关于线性二次高斯调节器的样本复杂度

在本文中，我们利用含噪输入、状态和输出轨迹的有限数据集，给出了线性二次调节器（LQR）、卡尔曼滤波器和线性二次高斯（LQG）控制器的直接数据驱动表达式。我们证明了我们的数据驱动表达式是一致的，因为它们随着实验轨迹数量的增加而收敛；我们刻画了它们的收敛速率，并将其误差量化为系统和数据属性的函数。这些结果补充了关于数据驱动控制和有限样本分析的文献体系，并提供了解决典型控制和估计问题的新途径，这些方法既不假设也不要求估计系统和噪声的模型，且不依赖于求解隐式方程。