面向稳定控制的计算感知学习：基于高斯过程

在机器人控制中基于高斯过程（GP）的动力学模型学习中，尤其是受计算资源限制的系统（如配备低端处理器的小型四旋翼飞行器），分析稳定性并设计稳定控制器 presents significant challenges。本文区分了GP动力学模型后验分布中的两种不确定性：一种是已广泛记录的数学不确定性，源于数据有限；另一种是由于计算能力受限而产生的计算不确定性，此在先前研究中鲜有被关注。我们的工作表明，计算不确定性通过对GP动力学模型逆协方差矩阵的概率近似量化，对受计算约束的稳定控制至关重要。我们展示，纳入计算不确定性可防止对吸引子区域的过度估计，即在渐近稳定性约束下的状态空间的安全子集，从而改善系统安全性。基于这些见解，我们提出了一种创新的控制器设计方法，将计算不确定性集成到二阶锥规划框架中。四旋翼轨迹跟踪的仿真和实验表明，在计算约束下，我们的方法有效。