Covariance Steering for Systems Subject to Unknown Parameters
本文研究了同时具有加性噪声和不确定参数的系统的最优协方差操纵问题，这些不确定参数可能与状态和控制相乘。未知参数被建模为从具有已知矩的分布中采样的恒定随机变量。最优协方差转向问题制定使用基于矩的表示的系统动态，其中包括未知参数和未来状态之间的依赖关系，并使用顺序凸规划求解。所提出的方法证明了使用完整的航天器系统和自主车辆控制应用程序的数值。
2023-03-18 cs.SY eess.SY math.OC
Covariance Steering for Nonlinear Control-affine Systems
研究了非线性仿射控制系统的协方差操纵问题。我们的目标是找到一个最优控制策略，使系统的状态从一个初始分布转向一个目标分布，其均值和协方差是已知的。由于非线性，现有的线性协方差操纵问题的技术是不直接适用的。通过利用著名的Girsanov定理，我们制定了一个优化的空间路径分布的问题。然后，我们采用广义近似梯度算法来解决这个优化问题，其中每次更新都需要解决一个线性协方差转向问题。我们的算法是保证收敛到一个局部最优解的次线性速度。此外，该算法的每次迭代都可以用封闭形式实现，因此其计算复杂性对时间离散化的分辨率不敏感。在例子中，我们的方法实现了1000倍的速度比现有的算法。
2023-03-24 cs.SY eess.SY math.OC
Steady State Covariance Steering via Sparse Intervention
Keio University（庆应义塾大学）
本文提出基于近端梯度算法的稀疏干预方法，用于实现线性动态系统中稳态协方差的精确引导。
2026-02-26 cs.SY eess.SY math.OC
Distributionally Robust Covariance Steering with Optimal Risk Allocation
本文将离散时间线性随机系统的最优协方差控制问题推广到基于矩模糊集的离散时间线性随机系统。为了在执行协方差操纵的同时对冲状态分布中的不确定性，在风险的最优分配期间采用分布鲁棒风险约束。具体而言，分布式鲁棒迭代风险分配（DR-IRA）的形式主义是用来解决CS问题的最优风险分配问题，使用两个阶段的方法。DR-IRA的上层是一个凸问题，优化的风险，而下层优化控制器与新的分布鲁棒风险约束。所提出的框架的结果在解决方案中，是强大的任意分布在所考虑的模糊集。最后，我们使用数值模拟证明我们提出的方法。通过分布式鲁棒性的镜头解决协方差转向问题标志着本文的新贡献。
2022-11-07 cs.SY eess.SY math.OC
Optimal Covariance Steering for Continuous-Time Linear Stochastic Systems With Multiplicative Noise
本文研究了加性噪声和乘性噪声共同作用下连续线性随机系统的有限时域最优协方差控制问题。噪声可以是连续的，也可以包含跳跃。加性噪声不依赖于状态或控制，而乘性噪声具有与当前状态成比例的幅度。在状态和控制中，假设成本都是二次的。首先，在温和的假设下，建立状态协方差的可控性。然后，提供用于操纵协方差的最优控制。最后证明了最优控制的存在唯一性。在这个过程中，我们提供了一个结果的独立利益的最大区间的存在性矩阵里卡蒂微分方程的解决方案。
2023-01-27 cs.SY eess.SY math.OC
Wasserstein Distributionally Robust Adaptive Covariance Steering
针对受一般不确定性影响的非线性随机过程，提出基于$\text{L}_1$-自适应架构的Wasserstein分布鲁棒协方差转向控制方法，无需有限样本或先验模糊集即可保障控制安全。
2025-09-04 cs.SY eess.SY
Robust Sampling-Based Covariance Steering for Aerocapture Guidance
Massachusetts Institute of Technology（麻省理工学院）；The Charles Stark Draper Laboratory, Inc.（查尔斯·斯塔克·德雷珀实验室有限公司）
针对大气捕获中的状态和大气密度不确定性，提出一种基于采样的鲁棒协方差引导算法，通过采样非线性轨迹评估ΔV需求，在火星和天王星场景中相比现有算法将99%、99.7%和最坏情况ΔV降低5-15%。
2026-06-16 cs.SY eess.SY
Nonlinear Covariance Steering using Variational Gaussian Process Predictive Models
本文研究了未知离散随机非线性系统的不确定状态的前两阶矩在有限时间内指向给定终端分布的问题。为了实现这一目标，首先，使用随机变分高斯过程回归从一组可用的训练数据点中学习非参数预测模型：这是一种强大且可扩展的机器学习工具，用于学习任意非线性函数的分布。其次，我们制定了一个易于处理的非线性协方差转向算法，利用高斯过程预测模型来计算反馈策略，将驱动系统的状态分布接近目标分布。特别是，我们实现了一个贪婪的协方差转向控制策略，在每个时间步线性化的高斯过程模型的最新预测的均值和协方差，解决了线性协方差转向控制问题，并只适用于第一控制律。最新的反馈控制策略下的状态不确定性，然后使用无迹变换与学习的高斯过程预测模型和算法进行到下一个时间步。数值模拟说明本文的主要思想。
2021-04-02 cs.SY eess.SY math.OC
Covariance Steering of Discrete-Time Markov Jump Linear Systems with Multiplicative Noise
Daniel Guggenheim School of Aerospace, Georgia Institute of Technology（佐治亚理工学院丹尼尔·古根海姆航空学院）
本文研究了具有状态和控制依赖乘性噪声的离散时间马尔可夫跳跃线性系统（MJLS）的有限时间协方差引导问题，通过引入提升状态公式和SDP重构，提出了一种松弛方法，并通过金融应用实验验证了结果。
2026-04-21 cs.SY eess.SY math.OC
Belief Space Planning: A Covariance Steering Approach
Georgia Institute of Technology（佐治亚理工学院）；California Institute of Technology（加州理工学院）
提出了一种新的置信空间规划算法--协方差引导置信路线图（CS-BRM），它是一种多查询算法，用于运动和观测同时存在不确定性的动力系统的运动规划。CS-BRM扩展的概率路线图（PRM）的方法，信念空间，是基于最近开发的理论的协方差导向（CS），使终端的信念约束在有限的时间内保证满意。CS-BRM中的节点在置信空间中采样，并代表系统状态的分布。协方差引导控制器将系统从一个BRM节点引导到另一个BRM节点，从而充当确保信念约束满足的相应信念图的边缘控制器。在边控制器被计算之后，特定的边成本被分配给该边。CS-BRM算法允许对非静止置信节点进行采样，从而能够探索速度空间并找到有效的运动计划。CS-BRM的性能进行评估，并与以前的信念空间规划方法相比，证明所提出的方法的好处。
2021-05-24 cs.RO cs.SY eess.SY
Data-Driven Covariance Steering Control Design
本文提出一种数据驱动的协方差导引控制框架，在未知系统动态下利用 Willems 等人的工作构建数据参数化，通过凸规划求解均值与协方差控制问题，并在双积分器系统上验证了其与基于模型方法的等价性及鲁棒性。
2023-03-30 cs.SY eess.SY math.OC
Greedy Finite-Horizon Covariance Steering for Discrete-Time Stochastic Nonlinear Systems Based on the Unscented Transform
本文研究了离散时间非线性随机系统的不确定状态的前两阶矩在给定的最终时刻达到预定目标量的问题。原则上，后一个问题可以被公式化为密度跟踪问题，其寻求将保持系统状态的密度函数在适当度量方面接近目标密度的反馈策略。然而，后一个无限维问题的解决方案可能是一项复杂且计算昂贵的任务。相反，我们提出了一个更容易处理和直观的方法，它依赖于一个贪婪的控制策略。后一种控制策略由解决一系列相应的线性化协方差操纵问题的控制策略的第一元素组成。这些协方差转向问题中的每一个仅依赖于关于当前阶段的状态均值和状态协方差的可用信息，并且可以被配制为易于处理的（有限维）凸规划。在每个阶段，通过利用（缩放的）无迹变换计算下一阶段所得闭环非线性系统的预测状态均值和协方差的近似值来更新关于状态统计的信息。数值模拟，说明我们的方法的关键思想。
2020-09-30 cs.SY eess.SY math.OC
Distributed Covariance Steering via Non-Convex ADMM for Large-Scale Multi-Agent Systems
Georgia Institute of Technology（佐治亚理工学院）；Massachusetts Institute of Technology（麻省理工学院）；The University of Texas at Austin（德克萨斯大学奥斯汀分校）
本文研究在概率碰撞避免约束下，通过非凸ADMM实现分布式协方差控制，提出三种方法在保守性和计算效率间平衡，验证了算法的收敛性和可扩展性。
2026-04-06 cs.SY eess.SY math.OC
A Unified Family-optimal Solution to Covariance Intersection Problems with Semidefinite Programming
Eindhoven University of Technology（埃因霍温理工大学）；Instituto Superior Técnico, Universidade de Lisboa（里斯本大学高等技术学院）
本文提出一种统一的协方差交集框架，通过半定规划统一了多种协方差交集变体，为大规模分布式估计问题提供了系统设计和实时实现的方法。
2026-10-02 cs.SY eess.SP eess.SY
Covariance Steering of Discrete-Time Linear Systems with Mixed Multiplicative and Additive Noise
本文研究了离散线性系在乘性和加性噪声作用下的协方差控制问题。具体来说，我们考虑两个变种的所谓的CS问题。第一个问题称为精确CS问题，其目标是在有限时间内将状态过程的均值和协方差引导到它们的期望值。在第二个，这是所谓的“放松”CS问题，协方差分配约束放松成一个半正定约束。我们表明，放松CS问题可以作为一个等价的凸半定规划（SDP）后，施加适当的变量变换和约束松弛。此外，我们提出了一个两个步骤的解决方案的基础上放松的问题制定返回一个可行解，如果存在一个确切的CS问题。最后，数值实验的结果显示所提出的解决方案的有效性。
2022-10-04 cs.SY eess.SY math.OC
Continuous-Time Covariance Steering with Common Free-Final Time: Finite-Horizon Solutions and Infinite-Horizon Limits
Daniel Guggenheim School of Aerospace, Georgia Institute of Technology（佐治亚理工学院）；Department of Electrical and Computer Engineering, FAMU-FSU College of Engineering（FAMU-FSU工程学院）
本文针对连续时间随机线性系统的协方差转向问题，建立SDE约束SOCP的确定性重述，推导最优性条件与有限终端时间的充分条件，分析有限时域解的无限时域极限，开发算法并在三类问题上验证性能。
2026-08-12 cs.SY eess.SY math.OC
Free Final Time Adaptive Mesh Covariance Steering via Sequential Convex Programming
RTX Technology Research Center（RTX技术研究中心）
本文提出了一种顺序凸规划框架，用于非线性随机微分方程的自由终时间协方差引导，通过时间归一化和时间扩张变量实现自适应离散化网格，优化控制策略和时间网格。
2026-03-17 cs.SY eess.SY math.OC
Chance-Constrained Covariance Steering in a Gaussian Random Field via Successive Convex Programming
本文研究了在高斯随机场存在下，仿射反馈律的优化问题，该反馈律能明确地控制不确定系统状态的均值和协方差。空间相关的干扰连续近似相对于一个标称轨迹由一系列的联合高斯随机向量。标称控制输入的顺序更新通过凸优化计算，包括仿射状态反馈的效果，空间扰动的扰动效果，以及对闭环状态和控制的机会约束。所开发的方法应用于解决仿射反馈法，以最大限度地减少第99百分位数的$Δv$需要完成一个行星周围的随机扰动大气的aerocapture任务。
2022-01-17 cs.SY eess.SY math.OC
Fixed Horizon Linear Quadratic Covariance Steering in Continuous Time with Hilbert-Schmidt Terminal Cost
本文提出了一种连续时间固定时间线性二次协方差控制算法，通过希尔伯特-施密特范数误差优化终端协方差，并通过数值实验验证了算法的有效性。
2025-12-13 cs.SY eess.SY math.OC
Constrained Covariance Steering Based Tube-MPPI
针对随机线性系，提出了一种新的轨迹优化算法，该算法将模型预测路径积分（MPPI）控制与约束协方差导引（CSS）相结合，在保证安全性（鲁棒性）的前提下实现了高性能。虽然MPPI可以用来解决复杂的非线性轨迹最优化问题，它可能并不总是有效地处理约束，其性能可能会下降，在未建模干扰的存在。相比之下，CCS可以处理概率状态和/或输入约束（例如，机会约束）并且还将系统的状态协方差引导到期望的正定矩阵（不确定性控制），这两者都意味着CCS可以提供对随机干扰的鲁棒性。然而，CCS存在可扩展性问题，并且通常不能处理复杂的费用函数。我们认为，这两种方法的组合产生一类轨迹优化算法，可以实现高性能（MPPI的一个功能），同时确保高概率的安全性（CCS的一个功能）。在避障问题和圆形轨迹路径生成问题中证明了该算法的有效性。
2022-04-19 cs.SY eess.SY math.OC
Covariance Steering for Uncertain Contact-rich Systems
University of California, Los Angeles（加州大学洛杉矶分校）；Mitsubishi Electric Research Laboratories（三菱电机研究实验室）
针对随机互补约束的富接触系统，提出结合粒子滤波、机会约束、双层NLP和重要粒子算法的接触感知闭环协方差控制方法。
2023-03-23 cs.RO cs.SY eess.SY
Minimum Variance and Covariance Steering Based on Affine Disturbance Feedback Control Parameterization
本文的目标是解决离散时间随机（高斯）线性系的有限时域最小方差和协方差操纵问题。一方面，最小方差问题寻求一种控制策略，使不确定性系统的状态均值达到一个预定的量，同时使其终态协方差（或方差）的迹最小。另一方面，协方差引导问题寻求将终态的协方差引导到规定的正定矩阵的控制策略。我们提出了一种解决方案，依赖于随机版本的仿射干扰反馈控制参数化，根据该控制输入在每个阶段可以表示为一个仿射函数的历史上的干扰，作用于系统。我们的分析表明，这种特殊的参数化允许一个减少随机最优控制问题，本文考虑到易于处理的凸规划基本上相同的决策变量。这与其他控制策略参数化，如状态反馈参数化，其中的凸规划的决策变量不符合随机最优控制问题的控制器的参数。此外，我们提出了一个变化的控制参数化依赖于截断历史的过去的干扰。我们表明，通过适当地选择截断序列的长度，我们可以设计次优控制器，可以达到所需的性能和计算成本之间的平衡。
2020-11-10 cs.SY eess.SY math.OC
Optimal Covariance Steering of Linear Stochastic Systems with Hybrid Transitions
本文研究线性随机系统在混合转移下的最优协方差导引问题，通过Saltation矩阵处理跳跃动态，对非奇异情况推导闭式解，对一般情况利用薛定谔桥对偶转化为凸优化，提供计算高效的最优解。
2024-10-17 cs.SY eess.SY math.OC
Covariance Steering for Discrete-Time Linear-Quadratic Stochastic Dynamic Games
在博弈论环境下，研究了离散时间线性动力系统从初始高斯分布到最终分布的控制问题。两个参与者中的一个努力使二次收益最小化，同时试图在最后一个时间步满足给定的均值和协方差约束。另一个参与者最大化相同的收益，但它被假定为是无关紧要的终端约束。首先，研究了无约束博弈，得到了存在鞍点的必要条件。然后，我们表明，获得一个片面的约束动态博弈的解决方案是不能保证的，随后球员的最佳反应进行了分析。最后，我们提出了数值解决的问题，在对抗的情况下，使用雅可比迭代法的分布转向。最后，以导弹末端制导问题为例，分析了该方法的有效性。对未达到终端分布的情况进行了数值模拟，并讨论了满足终端约束的必要条件。
2020-03-06 cs.SY eess.SY math.OC
Distributed Model Predictive Covariance Steering
Georgia Institute of Technology（佐治亚理工学院）；University of Texas at Austin（德克萨斯大学奥斯汀分校）
本文提出分布式模型预测协方差转向（DiMPCS），融合协方差转向、分布式优化与MPC，实现多智能体安全去中心化控制，仿真与硬件实验验证其可扩展性和性能。
2025-01-26 cs.RO cs.SY eess.SY
Covariance steering in zero-sum linear-quadratic two-player differential games
我们制定了一类新的两人零和微分对策，在随机设置，其中的目标终端状态分布的规格是强加给球员。我们通过引入激励机制来引导玩家相应地引导加入分布来解决这种增加的规范。在本文中，我们只讨论目标为高斯分布的线性二次博弈。解的特征在于一个耦合的Riccati方程组，类似于在标准的线性二次微分对策。实际上，一旦计算出激励函数，我们的问题就简化为标准问题。本文的框架扩展了协方差控制，一个快速发展的研究领域以前的结果。在数值方面，这里的问题被重新表述为凹凸极大极小问题，有效和可靠的算法是可用的。
2019-09-12 cs.SY eess.SY math.DS
Linear Exponential Quadratic Gaussian Covariance Steering
Iowa State University（爱荷华州立大学）
本文提出并分析连续时间LEQG协方差转向问题，证明最优控制器由对称矩阵参数化，推广风险中性结果，并证明匹配噪声情形下解的存在唯一性。
2026-09-14 cs.AI cs.LG cs.SY
Constrained Multi-Modal Density Control of Linear Systems via Covariance Steering Theory
针对状态密度为 GMM 的离散时间随机线性系统，提出利用随机化控制策略将有限时域密度引导转化为线性或双线性规划，并给出一般分布近似的误差界。
2025-01-06 cs.SY eess.SY math.OC
Exact SDP Formulation for Discrete-Time Covariance Steering with Wasserstein Terminal Cost
在本文中，我们提出了新的结果与Wasserstein距离终端成本的协方差导向问题。我们表明，状态历史反馈控制政策参数化，这已经被用来解决这类问题，需要一个不必要的大量的变量，可以被替换为一个随机的状态反馈政策，导致更容易处理的问题配方没有任何性能损失。特别地，我们证明了在后一种策略下，该问题可以等价地表示为一个半定规划（SDP），这与我们以前的结果形成了鲜明的对比，我们以前的结果只能保证随机最优控制问题可以归结为一个凸函数差规划.然后，我们表明，通过解决相关的SDP找到的最优策略对应于一个确定性的状态反馈策略。最后，我们提出了非平凡的数值模拟，这表明我们提出的随机状态反馈政策的好处来自SDP制定的问题在该领域的计算效率和控制器性能方面的现有方法。
2022-05-22 cs.SY eess.SY math.OC
Approximate Relative Entropy Constraints for Nonlinear Covariance Steering Under Distribution Ambiguity
University of Colorado Boulder（科罗拉多大学博尔德分校）
研究针对非线性协方差控制中高斯替代与真实分布差异导致风险敏感量估计不准的问题，基于相对熵开发分布鲁棒框架，推导相关上界并纳入算法，用于设计随机制导策略，在航天器转移实例中得到验证。
2026-07-21 cs.IT cs.RO cs.SY
DUST: A Framework for Data-Driven Density Steering
RTX Technology Research Center（RTX 技术中心）
DUST框架通过数据驱动方法解决未知线性系统协方差引导问题，结合噪声估计和鲁棒优化技术，实现状态密度的最优控制。
2026-02-06 cs.SY eess.SY math.OC
On the Convexity of Discrete Time Covariance Steering in Stochastic Linear Systems with Wasserstein Terminal Cost
University of Texas at Austin（德克萨斯大学奥斯汀分校）；University of California, Santa Cruz（加州大学圣克鲁兹分校）
在这项工作中，我们分析了离散时间高斯线性系的协方差导向问题的解决方案的平方Wasserstein距离终端成本的性质。在我们以前的工作中，我们已经表明，通过利用状态反馈控制政策参数化，这个随机最优控制问题可以与一个凸函数程序的差异。在这里，我们重新审视相同的协方差控制问题，但这次我们专注于问题的分析。具体来说，我们建立的最优化问题的解决方案的存在性，并推导出一阶和二阶条件的最优性。我们利用矩阵微积分的专门工具，提供了性能指标的梯度和Hessian的解析表达式。随后，我们证明了最优化问题总是允许一个全局极小，最后，我们提供了一个充分条件的性能指标是一个严格凸函数（在后一个条件下，问题允许一个唯一的全局极小）。特别是，我们表明，当终端状态的协方差是上界的，相对于Löwner偏序，所需的终端正态分布的协方差阵，那么我们的问题承认一个唯一的全球最小化状态反馈增益。本文的研究结果为开发专门的控制设计工具奠定了基础，这些工具利用协方差转向问题的解决方案的结构，具有平方Wasserstein距离终端成本。
2021-03-25 cs.LG cs.SY eess.SY
Covariance Steering of Discrete-Time Stochastic Linear Systems Based on Distribution Distance Terminal Costs
考虑一类离散时间随机线性系的随机最优控制问题，该问题寻求使系统的终态的概率分布接近期望的高斯分布的控制策略.在我们的问题制定，之间的接近度的终态分布和所需的（目标）分布测量的平方Wasserstein距离，这是与相应的终端成本项。将随机最优控制问题转化为有限维非线性规划问题，并证明了其性能指标可以表示为两个凸函数之差。这种性能指标的表示允许我们通过所谓的凸-凹过程[1]找到原始非线性规划的局部最小值。随后，我们考虑类似的问题，但这次我们使用对应于KL分歧的终端成本。最后，我们提出了非平凡的数值模拟，以证明所提出的技术，并比较它们的计算时间。
2020-09-29 cs.SY eess.SY math.OC
Distributionally Robust Adaptive Iterative Covariance Steering for Small-Body Proximity Operations
University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；University of Nevada, Reno（内华达大学里诺分校）
该研究针对小天体接近操作的不确定性，结合迭代协方差制导与L₁分布鲁棒自适应控制，将避障违规率从32.7%降至0.2%、碰撞率从16.4%降至零，实现了安全的风险感知避碰。
2026-10-12 cs.RO cs.SY eess.SY
Steering state statistics with output feedback
University of Minnesota（明尼苏达大学）；Università di Padova（帕多瓦大学）
本文研究了在仅部分状态可观测的情况下，如何通过输出反馈将系统状态协方差操控到指定终端高斯分布的问题，提出终端状态协方差需大于对应卡尔曼滤波误差协方差的必要充分条件。
2015-04-03 cs.SY eess.SY math.OC
Discrete-Time Maximum Likelihood Neural Distribution Steering
本文提出一种基于神经网络的离散时间系统分布引导方法，将问题转化为正则化最大似然优化，并通过数值实验验证其在非高斯边界分布和非线性动态等复杂场景下的有效性。
2024-09-03 cs.SY eess.SY
Density Steering of Gaussian Mixture Models for Discrete-Time Linear Systems
针对离散时间随机线性系统的有限时域密度转向问题，研究高斯混合模型表示的概率密度转向，推导高斯分布协方差转向最优策略，提出随机化策略并将问题转化为线性规划，可应用于一般分布转向。
2023-12-17 cs.SY eess.SY
Data-Driven Robust Covariance Control for Uncertain Linear Systems
针对动力学未知且受扰动的离散时间线性系统，提出基于输入-状态数据、最大似然噪声界估计与鲁棒凸优化的端到端协方差导引方法，并在双积分器上验证其接近模型法的效果。
2024-05-18 cs.SY eess.SY math.OC
Nonlinear Stochastic Density Steering via Gaussian Mixture Schrodinger Bridges and Multiple Linearizations
Georgia Institute of Technology（佐治亚理工学院）
本文研究非线性连续时间随机系统的最优密度引导问题，通过高斯混合模型近似边界分布，将非线性问题分解为多个高斯到高斯最优协方差引导子问题，利用局部线性化提高精度，通过地球到火星轨道转移实验验证有效性。
2026-04-24 cs.SY eess.SY
Distributed and Localized Covariance Control of Coupled Systems: A System Level Approach
本文研究动态耦合网络化系统的有限时域最优协方差控制，基于系统级综合（SLS）框架提出一种分布式ADMM算法，计算仅依赖局部状态历史的局部化最优反馈控制策略，并在36个子系统的电力系统上验证了有效性。
2025-04-28 cs.SY eess.SY math.OC
On the Equivalence of the General Covariance Union (GCU) and Minimum Enclosing Ellipsoid (MEE) Problems
University of Missouri（密苏里大学）
本文描述广义协方差联合（GCU）问题，并证明其与最小包围椭球（MEE）问题等价，揭示了基于协方差滤波和有界区域数据融合方法之间的内在联系。
2010-12-21 cs.SY eess.SY math.OC
Semidefinite Relaxations for Collision-Free Motion Planning
Department of Electrical Engineering and Computer Science, Massachusetts Institute of Technology（麻省理工学院电气工程与计算机科学系）
研究点机器人通过球形障碍物的无碰撞运动规划，提出半定松弛方法，理论分析其紧性并利用对称性降低计算复杂度，比直接非线性规划快10-100倍。
2026-06-15 cs.RO cs.SY eess.SY
Isospectral Steering
University of California, Irvine（加州大学尔湾分校）
研究在等谱旋转线性梯度场下微分李雅普诺夫方程的可控性，通过具有固定特征值的对称时变增益矩阵调控状态矩阵特征向量，以实现最小剪切等控制目标。
2026-04-26 cs.SY eess.SY math.OC
REVISE: Robust Probabilistic Motion Planning in a Gaussian Random Field
Massachusetts Institute of Technology（麻省理工学院）；Draper（德雷珀公司）
REVISE提出一种基于采样的鲁棒协方差引导多查询算法，通过新型边缘控制器和可证明改善覆盖的边缘重连构建信念路线图，在6DoF系统中显著提升规划精度并降低成本。
2024-11-20 cs.RO cs.SY eess.SY
Optimal steering of a linear stochastic system to a final probability distribution, part II
University of Minnesota（明尼苏达大学）；Università di Padova（帕多瓦大学）
研究如何在有限时间内以最小能量将线性随机系统转向指定分布，并维持无限时间内的稳态分布，提出通过耦合Riccati方程和半定规划解决最优控制问题。
2014-10-13 cs.SY eess.SY math-ph
Computationally Efficient Chance Constrained Covariance Control with Output Feedback
本文研究部分可观测线性系统的机会约束协方差控制问题，提出利用 Kalman filter 重构状态并将机会约束转化为差分凸约束，通过逐次凸化求解，在双积分器实验中验证了计算高效性。
2024-03-22 cs.SY eess.SY math.OC
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
Overlapping Covariance Intersection: Fusion with Partial Structural Knowledge of Correlation from Multiple Sources
Eindhoven University of Technology（埃因霍温理工大学）；Institute for Systems and Robotics, Instituto Superior Técnico, Universidade de Lisboa（里斯本大学高等理工学院系统机器人研究所）
本文提出重叠协方差交集方法，解决多源部分相关结构知识下的融合问题，通过半正定规划高效计算最优解，提升大规模系统融合性能并保持对未知相关性的鲁棒性。
2026-10-02 cs.SY eess.SP eess.SY
Regularized transport between singular covariance matrices
研究了线性随机系统在有限时间内在两个端点退化高斯分布之间的操纵问题。这说明了在初始时刻t = 0和最终时刻t = T，一些但不是所有的状态条目是不确定的情况。这个问题带来了非平凡的技术挑战，因为终态-协方差的奇异性导致控制在最终时间T增长无界。因此，熵插值（薛定谔桥）是由一个扩散过程，这不是有限的能量，从而把这种情况下的大多数目前的理论。在本文中，我们证明了一个可行的插值可以推导出作为一个限制的情况下，早期的结果为非退化的情况下，它可以表示为封闭的形式。此外，我们表明，这样的插值属于同一类的不受控制的进化的倒数。通过这样做，我们还强调了问题的时间对称性，对比了正向和反向时间方向的对偶公式，在每个公式中，随着时间接近终点（分别在正向和反向时间方向），控制变得无界。
2020-06-17 cs.SY eess.SY math.OC
