基于库普曼表示的深度学习控制
机器学习
2020-10-16 v1 系统与控制
系统与控制
摘要
我们提出了一种数据驱动、无模型的动力学系统最优控制方法。该方法依赖于基于深度神经网络（DNN）的库普曼（Koopman）算子学习以实现控制目的。具体而言，DNN 被用于非线性控制系统动力学线性提升中所用基函数的数据驱动辨识。控制器综合纯数据驱动，不依赖于先验领域知识。用于基于强化学习的控制设计的 OpenAI Gym 环境被用于数据生成以及控制环境下库普曼算子的学习。该方法应用于 OpenAI Gym 环境中的两个经典动力学系统以展示其能力。
引用
@article{arxiv.2010.07546,
title = {Deep Learning of Koopman Representation for Control},
author = {Yiqiang Han and Wenjian Hao and Umesh Vaidya},
journal= {arXiv preprint arXiv:2010.07546},
year = {2020}
}
备注
6 pages, 8 figures