基于状态空间采样探索的LQR树算法
系统与控制
2023-03-02 v1 系统与控制
摘要
本文介绍了LQR树算法的扩展，该算法是一种反馈运动规划算法，用于将常微分方程系统从有界初始条件集稳定至目标。所构造的策略由示例系统轨迹树（即所谓演示）与线性二次调节器（LQR）反馈控制器表示。因此，任何LQR树算法的关键组成部分是提供合适演示的演示器。在先前工作中，此类演示器由局部轨迹优化器给出。然而，这些优化器需要适当的初始解猜测以提供有效结果，这一点虽被指出，但在先前实现中基本未解决。本文中，我们为LQR树算法增补随机运动规划过程，以发现新的有效演示候选，从而在LQR树尚未覆盖的状态空间区域初始化演示器。与先前版本的LQR树算法相比，所得到的探索型LQR树算法能为更广泛的一类问题可靠综合反馈控制律。
引用
@article{arxiv.2303.00553,
title = {LQR-trees with Sampling Based Exploration of the State Space},
author = {Jiří Fejlek and Stefan Ratschan},
journal= {arXiv preprint arXiv:2303.00553},
year = {2023}
}
备注
10 pages, 3 figures