分布式鲁棒 PAC-Bayesian 控制
机器学习
2026-04-14 v1 系统与控制
系统与控制
摘要
我们提出了一种分布式鲁棒 PAC-Bayesian 框架，用于证明基于学习的有限视域控制器的性能。虽然现有的 PAC-Bayes 控制文献通常假设损失有界且训练与部署分布匹配，但我们显式处理无界损失和环境分布迁移（仿真到现实的差距）。我们通过两种现代研究线索实现这一目标，即 PAC-Bayes 泛化理论和基于类型-1 Wasserstein 距离的分布式鲁棒优化。利用 System Level Synthesis（SLS） reparametrization，我们推导出亚高斯损失代理和分布迁移导致的性能损失界限。这两种界限直接与闭环映射的算子范数相关联。对于线性时不变系统，这产生一个可计算的基于优化的框架，以及用于部署在与训练环境不同的真实环境中的高概率安全证书。
引用
@article{arxiv.2604.10588,
title = {Distributionally Robust PAC-Bayesian Control},
author = {Domagoj Herceg and Duarte Antunes},
journal= {arXiv preprint arXiv:2604.10588},
year = {2026}
}