基于潜在模型重组织的认知灵活控制及其预测安全保证
系统与控制
2026-03-10 v2 系统与控制
摘要
学习型控制系统在系统动力学和感知条件突然变化时必须维持安全性。虽然随机潜体状态模型能够实现不确定性感知控制，但大多数现有方法依赖固定的内部表征，在分布迁移下会显著性能降级。本文提出一种认知灵活控制框架，其中潜体信念表征在线适应，而控制律保持显式且经安全认证。我们引入认知灵活深度随机状态空间模型 (CF--DeepSSSM)，其在受限认知灵活性指数 (CFI) 约束下重组潜体表征，并将适应后的模型嵌入贝叶斯模型预测控制 (MPC) 框架中。我们建立了关于受限后验漂移、递归可行性和闭环稳定性的保证。仿真结果在系统动力学和观测发生突变变化时表明，能够实现安全的表征适应和快速的性能恢复，凸显了学习型而非基于学习的控制对于非平稳网络-物理系统的优势。
引用
@article{arxiv.2602.00812,
title = {Cognitive-Flexible Control via Latent Model Reorganization with Predictive Safety Guarantees},
author = {Thanana Nuchkrua and Sudchai Boonto},
journal= {arXiv preprint arXiv:2602.00812},
year = {2026}
}