Dissipativity-based $\mathcal{L}_2$ gain-scheduled static output feedback design for rational LPV systems
本文研究有理 LPV 系统的 $\mathcal{L}_2$ 增益镇定问题，通过微分-代数表示、严格 QSR 耗散性、Finsler 引理和线性零化子给出多面体 LMI 形式的静态输出反馈设计条件。
2021-07-02 cs.SY eess.SY math.OC
Stochastic Dissipativity for Systems with Probabilistic Input Delays
针对概率输入时滞系统，从算子理论定义随机耗散性与稳定性，推广开环条件，导出非线性准则及LMI条件，数值实验显示比确定性方法保守性更低。
2024-04-19 math.OC
Data-driven dissipativity analysis: application of the matrix S-lemma
耗散性的概念是由简·威廉斯提出的，它是系统和控制理论的基石之一。通常情况下，耗散性能通过诉诸所考虑的系统的数学模型来验证。在本文中，我们的目的是评估耗散计算存储功能的线性系直接从测量数据。作为我们的主要贡献，我们提供的条件下，耗散可以确定从一个有限的收集噪声数据样本。将考虑三种不同的噪声模型，它们可以捕获各种情况，包括数据样本无噪声、噪声能量有界或单个噪声样本有界的情况。我们所有的条件都是用基于数据的线性矩阵不等式来表达的，这些不等式可以很容易地用现有的软件包来解决。
2021-09-05 math.OC
Robust Control of General Linear Delay Systems under Dissipativity: Part I -- A KSD-based Framework
Western Sydney University（西悉尼大学）；Beijing Wuzi University（北京物资学院）
本文提出一种基于Krasovskiĭ函数的框架，用于设计无记忆耗散全状态反馈控制器，解决一般线性时滞系统中任意有限数量的点wise和一般分布式时滞问题，并通过新推导的积分不等式构建灵活的积分核。
2026-04-09 cs.SY eess.SY math.OC
Controller design for robust invariance from noisy data
对于一个未知的线性系统，从有限长实验中采集的开环输入-状态数据出发，直接设计一个线性反馈控制器，保证在扰动存在的情况下，给定多面体状态集的鲁棒不变性.主要结果是这样的控制器存在的一个必要和充分条件，并相当于一个线性规划的解决方案。大型和丰富的数据集的解决方案的问题的好处进行了讨论。以两车简化车队为例说明了该方法的有效性。
2020-07-26 cs.SY eess.SY math.OC
Consensus-Based Stability Analysis of Multi-Agent Networks
Duke University（杜克大学）；ARPA-E（美国高级研究计划局-能源）
本文提出基于共识的分布式稳定性分析方法，利用网络耗散定理和交替方向乘数法，通过无人机群实验验证了算法收敛性。
2025-11-17 cs.SY eess.SY math.OC
Data-driven stabilization of nonlinear polynomial systems with noisy data
在最近的一篇论文中，我们已经展示了如何学习控制器的未知线性系使用有限大小的噪声数据通过求解线性矩阵不等式。在本文中，我们扩展这种方法来处理未知的非线性多项式系统，制定稳定性证书的形式依赖于数据的平方和程序，其解决方案直接提供了一个稳定控制器和一个李雅普诺夫函数。然后，我们得出的结果，导致更有利的控制器设计的变化。结果还揭示了连接的问题，设计一个控制器从最小二乘估计的多项式系统。
2020-11-16 cs.SY eess.SY math.OC
Static output feedback stabilization of uncertain rational nonlinear systems with input saturation
本文利用鲁棒严格QSR耗散性的概念，研究了一类具有输入饱和和有界参数不确定性的连续时间非线性有理系统的静态输出反馈控制问题。将局部耗散性条件与广义扇区条件相结合，以线性矩阵不等式的形式给出了稳定控制器的综合。该策略适用于一般静态输出反馈设计，对对象输出方程没有任何限制。提出了一种基于线性矩阵不等式的迭代算法，以计算使闭环吸引域估计最大化的反馈增益矩阵。数值例子来说明这种新方法的适用性，从文献中借来的例子。
2022-03-30 cs.SY eess.SY math.OC
Synthesis of Dissipative Systems Using Input-State Data
本文研究离散时间耗散线性系统的数据驱动综合问题，基于信息性方法引入闭环耗散性概念，利用二次矩阵不等式给出充分必要条件，并通过基于数据的线性矩阵不等式设计控制器，兼顾输出矩阵已知与未知情形。
2025-01-30 math.OC
Stabilization of discrete-time nonlinear systems based on control dissipation functions
针对状态/输入受限的离散非线性系统，提出了一种基于耗散性的镇定控制器设计方法。首先，我们重新审视离散时间非线性系统的耗散不等式，涉及一般的存储和供应功能。证明了正定存储函数和循环负供给函数的渐近李雅普诺夫稳定性。其次，我们定义了控制耗散函数（CDF），并通过最小化CDF的循环负供应条件下，我们构造了稳定的滚动时域控制器。针对具有非线性耦合和状态/输入约束的互联同步发电机系统，证明了基于CDF的稳定控制器的有效性。
2022-02-21 math.OC
Trade-offs in learning controllers from noisy data
在数据驱动控制中，一个核心问题是如何处理噪声数据。在这项工作中，我们考虑的问题，设计一个稳定的控制器的未知线性系统只使用有限的一组噪声数据收集系统。对于这个问题，最近的许多工作都考虑了基于能量型界的扰动模型。在这里，我们考虑一个替代的更自然的模型，干扰服从瞬时边界。在这种情况下，现有的方法，将瞬时边界转换为能量型边界，可能过于保守。相比之下，没有任何转换步骤，简单的参数的基础上的S-过程导致一个非常有效的控制器设计通过凸规划。具体来说，后一个设计问题的可行集总是更大，而与数据一致的系统矩阵集总是更小，并且随着数据点的数量而显着减少。这些研究结果和一些计算方面的一些数值例子中进行检查。
2021-03-15 cs.SY eess.SY math.DS
Stability and optimality of distributed secondary frequency control schemes in power networks
University of Cambridge（剑桥大学）；Cambridge Centre for Analysis, Centre for Mathematical Sciences, University of Cambridge（剑桥大学数学科学中心分析中心）
本文提出一种系统方法，用于设计分布式发电和需求控制方案，以保证二次频率调节的稳定性与经济最优功率分配。通过设定网络供电变量的耗散条件来提供稳定性保证，并通过显式解耦的稳态条件实现经济最优。
2017-03-01 cs.SY eess.SY math.OC
Setpoint control of bilinear systems from noisy data
针对未知双线性系统仅靠含噪输入-状态数据设计控制器的难题，提出两种场景下以线性矩阵不等式形式的控制器方案，可实现设定点调节与有保证吸引域，且经Cuk变换器数值验证有效。
2024-04-04 cs.SY eess.SY math.DS
Non-conservative Design of Robust Tracking Controllers Based on Input-output Data
本文研究了带噪声输入输出数据的最坏情况鲁棒最优跟踪问题。我们利用行为系统理论来表示系统轨迹，同时避免明确的系统辨识。我们假设，最近的输出数据中使用的数据依赖表示是嘈杂的，我们提供了一个非保守的设计过程的鲁棒控制的基础上优化与线性成本和LMI约束。我们的方法依赖于与数据相关的系统表示兼容的噪声序列的参数化，并在一个合适的重新制定的性能规格，这进一步使应用的S-引理推导出一个LMI最优化问题。通过仿真讨论了新控制器的性能。
2021-06-24 cs.SY eess.SY math.OC
Optimal Control with Noisy Time
University of Cambridge（剑桥大学）；The Johns Hopkins University（约翰斯·霍普金斯大学）
本文研究了在状态完全已知但控制器时间度量为严格递增莱维过程导出的随机最优控制问题，通过动态规划方法解决具有噪声时间的线性二次调节器和随机交易活动率的portfolio优化问题，最优控制器为线性。
2013-12-31 cs.SY eess.SY math.OC
Controller synthesis for input-state data with measurement errors
该研究面向仅含测量误差的输入-状态数据，提出基于线性矩阵不等式的线性系统状态反馈控制器设计方法，并建立能量界情形与公共 Lyapunov 函数鲁棒镇定的等价关系。
2024-05-14 cs.SY eess.SY math.DS
From noisy data to feedback controllers: non-conservative design via a matrix S-lemma
提出了一种直接从噪声输入/状态数据中获得未知动力系统反馈控制器的新方法。我们的设计的关键成分是一个新的矩阵S-引理，将在本文中证明。我们提供了这个S-引理的严格和非严格版本，它们本身就很有趣。此后，我们将把这些结果应用于数据驱动控制。特别地，我们将推导出二次镇定、H_2和H_inf控制的非保守设计方法，所有这些都是基于数据的线性矩阵不等式。与以前的工作相比，我们的决策变量的尺寸是独立的实验的时间范围。因此，我们的方法可以从大数据集的控制设计。
2020-12-09 math.OC
Data-driven stabilization of continuous-time systems with noisy input-output data
Kobe University（神户大学）
研究在噪声输入输出数据下基于数据的连续时间系统稳定化问题，通过操作符方法和行为理论，建立噪声数据对二次稳定化的必要充分条件，并提出稳定控制器设计方法。
2026-06-28 cs.SY eess.SY math.OC
Performance Limitations of Distributed Integral Control in Power Networks Under Noisy Measurements
二次频率控制的分布式方法已经成为解决在具有日益分布式发电的电力网络中对更灵活的控制方案的需求的一种方式。分布式平均比例积分（DAPI）控制器提供了一种这样的方法。在本文中，我们分析了该控制器的瞬态性能，并具体解决了噪声频率测量下的性能问题。性能分析的H2范数度量，量化的同步瞬态中发生的功率损耗。虽然以前的研究表明，DAPI控制器表现良好，特别是在稀疏网络中，并与集中式平均PI（CAPI）控制器相比，我们的研究结果证明，加性测量噪声可能会对其性能和可扩展性产生显着的负面影响。这种影响被证明是减少与控制器的积分状态的增加节点间对齐，无论是通过增加增益或增加连接。然而，对于非常大和稀疏的网络，节点间对齐的要求是如此之大，以至于CAPI方法可能是优选的。总的来说，我们的研究结果表明，通过DAPI的分布式二次频率控制是可能的，并且在噪声测量下也可能表现良好，但需要仔细调整。
2018-02-28 math.OC
Closed-loop training of static output feedback neural network controllers for large systems: A distillation case study
针对模型预测控制需全状态估计和在线优化的缺点，提出闭环离线训练输出反馈神经网络控制器，可仅用预定义含噪测量廉价计算输入，并启发式选择重要测量，经50状态非线性蒸馏塔仿真验证。
2024-02-29 cs.SY eess.SY math.OC
Model-Free Design and Analysis of 2DOF PI Controller for Noisy LTI Systems
The University of Tokyo（东京大学）
本文提出了一种无模型设计的2DOF PI控制器，通过非渐近下界和样本复杂性分析，提升了PI增益调节的计算效率，并在噪声环境下实现了更优的控制性能。
2026-01-07 math.OC
A New Approach for Feedback Stabilization and its Application for Data-Driven Control of Polynomial Systems
Federal University of Ceará（塞阿拉联邦大学）；University of Oxford（牛津大学）
该研究提出基于SOS优化的非线性系统状态反馈渐近镇定新条件，构建适用于含噪多项式系统数据驱动控制的迭代流程，克服传统SOS方法局限，经数值示例验证策略有效。
2026-08-12 cs.SY eess.SY math.OC
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
Robust Data-Driven Control for Systems with Noisy Data
本文提出了一种鲁棒数据驱动控制器设计的基础上，噪声的输入输出数据，而无需假设的统计特性的噪声。我们从行为系统理论中的元素的系统模型的直接数据表示开始，随后分析了“建模”误差的上界与存在噪声的数据表示。一些预处理方法是根据导出的界限是如何构造的。最后，我们利用上界开发鲁棒控制器，通过数据噪声。
2023-02-22 math.OC
Operator-based data embedding for data-driven control of continuous-time systems from noisy data
Graduate School of System Informatics, Kobe University（神户大学系统信息学研究科）
该研究针对含噪数据提出基于算子的数据嵌入方法，刻画与数据一致的系统集合，推导数据可辨识性条件并构造反馈增益，得到连续时间信号重构误差上界，用于连续时间系统的数据驱动控制。
2026-08-19 cs.SY eess.SY math.OC
Data-Enabled Gradient Flow as Feedback Controller: Regulation of Linear Dynamical Systems to Minimizers of Unknown Functions
本文将线性动力系统的调节问题转化为费用未知或部分已知的凸优化问题的解。我们设计了一个数据驱动的反馈控制器-梯度流动力学的基础上-（i）是增强的学习方法，以估计费用函数的基础上不频繁（可能有噪音）的功能评价，同时，（ii）被设计为驱动的输入和输出的动力系统的优化问题。我们推导出学习误差和控制器增益的充分条件，以确保问题的优化器和闭环系统的状态之间的误差最终有界;误差界占的功能估计误差和时间变化的未知干扰影响的线性动力系统。我们的结果直接导致指数输入状态稳定的闭环系统。所提出的方法和理论界进行了数值验证。
2022-04-02 cs.SY eess.SY math.OC
The informativity approach to data-driven analysis and control
本文的目标是提供一个教程，在所谓的信息性框架直接数据驱动的分析和控制。该框架通过评估系统属性和确定未被数据篡改的系统集的控制器来实现基于认证数据的分析和控制。我们将首先在抽象层面上介绍信息性方法。此后，我们将报告的案例研究，我们强调的各种问题的背景下，涉及无噪声和噪声数据的框架的力量。特别是，我们将处理可控性和稳定性，稳定，线性二次调节，跟踪和调节使用精确的输入状态测量。此后，我们将处理耗散性分析，稳定，和H_inf控制使用噪声输入状态数据。最后，我们将研究动态测量反馈稳定使用噪声的输入输出数据。我们将提供几个例子来说明这种方法。此外，我们将突出的框架，如二次矩阵不等式的鲁棒控制和二次差分形式的行为系统理论的主要工具。
2023-02-21 math.DS math.OC
Combining Prior Knowledge and Data for Robust Controller Design
提出融合未知LTI系统数据与系统矩阵或不确定性先验知识的鲁棒控制器设计框架，利用LMI准则和学习乘子保证稳定性与性能，并扩展到含噪输出反馈及非线性不确定性。
2022-09-19 cs.SY eess.SY math.OC
On data-driven control: informativity of noisy input-output data with cross-covariance bounds
在本文中，我们开发了新的数据信息的控制器综合方法，扩展现有的框架在两个相关的方向：一个更一般的噪声特性的交叉协方差界和信息条件的控制输入输出数据的基础上。以前的工作已经通过S-过程推导出了具有二次噪声边界的噪声输入状态数据的信息性的必要和充分条件。虽然这些界限一般不捕获互协方差界限，我们表明，S-程序仍然适用于获得非保守条件的数据。信息性条件的稳定性，$\mathcal{H}_\infty$和$\mathcal{H}_2$控制的开发，这是足够的输入输出数据，也是必要的输入状态数据。仿真实验表明，交叉协方差界可以不太保守的信息，通常在文献中采用的范数界相比。
2022-03-23 cs.SY eess.SY math.OC
Structured Positive-Definite Optimal Control Synthesis of Closed-Loop Recommendation Systems over Social Networks
Univ. Grenoble Alpes, CNRS, Inria, Grenoble INP, GIPSA-lab（格勒诺布尔阿尔卑斯大学、法国国家科学研究中心、Inria、格勒诺布尔理工学院、GIPSA实验室）；Univ. Grenoble Alpes, CNRS, Sciences Po Grenoble-UGA, Pacte（格勒诺布尔阿尔卑斯大学、法国国家科学研究中心、格勒诺布尔政治学院、PACTE研究中心）
本研究将社交网络多主题意见动态的推荐策略设计建模为无限时域线性二次最优控制问题，通过结构化正定控制器综合实现性能与局部性的权衡，并给出数值验证。
2026-09-22 math.OC
Optimal Performance of Feedback Control Systems with Limited Communication over Noisy Channels
考虑了传感器和控制器之间具有噪声信道的离散时间随机反馈控制系统。传感器内存有限。传感器每次都通过信道发送编码符号并更新其存储器。控制器接收所发送的符号的噪声版本，并且基于其所有过去的观察和动作来生成控制动作。该控制动作动作被反馈到系统中。在每个阶段，系统都会产生瞬时成本，这取决于设备的状态和控制动作。目标是选择编码、存储器更新和控制策略，以最小化有限时域上的期望总成本，或无限时域上的期望贴现成本，或无限时域上的期望单位时间平均成本。对于每种情况，我们得到一个顺序分解的最优化问题。结果被扩展到的情况下，当传感器使一个不完美的观察系统的状态。
2006-09-10 math.DS math.OC
Data-based Transfer Stabilization in Linear Systems
针对目标系统数据稀缺的问题，提出基于源系统数据与两系统最大距离先验知识的线性系统传递镇定框架，通过构造包含目标的紧系统集合、求解LMI得到镇定控制器，并通过高低阶系统数值案例验证。
2023-11-07 cs.SY eess.SY math.OC
A behavioral approach to data-driven control with noisy input-output data
研究了自回归（AR）形式的线性输入输出系统的数据驱动稳定性分析和反馈镇定问题。我们假设有限时间区间上的噪声输入输出数据是从某个未知的AR系统中获得的。基于数据的测试，然后开发分析是否未知的系统是稳定的，或验证是否存在稳定的动态反馈控制器。如果是这样，稳定控制器的计算使用的数据。为了做到这一点，我们采用行为方法来系统和控制，这意味着偏离现有的数据驱动控制方法。我们的结果严重依赖于AR形式的系统的渐近稳定性的一个特征，使用二次差分形式（QDF）的概念作为一个自然的框架，自治AR系统的李雅普诺夫函数。在输入-输出AR系统的背景下，我们引入了二次稳定和二次稳定的信息数据的概念，并建立了这些性质成立的充要条件。此外，本文将建立在二次矩阵不等式（QMIs）和Yakubovich的S-引理的矩阵版本的结果。
2022-06-16 math.OC
Learning controllers for performance through LMI regions
在开环实验中，输入序列被应用于一个未知的线性时不变系统（在连续或离散时间），该系统也受到一个未知但有界的扰动序列（具有能量或瞬时界）的影响;测量相应的状态序列。我们的目标是设计直接从输入和状态序列的控制器，强制执行一定的性能规格的瞬态行为的未知系统。性能指标通过闭环特征值需要属于的复平面的一个子集来表示，即所谓的LMI区域。对于这个控制设计问题，我们在这里提供凸计划，以执行性能规格的线性矩阵不等式（LMI）的形式从数据。对于一般线性矩阵不等式区域，这些是充分条件，以分配的特征值的线性矩阵不等式区域内的所有可能的动态数据一致，并成为必要和充分条件，为特殊的线性矩阵不等式区域。通过这种方式，我们将经典的基于模型的条件从文献中的开创性工作扩展到噪声数据的数据驱动控制的设置。通过两个数值例子，我们研究如何这些数据为基础的条件相互比较。
2021-10-20 cs.SY eess.SY math.DS
Automated Synthesis of Safe Digital Controllers for Sampled-Data Stochastic Nonlinear Systems
我们提出了一种新的方法，为系统的非线性动态，噪声输出测量，和随机干扰的数字控制器的自动合成与正式的安全保证。我们的方法推导出数字控制器，使相应的闭环系统，建模为一个采样数据的随机控制系统，满足安全规格的概率高于给定的阈值。所提出的合成方法交替两个步骤：生成候选控制器PC，和验证的候选人。通过最大化安全概率的蒙特卡罗估计，并通过使用未经验证的ODE求解器来模拟系统，可以找到pc。因此，这样的候选是次优的，但是可以非常快速地生成。为了排除不稳定的候选控制器，我们证明并利用李雅普诺夫的采样数据非线性系统的不稳定性的间接方法。在随后的验证步骤中，我们使用基于SMT（可满足性模理论）的经验证的求解器来计算pc安全概率的数值和统计有效置信区间。如果这样获得的概率不高于阈值，我们通过增加控制器度来扩展候选者的搜索空间。我们评估我们的技术在三个案例研究：人工胰腺模型，动力系统控制模型，和一个四槽过程。
2019-01-10 cs.SC cs.SY eess.SY
Gradient-based Cooperative Control of quasi-Linear Parameter Varying Vehicles with Noisy Gradients
本文基于指数积分二次约束框架，将基于梯度的协同控制性能分析扩展至准线性参数变化非线性系统，并在考虑乘性梯度噪声的情况下，通过车辆模型验证了性能与鲁棒性的权衡。
2023-04-06 math.OC
Reducing the LQG Cost with Minimal Communication
我们研究线性二次高斯（LQG）控制问题，其中控制器对系统状态的观测是这样的，期望的成本是无法达到的。为了实现所需的LQG成本，我们引入了一个通信链路从观察器（编码器）的控制器。我们研究了改进的LQG成本和消耗的通信（信息）资源之间的最佳权衡，测量与条件有向信息，在所有的编码-解码策略。主要结果是在有限时间内的情况下，适用于时变线性动力系统的最优化问题的半定规划制定。这一结果扩展了Tanaka等人的开创性工作，其中控制器所知道的关于系统状态的唯一信息经由通信信道到达控制器还可以访问系统状态的噪声观测的情形。作为我们的推导的一部分，以显示传输状态的无记忆高斯测量的编码器的最优性，我们表明，在编码器的控制器的观察的存在下，不能减少最小的有向信息。对于定常系统，其中最优策略可能是时变的，我们表明，在无限地平线的情况下，最优策略是时不变的，可以计算显式从一个有限维半定规划的解决方案。结果表明，通过示例表明，即使是低质量的测量可以有所需的通信资源的显着影响。
2021-09-25 cs.IT cs.SY eess.SY
Logarithmic Regret in Adaptive Control of Noisy Linear Quadratic Regulator Systems Using Hints
研究线性二次系统在线适应控制的遗憾最小化问题。在这个问题中，真正的系统过渡参数（矩阵$A$和$B$）是未知的，目标是设计和分析算法，产生控制策略与次线性遗憾。最近的研究表明，当系统参数是完全未知的，存在这些参数的选择，使得任何算法，只使用过去的系统轨迹的数据，最好达到平方根的时间范围的遗憾界，提供了一个硬的基本限制，可实现的遗憾一般。然而，还已知的是，当仅矩阵$A$或仅矩阵$B$未知时，可实现（多）-对数遗憾。我们提出了一个结果，包括这两种情况下，表明（聚）-对数遗憾是可以实现的，当这两个矩阵是未知的，但提示定期给予控制器。
2022-10-28 math.OC
A Matrix Finsler's Lemma with Applications to Data-Driven Control
在最近的一篇论文中，它显示了如何矩阵S-引理可以应用于构建控制器的噪声数据。目前的文件补充这些结果证明了一个矩阵版本的经典芬斯勒引理。这个矩阵芬斯勒引理提供了一个易于处理的条件，在此条件下，二次等式的所有矩阵解也满足一个二次不等式。我们将应用这一结果桥梁已知的数据驱动的控制设计技术的精确和嘈杂的数据，从而揭示了一个更一般的理论。结果也适用于数据驱动控制的Lur 'e系统。
2021-03-24 math.OC
Extremum Seeking Optimal Controls of Unknown Systems
我们提出了一种方法来寻找最优控制器的未知，时变，动态系统，可以重新初始化从一个给定的初始条件重复，其中的性能指标是可用于采样噪声，但解析未知。这种系统存在于整个工业中，其中过程必须重复多次，例如电压源从零初始条件重复开启几分之一秒，然后再次关闭，其输出必须跟踪特定的轨迹，而系统的组件由于温度变化而随着时间缓慢漂移。对于具有凸费用函数的系统，我们证明了我们的算法将产生接近最小成本的控制器，例如，如果已知系统和目标函数，则可以解析地设计成本最小化LQR最优控制器。我们证明了算法的有效性与噪声和时变系统的仿真研究。
2018-08-15 math.OC
Data Poisoning Attacks Can Systematically Destabilize Data-Driven Control Synthesis
ICTEAM Institute and the Department of Mathematical Engineering at UCLouvain（UCLouvain ICTEAM研究所与数学工程系）；School of Engineering, The University of British Columbia（不列颠哥伦比亚大学工程学院）
本文研究了数据污染攻击对数据驱动控制合成的影响，发现攻击者可通过污染数据使线性状态反馈控制器失效，且无需了解系统模型或控制器合成过程。
2026-04-09 math.OC
Data-Assisted Vision-Based Hybrid Control for Robust Stabilization with Obstacle Avoidance via Learning of Perception Maps
Universidad EAFIT（EAFIT大学）
我们研究的目标稳定与鲁棒避障的机器人和车辆，只有访问基于视觉的传感器的实时定位的目的的问题。这个问题是特别具有挑战性的，由于拓扑障碍物引起的障碍，这排除了存在的平滑反馈控制器能够实现同时稳定和鲁棒避障。为了克服这个问题，我们开发了一种基于视觉的混合控制器，根据车辆的当前位置，使用滞后机制和数据辅助监督器在两个不同的反馈律之间切换。本文的主要创新之处是将合适的感知图纳入混合控制器。这些地图可以从车辆中的摄像头获得的数据中学习，并通过卷积神经网络（CNN）进行训练。在此感知地图上的适当假设下，我们建立了理论保证车辆的轨迹收敛和避障。此外，所提出的基于视觉的混合控制器在不同的情况下进行了数值测试，包括噪声数据，传感器故障，摄像机遮挡。
2022-09-04 cs.RO math.OC
Finite-Time Analysis of Natural Actor-Critic for POMDPs
RWTH Aachen University（亚琛工业大学）；ETH Zurich（苏黎世联邦理工学院）；University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
该研究针对大状态空间部分可观测马尔可夫决策过程的强化学习问题，分析带有限内部记忆与多步时序差分评估的自然actor-critic方法，首次证明其非渐近全局收敛性，刻画有限状态控制器带来的额外误差并给出减小该误差的途径。
2023-07-19 cs.LG math.OC stat.ML
