分布式控制/估计方案是有用的。
2020-01-16 cs.SY eess.SY
Observation-based Optimal Control Law Learning with LQR Reconstruction
本文提出仅基于轨迹观测重构LQR优化问题的方法，估计目标状态、权重矩阵和控制时域，实现自主学习最优控制律，具有低计算消耗和强泛化能力，仿真与硬件实验验证有效。
2023-12-27 cs.SY eess.SY
A Moreau Envelope Approach for LQR Meta-Policy Estimation
Centre for Systems and Control, IIT Bombay（印度理工学院孟买分校系统与控制中心）；Rice University（莱斯大学）
针对离散时间线性时不变不确定系统的LQR策略估计问题，提出基于莫罗包络的代理LQR代价函数与求近似一阶驻点的算法，性能优于朴素平均法且样本复杂度优于MAML方法。
2024-10-07 cs.LG cs.SY eess.SY
Stability-Constrained Learning for Frequency Regulation in Power Grids with Variable Inertia
针对高比例可再生能源电网的低时变惯量问题，提出结合线性控制与神经网络、具备Lyapunov稳定性保证的一次频率控制器，在12母线系统中显著降低成本并达到接近LQR的实时性能。
2024-06-11 cs.SY eess.SY
On the Optimization Landscape of Observer-based Dynamic Linear Quadratic Control
University of Science and Technology Beijing（北京科技大学）；Chongqing University（重庆大学）；Johns Hopkins University（约翰斯·霍普金斯大学）；Tsinghua University（清华大学）；National University of Singapore（新加坡国立大学）
本文研究了基于观测器的动态输出反馈控制在LQR问题中的优化景观，推导了最优观测器-控制器对，并揭示了标准LQR控制器与观测器组合不对应整体闭环性能目标的结论。
2026-04-12 cs.SY eess.SY
Parameter Optimization of Multi-Agent Formations based on LQR Design
Beijing Institute of Technology（北京理工大学）；The Australian National University（澳大利亚国立大学）
针对多智能体编队控制，通过优化交互参数并采用LQR控制器最小化包含控制能量和几何性能的成本函数上界，提出分布式控制器和松弛优化方法。
2011-01-24 cs.MA cs.SY eess.SY
A Probabilistic Method for Nonlinear Robustness Analysis of F-16 Controllers
Texas A&M University（德克萨斯农工大学）
本文提出一种概率方法，用于评估F-16飞机纵向飞行闭环性能下的控制器鲁棒性，比较LQR和gsLQR在存在随机初始条件和参数不确定性时的性能，证明gsLQR在中间时间具有更好的暂态性能。
2014-02-02 cs.SY eess.SY math.OC
Separation is Optimal for LQR under Intermittent Feedback
本文证明了在独立同分布零均值扰动下，通信受限LQR问题中分离原理成立，并展示了最优调度策略为基于累积扰动的对称阈值规则，控制器为与调度策略无关的折扣线性反馈律。
2026-06-27 cs.IT cs.MA cs.RO
Human Balancing on a Log: A Switched Multi-Layer Controller
针对人类在固定原木上平衡难度更高的问题，提出受生物启发的切换式多层控制器，含上层LQR规划器与下层PID跟踪器，可切换三种模式，仿真验证了其在多初始条件和扰动下的稳定性，还提出输出肌肉激活信号的同类控制器。
2025-03-19 cs.SY eess.SY
A Note on Linear Quadratic Regulator and Kalman Filter
本文针对现代控制理论中的控制器设计与状态估计两大核心问题，系统阐述了线性二次调节器（LQR）与卡尔曼滤波（KF）的基本概念、推导、稳态分析及数值实现方法。
2023-08-30 cs.SY eess.SY math.OC
Noise Sensitivity of the Semidefinite Programs for Direct Data-Driven LQR
本文证明直接数据驱动LQR的半定规划在任意小噪声下都会退化为零增益平凡解，并进一步证明加入正则化项也无法消除该噪声敏感性问题。
2024-12-27 cs.SY eess.SY math.OC
Thompson Sampling Achieves $\tilde O(\sqrt{T})$ Regret in Linear Quadratic Control
California Institute of Technology（加州理工学院）；Purdue University（普渡大学）
汤普森抽样（Thompson Sampling，TS）是一种有效的不确定性决策方法，它从一个精心设计的分布中抽样，并根据观测数据进行更新。在这项工作中，我们研究了问题的自适应控制的稳定线性二次型调节器（LQR）使用TS，其中系统的动态是未知的。以前的工作已经建立了$\tilde O(\sqrt{T})$频率后悔是最优的LQR的自适应控制。然而，现有的方法要么只工作在限制性的设置，需要先验已知的稳定控制器，或利用计算棘手的方法。我们提出了一种有效的TS算法用于LQR的自适应控制，基于TS的自适应控制，TSAC，即使对于多维系统，也可以达到$\tilde O(\sqrt{T})$遗憾，从而解决了Abeille和Lazaric（2018）中提出的开放问题。TSAC不需要先验已知的稳定控制器，并通过在早期阶段有效地探索环境来实现底层系统的快速稳定。我们的结果取决于开发一个新的下限的概率，TS提供了一个乐观的样本。通过仔细规定的早期探索策略和政策更新规则，我们表明，TS实现订单最优后悔多维稳定LQR的自适应控制。我们经验证明的性能和效率的TSAC在几个自适应控制任务。
2022-06-17 cs.LG cs.SY eess.SY
Direct Data Driven Control Using Noisy Measurements
Michigan State University（密歇根州立大学）；Ford Motor Company（福特汽车公司）
针对未知动态且状态含噪的LQR问题，提出仅用单条含噪轨迹、基于LMI与SDP直接综合控制器的框架，保证均方稳定与最优性能。
2025-05-09 cs.LG cs.RO cs.SY
Linear Quadratic Regulator Design for Multi-input Systems with A Distributed Cooperative Strategy
研究了多输入系统的合作线性二次型调节器（LQR）问题，其中每个输入由网络中的智能体产生。多输入系统的输入矩阵是不同的，并且分别由相应的智能体局部拥有，这可以看作是智能体控制多输入系统的不同方式。通过嵌入全分布式信息融合策略，提出了一种基于LQR的协同控制器。每个代理只需要与它的邻居进行通信，而不是在网络中全局共享信息。此外，只有联合可控性是必需的，这使得多输入系统是不可控的，为每个单一的代理，甚至所有的邻居。特别地，在每个控制步骤中仅需要一次信息交换，这显著地减少了通信消耗。对于时变（时不变）系统，证明了控制器增益的有界性（收敛性）。此外，还保证了整个系统的控制性能。一般来说，所提出的控制器实现了更好的控制性能和通信开销之间的权衡，与现有的集中式/分散式/基于共识的LQR控制器相比。最后，通过几个比较数值例子说明了理论结果的有效性。
2021-11-09 cs.MA cs.SY eess.SY
SeaVis: Modeling and Control of a Remotely Operated Towed Vehicle for Seabed Visualization and Mapping
Artificial Intelligence in Robotics Laboratory (AiR Lab)（人工智能机器人实验室（AiR实验室））；Department of Electrical and Computer Engineering（电气与计算机工程系）；EIVA a/s（EIVA公司）；Automatic Control Group (RAT)（自动控制组（RAT））；Department of Electrical Engineering and Information Technology（电气工程与信息科技系）
本文提出了一种新型数学模型用于SeaVis遥控拖曳车，开发了基于增益调度的线性二次调节器以实现鲁棒的深度和姿态控制，并通过高保真模拟验证了其在复杂海底地形中的优越性能。
2026-05-14 cs.RO cs.SY eess.SY
