基于学习证书的安全控制：神经 Lyapunov、Barrier 与收缩方法综述

学习型控制系统在机器人学中的挑战性控制问题上展现出令人印象深刻的经验性能，但这一性能以透明度降低且缺乏对所学控制器安全性或稳定性的保证为代价。近年来，涌现出通过在学习控制策略的同时学习证书来提供这些保证的新技术——这些证书提供简洁、数据驱动的证明，保证所学控制系统的安全与稳定。这些方法不仅使用户能够验证所学控制器的安全性，还在训练期间提供监督，使安全与稳定性需求能够影响训练过程本身。在本文中，我们对这一快速发展的证书学习领域进行全面综述。我们希望本文能作为证书学习理论与实践的易读入门，既面向希望将这些工具应用于实际机器人问题的读者，也面向希望更深入探究控制学习理论的研究者。