Oct, 2017

线性二次调节器的样本复杂度

PDF
TL;DR本文提出了一种名为 Coarse-ID 控制的多阶段程序，利用随机矩阵理论对 Linear Quadratic Regulator 问题中的未知动态进行建模和控制，同时使用 System Level Synthesis 方法进行控制综合设计，该方法可以在未考虑模型不确定性的情况下实现稳定控制，同时相对误差控制成本的端到端界限也被提供。
发现论文，激发创造
  • 输出反馈系统线性二次高斯控制的样本复杂度

    该研究在部分观察的线性二次高斯问题中，通过鲁棒综合程序建立了学习稳定开环植物的鲁棒 LQG 控制器的样本复杂度界限。

    Nov, 2020

  • 安全学习控制约束线性二次调节器

    研究了具有未知动态的约束线性二次调节器，在数据驱动控制技术中解决了安全和探索之间的紧张关系。提出了一个框架，通过持续的激励进行系统识别，同时通过保证状态和输入约束的满足来维护安全。该框架涉及一种新的方法来合成强健的满足约束的反馈控制器，利用了系统级综合的新开发工具。将统计结果与成本次优性边界相连接，从而给出了关于估计和控制器性能的非渐近保证。

    Sep, 2018

  • 粗粒度识别下鲁棒控制的非渐进分析

    探讨了在粗略的近似下能够准确构建动态系统模型所需的样本数量与各种控制目标因性能降低而产生的权衡，给出了稳定线性时不变系统的噪声输入 / 输出样本数的上限，证明了这些需求低于先前旨在准确识别动态模型的需求，并阐述了不同物理输入约束如何影响样本复杂性，最后展示了分析如何适用于强健控制的已建立框架，证明了设计用于近似系统的控制器能够满足真实系统的性能目标。

    Jul, 2017

  • 确定性等价在线性二次控制中很高效

    研究了采用确定性等价控制器处理具有未知传递动态的线性二次（LQ）控制问题的性能。通过使用摸不清全监控和部分监控下的确定性等价控制器处理真实系统和使用最优 LQ 控制器之间的成本，我们证明了在参数误差的平方速率下的亚最优差。我们提供了两个新的微扰界限，其中一个扩展了 Konstantinov 等人（1993）的现有结果，另一个基于新的初等证明策略。

    Feb, 2019

  • 线性二次型调节器的鲁棒自适应控制遗憾界

    本文提出了一种自适应控制的方法，可用于处理 Linear Quadratic Regulator 中未知的线性系统和需求预测的问题，算法的时间复杂度为多项式级别，且在控制中有很好的保障。

    May, 2018

  • LQR 控制中线性控制器的威力

    本研究在考虑受环境噪音干扰的线性动态系统调节问题中，计算在线和离线控制策略的策略后悔。研究者在离线控制策略的优化上进行了全面的描述，并证明了离线线性策略的代价会随着时间增长而与在线策略的代价收敛，即使在噪声被选择的情况下。

    Feb, 2020

  • 基于乐观主义的线性二次系统自适应调节

    本文针对线性二次系统的自适应控制过程中参数辨识与控制权衡的问题，提出了一种基于乐观偏置优化（optimism-based）的自适应控制方法。通过采用一些新的技术手段，本文对于重尾分布的随机矩阵的概率行为进行了综合处理，证明了该方法在半末态下的高概率上界是最优的，而且不需要做出过强的假设条件。

    Nov, 2017

  • 在线 LQR 的朴素探索是最优的

    在处理未知真实系统参数的在线自适应控制问题中，使用新的上下界结论证明误差的最优性跟时间步数，输入空间和系统状态空间的维度呈现为～(T*d_u^2*d_x)^1/2, 并引入自绑定 ODE 方法控制 Riccati 方程扰动，从而实现任意可控系统实例的回归上界。同时，提出对估计的系统动力学进行合成的确定性等效控制器。

    Jan, 2020

  • 从非线性观测学习线性二次调节器

    本研究引入了一种新的连续控制问题设置，称为 RichLQR，使用低维连续潜在状态和高维非线性观测来实现样本高效的学习，并建立了一种新算法 RichID，该算法无需了解编码器的具体信息，仅使用最小二乘回归预测即可实现近似最优控制。

    Oct, 2020

  • 基于学习的自适应控制离散多维随机线性系统稳定性界限及输入限制

    针对多维线性系统的自适应稳定化问题，该研究提出了一种确知等效控制方案，该方案将在线参数估计与饱和线性控制相结合，证明了在系统及噪声假设条件下，闭环系统具有高概率稳定性界限，并给出了数值实验结果。

    Apr, 2023