基于稀缺数据稳定动力系统的上下文感知控制器推断

本文提出了一种数据驱动的控制方法，用于从稀缺数据中稳定高维动力系统。所提出的上下文感知控制器推断方法基于如下观察：控制器只需作用于不稳定动力学即可稳定系统。这意味着仅学习不稳定动力学就足够了，而不稳定动力学通常局限于比所有系统动力学的高维状态空间低得多的维度空间，因此少量数据样本就足以识别它们。数值实验表明，上下文感知控制器推断从比传统数据驱动控制技术和强化学习变体少几个数量级的数据样本中学习到稳定控制器。实验进一步表明，上下文感知控制器推断的低数据需求在具有复杂物理机制的数据稀缺工程问题中尤为有益，因为在这类问题中，学习完整系统动力学往往在数据和训练成本上难以实现。