使用信息论的 Learning Controllable Embedding (LCE) 方法，通过使用预测编码来代替显式的下一个观察预测，提出了一种无解码器的 LCE 模型，其潜在动力学适于局部线性控制，并在基准任务上展示了可靠的控制潜在空间的学习能力，表现优于现有 LCE 基准线。

Mar, 2020

本文对于一种学习控制策略进行了系统分析，该策略主要包括估计系统动态模型和应用轨迹优化算法来降低目标成本，我们提出了一种基于本地线性模型的算法，在重要的问题参数上获得了多项式的样本复杂度，并通过合成本地稳定增益，克服了问题时间影响的指数依赖性，我们的实验结果也验证了该算法的有效性并与自然深度学习基线进行了比较。

May, 2023

本文提出一种局部约束表示法，通过对环境观测状态的预测及邻近状态的表示作为辅助损失，将强化学习中的表示与任务相分离，可以提高泛化能力，有效应用于连续控制任务中。

Sep, 2022

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

本文介绍了一种利用凸优化控制策略的近似梯度来自动调节优化问题参数的方法，并在多个案例中进行了演示。

Dec, 2019

提出 LOCo，一种有效的深度贝叶斯优化框架，其采用一种新的正则化方法来降低学习到的潜在空间中的冲突，并促进从潜在空间到目标值的映射具有 Lipschitz 连续性，通过将数据点分成不同距离空间，来惩罚太接近的数据点，该算法的实验结果在多项绩效测试中表现出非常明显的效果。

Mar, 2022

通过学习专家示范来灵活地编程自主系统以实现复杂行为，或者预测代理行为是一个强大的工具，特别是在协同控制环境中。我们提出了一种新颖的稳定性认证逆优化奖励学习法，通过将代价函数推断问题重新表述为从示范数据中学习控制李亚普诺夫函数。我们利用闭合形式表达式和相关控制策略，能够通过观察诱导动力学的吸引子景观有效地搜索李亚普诺夫函数的空间。通过使用最小二乘法构造逆优化李亚普诺夫函数，我们使用凸优化方法来解决问题。我们通过理论分析控制李亚普诺夫函数提供的最优性质，并利用模拟和真实数据来评估我们的方法。

May, 2024

综述了强化学习的优化和控制方法，重点关注连续控制应用。通过一个最简单和最研究的问题 - 线性二次调节器（LQR）的案例研究，描述了从学习理论和控制理论的融合可以提供 LQR 性能的非渐进特征，并表明这些特征趋向于匹配实验行为。同时，探讨了设计与不确定环境安全可靠交互的学习系统所面临的挑战以及强化学习和控制领域所提供的工具可能如何应对这些挑战。

Jun, 2018

本文提出了一种新的方法 —— 学习具有鲁棒性的局部线性可控嵌入（RCE）模型，该模型可以直接估计给定当前观测下未来观测的预测条件密度，并引入瓶颈结构使得模型动力学具有鲁棒的可线性化特性，同时提出了一种有原则的变分近似方法，使得变分近似更加鲁棒。实验结果表明，与 Embed-to-Control（E2C）模型相比，RCE 模型具有更好的鲁棒性和预测性能，尤其在系统动力学存在噪声的情况下表现显著。

Oct, 2017

我们开发了一种考虑推断计算成本的随机控制方法，结合了有效编码和高效控制的概念。研究发现，代理人通过在后验概率相对精度上增加内部成本来权衡总效用和任务性能，从而实现有效控制。通过研究线性二次高斯控制，我们发现代理人在不同任务需求下转换为一系列与旋转变换相关的次最优推断策略，每个策略都对世界的稳定性估计存在误差。这项工作为大脑和机器在高效但受计算限制的控制方面提供了新的合理计算基础。

Jun, 2024