最优控制器逆学习的最大似然方法
系统与控制
2020-05-07 v1 机器学习
机器人学
系统与控制
摘要
本文提出一种基于 Karush-Kuhn-Tucker (KKT) 条件的约束最优控制问题目标函数逆学习框架。我们讨论了对应于不同模型假设与计算复杂度的三种变体。第一种方法使用 KKT 条件的凸松弛并作为基准。本文的主要贡献是提出了两种将 KKT 条件与最大似然估计相结合的的学习方法。该结合的关键益处是借助使用似然论证的分支定界算法,对从含噪数据学习的过程进行约束的系统化处理。本文讨论了学习方法的理论性质,并给出了突显使用最大似然公式学习目标函数优势的仿真结果。
引用
@article{arxiv.2005.02767,
title = {Maximum Likelihood Methods for Inverse Learning of Optimal Controllers},
author = {Marcel Menner and Melanie N. Zeilinger},
journal= {arXiv preprint arXiv:2005.02767},
year = {2020}
}
备注
21st IFAC World Congress