基于轨迹的数据驱动预测控制与状态空间预测器
机器学习
2026-05-20 v2
摘要
我们将轨迹预测控制(TPC)定义为一族基于输出轨迹的输出反馈间接数据驱动预测控制(DDPC)方法，这些方法将离散系统的输出轨迹表示为最近输入/输出历史与计划输入轨迹的线性函数。本文表明，对于不同轨迹预测器的选择，TPC涵盖了子空间预测控制(SPC)、闭环SPC、-DDPC、因果-DDPC、瞬态预测控制等多种DDPC方法。本文引入一种对应的线性状态空间模型的轨迹预测器，其中最近的输入/输出历史作为状态。就这种状态空间预测器而言，TPC是线性模型预测控制的一个特例，因此继承其成熟理论。在数值实验中，TPC性能接近具备完美系统模型知识的oracle${H}_2-最优控制极限。对于训练数据集较小的TPC，状态空间预测器因参数更少而优于其他预测器。
引用
@article{arxiv.2602.10933,
title = {CMAD: Cooperative Multi-Agent Diffusion via Stochastic Optimal Control},
author = {Riccardo Barbano and Alexander Denker and Zeljko Kereta and Runchang Li and Francisco Vargas},
journal= {arXiv preprint arXiv:2602.10933},
year = {2026}
}