基于高斯过程的收缩 $\mathcal{L}_1$ 自适应控制
系统与控制
2021-12-01 v2 机器学习
机器人学
系统与控制
最优化与控制
摘要
我们提出 -，一种用于受不确定性影响系统的安全同步学习与控制的框架。其两个主要组成部分是基于收缩理论的 （）控制与以高斯过程（GP）回归形式的贝叶斯学习。 控制器在保证控制目标达成的同时提供安全证书。此外，- 将任何可用数据纳入不确定性的 GP 模型中，从而提升性能并使运动规划器能够安全地实现最优性。以此方式，系统的安全操作始终得到保证，即便在学习瞬态过程中也是如此。我们给出了若干在平面四旋翼系统于多种环境中安全学习与控制的 illustrative 示例。
引用
@article{arxiv.2009.03864,
title = {Contraction $\mathcal{L}_1$-Adaptive Control using Gaussian Processes},
author = {Aditya Gahlawat and Arun Lakshmanan and Lin Song and Andrew Patterson and Zhuohuan Wu and Naira Hovakimyan and Evangelos Theodorou},
journal= {arXiv preprint arXiv:2009.03864},
year = {2021}
}
备注
Submitted to Learning for Dynamics and Control (L4DC) Conference, 2021