ETA Coordination at UAM Corridor Merging Points Using Worst-Case and Stochastic Trajectory Bounds
The University of Tokyo（东京大学）；Intent Exchange, Inc.（意图交换公司）
该研究针对UAM走廊汇合点，提出基于最坏情况与随机轨迹界的ETA协调框架，通过仿真验证其可提升安全性，且两种界分别适配高、轻度干扰场景以平衡鲁棒性与吞吐量。
2026-08-18 cs.SY eess.SY
Guaranteed Safe Spacecraft Docking with Control Barrier Functions
本文提出了一种在安全约束和有界干扰下航天器与非机动目标对接的控制策略。干扰的存在防止收敛到一个独特的对接状态，所以在我们的配方中，对接被定义为发生在一组使用规定的公差构造。通过应用鲁棒控制屏障功能来确保安全性，以使指定的安全设置对任何允许的干扰保持不变。然而，这种安全策略必须假设最坏情况的干扰，因此当不存在最坏情况的干扰时，将轨迹限制在安全集的子集。所设计的控制器考虑了这一限制，并保证航天器在有限时间内保持安全并实现对接。然后，控制器进行了验证，在模拟航天器降落在小行星上，和两个航天器在低地球轨道对接。
2021-12-22 cs.SY eess.SY math.OC
Regret-Optimal Linear-Quadratic Control under Distributional Drift
Institute for Computational and Mathematical Engineering（计算与数学工程研究所）；Stanford University（斯坦福大学）
针对扰动分布随时间漂移的有限时域LQR问题，提出事前分布鲁棒遗憾优化方法，通过时间耦合矩模糊集和仿射扰动反馈合成，将问题转化为半定规划，实验验证其能显著降低最坏情况遗憾。
2026-10-08 cs.SY eess.SY math.OC
Disturbance Observer-based Robust Control Barrier Functions
本文提出将扰动观测器与控制屏障函数结合的DOB-CBF安全控制方法，通过在线凸二次规划估计并补偿外部扰动，在保证安全的同时改善性能权衡。
2023-02-21 cs.SY eess.SY math.OC
A Distributionally Robust Approach to Regret Optimal Control using the Wasserstein Distance
Cornell University（康奈尔大学）
针对未知随机扰动下的离散时间线性系统，本文基于 type-2 Wasserstein 分布球和最优传输对偶，将最坏情况期望遗憾控制转化为半定规划，并刻画最坏分布。
2023-08-16 cs.LG cs.SY eess.SY
Worst-Case Control and Learning Using Partial Observations Over an Infinite Time-Horizon
University of Delaware（特拉华大学）
本文提出了一个在部分观测系统中进行近似控制与学习的框架，通过定义信息状态和近似信息状态，最小化无限时间跨度上的最坏情况折扣成本，并推导了性能损失界限。
2023-03-31 cs.AI cs.SY eess.SY
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
On the Regret of $\mathcal{H}_{\infty}$ Control
$\mathcal{H}_{\infty}$综合方法是鲁棒控制设计技术的基石，但已知在某些情况下是保守的。本文的目的是量化的额外成本的控制器招致规划的最坏情况下，通过采用一种方法的启发，从在线学习的遗憾。我们将\textit{disturbance-reality gap}定义为预测的最坏情况干扰信号与实际实现之间的差异。遗憾的规模与规范的\textit{gap}，原来有一个类似的结构，确定性等效控制器与不准确的预测，在这里获得的\textit{prediction error}规范。
2022-08-09 cs.SY eess.SY math.OC
Disturbance Observer-based Robust Integral Control Barrier Functions for Nonlinear Systems with High Relative Degree
针对有界加性扰动下的非线性系统安全控制问题，提出结合非线性扰动观测器与积分控制屏障函数的方法，并扩展至高相对阶情形。
2023-09-29 cs.SY eess.SY
Bounding Stochastic Safety: Leveraging Freedman's Inequality with Discrete-Time Control Barrier Functions
针对传统鲁棒安全方法保守性高的问题，本文结合Freedman不等式与离散时间控制屏障函数、c-鞅，为随机系统提供更严格的安全概率边界，经对比和双足机器人仿真验证了其有效性与紧致性。
2024-11-04 cs.SY eess.SY
Performance-Robustness Tradeoffs in Adversarially Robust Linear-Quadratic Control
虽然$\mathcal{H}_\infty$方法可以引入对最坏情况扰动的鲁棒性，但它们在常规随机扰动下的标称性能通常会大幅降低。虽然已知存在标称性能和鲁棒性之间的这种基本权衡，但它在定量方面没有得到很好的表征。为了解决这个问题，我们借用机器学习中日益普遍的对抗训练概念来构建一类控制器，这些控制器针对由混合随机和最坏情况分量组成的干扰进行了优化。我们发现，这个问题承认一个平稳的最优控制器，有一个简单的分析形式密切相关的次优$\mathcal{H}_\infty$解决方案。然后，我们提供了一个定量的性能鲁棒性权衡分析，其中系统的理论属性，如可控性和稳定性明确体现在一个可解释的方式。这为从业者提供了基于先验系统知识来确定结合多少鲁棒性的一般指导。我们经验验证我们的结果，我们的控制器的性能与标准基线进行比较，并绘制权衡曲线。
2022-03-21 cs.SY eess.SY
Robust On-Line ADP-based Solution of a Class of Hierarchical Nonlinear Differential Game
针对一类具有扰动的连续时间非线性系统，采用一种新的策略迭代强化学习方法，研究了一个同时包含零和博弈和非零和博弈的一领导多从者递阶博弈问题.提出了一种自适应动态规划（ADP）方法，用于在最坏扰动情况下实现最优控制策略。该算法将用于估计的神经网络的数量减少了约30%。所提出的算法使用神经网络估计值函数，控制策略和干扰。利用李雅普诺夫理论和利用性质的Nemytskii运营商的估计的收敛性分析。最后，仿真结果将证明所开发的ADP方法的有效性。
2019-07-26 cs.SY eess.SY
Mean-covariance turnpikes in Wasserstein distributionally robust linear-quadratic control
Southwest Jiaotong University（西南交通大学）；Friedrich-Alexander-Universität Erlangen-Nürnberg（埃尔朗根-纽伦堡大学）
针对带经验扰动数据的离散时间随机线性系统的长时域Wasserstein分布鲁棒线性二次控制问题，通过构造混合策略证明了相关量的指数turnpike性质，可降低长时域鲁棒控制的计算成本。
2026-08-28 cs.SY eess.SY math.OC
Distributionally Robust Data-Driven Predictive Control for Stochastic LTI Systems
Aalborg University（奥尔堡大学）
本文提出面向随机线性时不变系统的分布鲁棒数据驱动预测控制框架，通过最小二乘法构建预测残差经验分布作为扰动分布代理，利用Wasserstein模糊集最小化最坏情况下的期望成本并满足概率输出约束，有效验证了该方法在不同扰动条件下的性能。
2026-05-08 cs.SY eess.SY
Distributionally Robust Stochastic MPC under Disturbance-Affine Feedback Policies
RWTH Aachen University（亚琛工业大学）
本文提出一种分布鲁棒随机MPC方法，利用扰动数据构建Wasserstein球内的分布集，以应对最坏情况下的约束满足问题。通过引入扰动仿射控制策略，提升控制自由度，证明了所提方法的递归可行性与稳定性，并通过理论分析和仿真验证其在初始可行集、平均性能和状态方差控制方面的优越性。
2026-04-14 cs.SY eess.SY math.OC
Risk-Aware Control of Discrete-Time Stochastic Systems: Integrating Kalman Filter and Worst-case CVaR in Control Barrier Functions
本文针对受随机干扰的离散时间线性系统，提出一种结合 Kalman filter 状态估计与 worst-case CVaR 风险量化的风险感知控制方法，通过将风险集成至 CBF 形成约束以应对安全集边界尾部风险，并针对半空间和椭球安全集设计了两种基于优化的控制方法。
2024-12-18 cs.SY eess.SY math.OC
Safe Control of Partially-Observed Linear Time-Varying Systems with Minimal Worst-Case Dynamic Regret
针对存在未知噪声的部分可观测线性时变系统，提出一种基于 System Level Synthesis 的最小最坏情况动态遗憾安全控制算法，在四旋翼轨迹跟踪仿真中展现出优于 $\mathcal{H}_2$ 和 $\mathcal{H}_\infty$ 控制器的性能。
2023-03-31 cs.SY eess.SY
Performance-Robustness Tradeoffs in Adversarially Robust Control and Estimation
本文借鉴对抗训练思想设计针对混合随机与最坏情况扰动的线性时不变最优控制器，并在状态反馈控制与状态估计中定量刻画性能-鲁棒性权衡，揭示其与可控性、可观测性格拉姆矩阵谱及系统稳定性的关系。
2023-05-25 cs.SY eess.SY
A dynamic game approach to distributionally robust safety specifications for stochastic systems
University of Southern California（南加州大学）
本文提出了一种新的安全规范方法，该方法对扰动概率分布的误差具有鲁棒性。通过动态博弈方法构建安全策略，识别非随机化马尔可夫策略最优的条件，并开发了一种在对扰动分布了解有限的情况下设计安全导向的随机控制器的方法，同时在概率意义上确保安全。
2017-01-31 cs.SY eess.SY math.OC
Distributionally Robust Differential Dynamic Programming with Wasserstein Distance
针对未知扰动分布的随机系统最优控制问题，提出一种基于Wasserstein距离的分布鲁棒微分动态规划方法，利用对偶原理推导闭式策略，无需数值求解极小极大问题，具有高效可扩展性。
2023-05-16 cs.SY eess.SY math.OC
Wasserstein Distributionally Robust Regret-Optimal Control in the Infinite-Horizon
研究无限时域上离散时间线性系统的Wasserstein分布鲁棒遗憾最优控制，允许时间相关扰动，提出频域定点迭代方法求解非有理最优控制器，规避了有限时域SDP的计算瓶颈。
2023-12-28 cs.SY eess.SY math.OC
Robust Model Predictive Control with Polytopic Model Uncertainty through System Level Synthesis
针对多面体模型不确定性与加性扰动下的离散线性系统，提出基于System Level Synthesis的鲁棒MPC方法，联合在线优化LTV控制器与不确定性影响界，显著降低保守性且计算量相当。
2023-09-26 cs.SY eess.SY math.OC
Approximate Information States for Worst-Case Control and Learning in Uncertain Systems
School of Civil and Environmental Engineering, Cornell University（康奈尔大学土木与环境工程学院）
本文针对部分观测不确定系统，提出基于近似信息状态的通用决策框架，通过动态规划计算最优策略并保证有界性能损失，并在控制和强化学习中验证其有效性。
2024-04-06 cs.AI cs.SY eess.SY
Adaptive optimal $\ell_\infty$-induced robust stabilization of minimum phase SISO plant under bounded disturbance and coprime factor perturbations
针对有界扰动与互质因子摄动下离散最小相位SISO对象的最优鲁棒镇定问题，提出基于集员估计与参数非线性变换转化为线性分式规划的自适应控制方法，可在参数未知时以指定精度实现与已知参数对象相当的最优输出渐近上界，还支持估计与先验假设的在线验证。
2022-07-28 cs.SY eess.SY math.OC
A computationally efficient robust model predictive control framework for uncertain nonlinear systems -- extended version
在本文中，我们提出了一个非线性鲁棒模型预测控制（MPC）框架一般（状态和输入相关）干扰。这种方法使用在线构造的管，以收紧标称（状态和输入）的约束。为了便于有效的在线实现，管的形状是基于离线计算的增量李雅普诺夫函数与相应的（非线性）增量稳定反馈。至关重要的是，在线优化仅隐式地包括这些非线性函数的标量边界，这使得有效的实施。此外，考虑到最坏情况下的干扰的有效评估，一个简单的功能离线构造的上限可能的干扰实现在附近的一个给定的点的开环轨迹。由此产生的MPC计划，确保强大的约束满意度和实际的渐近稳定性，适度增加在线计算需求相比，名义MPC。我们证明了所提出的框架的适用性相比，最先进的强大的MPC方法与非线性基准的例子。本文是[1]的扩展，包含了进一步的细节和额外的考虑：连续时间系统（App. A），更一般的非线性约束（App. B）和特殊情况（Sec. IV）。
2020-06-04 cs.SY eess.SY
Anisotropy-based optimal filtering in linear discrete time invariant systems
The University of Queensland（昆士兰大学）；UNSW Canberra（新南威尔士大学堪培拉校区）
本文研究了有限维线性离散时间不变系统中两输出信号的鲁棒滤波问题，提出基于各向异性度量的最优估计器，通过求解代数Riccati方程组和矩阵行列式方程实现，适用于标准卡尔曼滤波和H∞最优估计器的极限情况。
2014-12-09 cs.SY eess.SY math.OC
Robust Safety-Critical Control for Systems with Sporadic Measurements and Dwell Time Constraints
本文扩展了控制障碍函数（CBF）理论，针对带干扰、稀疏测量且需开环运行的系统，通过混合动力系统建模和开环观测器设计，提出保证状态约束的控制输入条件，并应用于卫星交会与轨道保持仿真。
2024-06-04 cs.SY eess.SY math.OC
Distributionally Robust System Level Synthesis With Output Feedback Affine Control Policy
STAR Lab, TU Delft（TU Delft STAR 实验室）
本文提出一种基于输出反馈仿射控制策略的分布鲁棒系统级综合方法，以应对模型失配和随机扰动，并通过数值实验验证其鲁棒性。
2025-10-08 cs.SY eess.SY math.OC
Data-Driven Distributionally Robust System Level Synthesis
本文提出一种数据驱动的双重鲁棒状态反馈控制器，结合系统级综合与分布鲁棒优化，应对模型失配和扰动分布不确定性，并给出样本复杂度界限及数值验证。
2024-05-28 cs.SY eess.SY math.OC
Infinite-Horizon Distributionally Robust Regret-Optimal Control
本文研究无限时域分布鲁棒遗憾最优控制问题，通过有限维参数表征非有理最优策略，提出频域算法和凸优化方法构造近似最优状态空间控制器，避免了有限时域下计算代价高昂的半定规划。
2024-06-11 cs.SY eess.SY math.OC
Beyond KL-divergence: Risk Aware Control Through Cross Entropy and Adversarial Entropy Regularization
针对鲁棒动态规划处理最坏情况扰动过于保守的问题，本文提出基于交叉熵与对抗熵正则化的风险感知控制框架，并给出 minsoftmax 算法及与 $\mathcal{H}_{\infty}$ 控制的联系。
2025-05-16 cs.SY eess.SY math.OC
Robust Model-Free Learning and Control without Prior Knowledge
California Institute of Technology（加州理工学院）
我们提出了一个简单的无模型控制算法，能够鲁棒学习和稳定的未知的离散时间线性系的完全控制和状态反馈的任意有界干扰和噪声序列。该控制器不需要系统动态、干扰或噪声的任何先验知识，但它可以保证鲁棒稳定性，并提供状态和输入轨迹的渐近和最坏情况下的界限。据我们所知，这是第一个无模型算法，它具有如此强大的稳定性保证，而不需要对系统进行任何事先假设。我们想强调的是，新的基于凸几何的方法对强大的稳定性分析，作为一个关键的推动因素，在我们的结果。我们将得出结论，仿真结果表明，尽管通用性和简单性，控制器表现出良好的闭环性能。
2020-10-01 cs.LG cs.SY eess.SY
Towards Integrated Perception and Motion Planning with Distributionally Robust Risk Constraints
在不确定和动态的环境中安全部署机器人需要系统地考虑各种风险，包括从感知到运动规划和控制的自主堆栈中的层内和层间的风险。许多广泛使用的运动规划算法没有充分地结合固有的感知和预测不确定性，通常完全忽略它们或做出可疑的高斯假设。我们提出了一个分布式鲁棒增量采样为基础的运动规划框架，明确和连贯地结合感知和预测的不确定性。我们设计了输出反馈政策，并考虑基于矩的模糊集的分布，以执行概率避碰约束下的最坏情况下的模糊集中的分布。我们的解决方案的方法，称为输出反馈分布鲁棒$RRT^{*}$（OFDR- $RRT^{*})$），产生渐近最优的风险有界的轨迹机器人在动态，杂乱，和不确定的环境中，明确纳入映射和定位误差，随机过程干扰，不可预测的障碍物运动，和不确定的障碍物位置。数值实验表明了该算法的有效性。
2020-02-07 cs.SY eess.SY
Wasserstein Distributionally Robust Control and State Estimation for Partially Observable Linear Systems
针对扰动与噪声分布未知的部分可观测线性系统，提出Wasserstein分布鲁棒控制与状态估计统一算法，通过半定规划迭代确定最坏情况协方差，实现闭式最优解与分离原理，具有保证成本和样本外性能保证。
2024-06-03 cs.SY eess.SY math.OC
Automatic scenario generation for efficient solution of robust optimal control problems
本文提出基于局部约简的自动场景生成方法，通过迭代添加最坏情况场景，高效求解含参数和时变不确定性的鲁棒最优控制问题，显著减少场景数量并满足约束。
2023-08-18 cs.SY eess.SY math.OC
Robust Multivariate Detection and Estimation with Fault Frequency Content Information
本文针对LTI系统故障检测与估计问题，利用故障频率内容信息，提出混合H_/H2优化检测滤波器设计、阈值规则以及基于QP下界和交替优化的估计滤波器设计方法，并通过水轮机与多区域电力系统验证其有效性。
2024-10-01 cs.SY eess.SY math.OC
Inertia Adequacy in Transient Stability Models for Synthetic Electric Grids
如果扰动震动低惯性电力系统，则频率下降可能太快而无法在其触发来自发电机和负载的不期望的响应之前阻止。在最坏的情况下，这种不稳定性可能导致停电和主要设备损坏。为了解决这个问题，电力公司研究了特别脆弱的系统的惯性充足性。这个过程涉及详细的瞬态模拟，通常会导致系统范围的惯性地板的概念。在这个分析中，持续的问题是如何设置惯性下限，以及频率控制资源的位置在多大程度上起作用。本文提出了一种新的分析技术，量化的理论位置频率变化率（ROCOF）作为一个计算效率高的筛选算法可扩展到大型系统。推动这一领域的另一个挑战是缺乏高质量的公共基准动态案例。本文提出了一个合成的情况下，这样的目的和验证方法，以确保它是非常适合的惯性充足性研究，以提高电网的性能。
2022-07-07 cs.SY eess.SY
Distributionally Robust Kalman Filtering over Finite and Infinite Horizon
本文研究有限和无限时间跨度上的分布鲁棒滤波，在Wasserstein-2模糊集下最小化最坏情况均方误差，允许时间相关干扰，分别通过SDP和KKT条件求解，并提出频域算法及有限维逼近方法。
2024-07-26 cs.SY eess.SP eess.SY
Robust output feedback model predictive control using online estimation bounds
我们提出了一个框架，设计非线性鲁棒输出反馈模型预测控制（MPC）计划，确保约束条件下的噪声输出测量和干扰的满意度。我们提供了新的估计方法来约束估计误差的大小的基础上：稳定性的观察员;可检测性;集员估计;滚动时域估计（MHE）。鲁棒约束满足保证适当地将这些在线验证的边界上的估计误差在一个位似管的MPC制定。此外，我们展示了如何通过将MHE和MPC结合在单个优化问题中来进一步提高性能。该框架适用于一般类的可检测和（增量）稳定的非线性系统。虽然标准的输出反馈MPC计划使用离线计算的最坏情况下的估计误差的界限，所提出的框架利用在线验证的界限，从而减少保守性和提高性能。我们证明了减少保守性的建议框架使用非线性10状态四旋翼的例子。
2021-05-07 cs.SY eess.SY math.OC
Robust Estimation and Control for Heterogeneous Multi-agent Systems Based on Decentralized k-hop Prescribed Performance Observers
Eindhoven University of Technology（埃因霍温理工大学）
针对受有界扰动的异构多智能体系统，提出分布式k跳预定性能观测器，仅用1跳邻居局部信息估计远跳智能体状态与输入并保证暂态误差，还分析了省略输入观测器的条件及估计状态用于控制的可行性，仿真验证了方法有效性。
2025-11-12 cs.SY eess.SY
