带约束松弛的逆最优控制
系统与控制
2025-08-28 v1 系统与控制
摘要
逆最优控制 (IOC) 是一种从能干练习者的优异控制序列中估计未知目标函数，以学习或模拟其最优控制策略，或更深入地理解其意图的有前景的方法。在考虑安全保护不等式约束的环境中计算估计时，认识到这些约束对最终控制策略的强大影响至于至关重要。然而，能够考虑不等式约束的求解策略，如逆 Karush-Kuhn-Tucker 方法，依赖于其正确激活与满足；这在处理噪声试验数据时是一个限制性假设。为克服此问题，我们利用精确惩罚函数的概念用于 IOC，展示了估计精度的保持。随后，考虑噪声试验，说明惩罚函数的使用减少了未知变量的数量，并通过其近似值增强了该方法在多面体约束环境中处理错误约束激活的能力。该方法在仿真中对三个系统进行评估，优于传统松弛方法在噪声试验下的表现。
引用
@article{arxiv.2507.11392,
title = {Inverse Optimal Control with Constraint Relaxation},
author = {Rahel Rickenbach and Amon Lahr and Melanie N. Zeilinger},
journal= {arXiv preprint arXiv:2507.11392},
year = {2025}
}