具有稳定性与安全性保证的模仿学习

提出一种通过模仿学习（IL）学习具有稳定性与安全性保证的神经网络（NN）控制器的方法。通过将 Lyapunov 理论与局部二次约束相结合以界定 NN 中的非线性激活函数，推导出带有 NN 控制器的线性时不变被控对象动力学的凸稳定性与安全性条件。这些条件被纳入 IL 过程，该过程在最小化 IL 损失的同时最大化与 NN 控制器相关的吸引域体积。提出一种基于交替方向乘子法的算法来求解 IL 问题。该方法在倒立摆系统、飞机纵向动力学和车辆横向动力学上得到验证。