不稳定系统模型无关控制器学习的挑战
最优化与控制
2025-05-20 v1
摘要
模型无关的控制器学习，例如通过直接策略优化，近来重新受到关注，因为它避免了计算代价高昂的系统辨识步骤。事实上，直接策略搜索已在许多具有实际重要性的案例中被经验性地证明能够产生最优控制器。然而，迄今为止，这些经验结果尚未得到针对一般问题的全面理论分析的支持。在本文中，我们使用一个简单例子来表明，直接策略优化并不能直接推广到其他看似简单的问题。在此类情况下，直接优化性能指标可能导致不稳定的极点/零点对消，从而导致内部稳定性丧失，并在任意小的扰动下产生无界输出。我们通过分析几种避免此现象的替代方案来总结本文，为直接控制策略优化提出了一些新的方向。
引用
@article{arxiv.2505.11641,
title = {Challenges in Model Agnostic Controller Learning for Unstable Systems},
author = {Mario Sznaier and Mustafa Bozdag},
journal= {arXiv preprint arXiv:2505.11641},
year = {2025}
}