状态估计器的上下文学习
系统与控制
2023-12-08 v1 系统与控制
摘要
状态估计在多个应用中起着关键作用，包括但不限于先进控制设计。特别是在处理非线性系统时，状态估计是一项非平凡的任务，通常涉及近似和具有挑战性的精细调参阶段。在这项工作中，我们提出通过构建一个上下文状态估计问题来克服这些挑战，使我们能够为一类（非线性）系统学习一个状态估计器，从而从训练期间所见的特定状态实例中抽象出来。为此，我们扩展了一个最近为系统辨识提出的上下文学习框架，并通过一个基准数值示例表明，该方法使我们能够 (i) 直接使用训练数据来设计状态估计器，(ii) 无需大量的精细调参过程，同时 (iii) 与最先进的基准相比，实现了更优越的性能。
引用
@article{arxiv.2312.04509,
title = {In-context learning of state estimators},
author = {Riccardo Busetto and Valentina Breschi and Marco Forgione and Dario Piga and Simone Formentin},
journal= {arXiv preprint arXiv:2312.04509},
year = {2023}
}