学习深度能量整形策略以实现稳定性保证的操作

深度强化学习（DRL）已成功用于解决各类机器人操作任务。然而，现有工作大多未解决控制稳定性问题。这与控制理论界形成鲜明对比，后者在综合出任何控制律时都习惯于证明稳定性。使传统稳定性分析对 DRL 困难的原因在于神经网络策略的不可解释性以及未知的系统动力学。本工作中，稳定性通过基于拉格朗日系统的 $\textit{能量整形}$ 控制导出可解释的深度策略结构而获得。进而，基于 $\textit{无源性}$ 建立了与未知环境物理交互时的稳定性。结果是在无模型框架中具有稳定性保证的 DRL，其通用性足以应对富含接触的操作任务。通过孔轴装配实验，我们展示了——据我们所知——首个在真实机器人操作器上具稳定性保证的 DRL。