面向一类输出反馈非线性系统最优控制的安全感知基于模型的强化学习
系统与控制
2021-10-06 v1 系统与控制
摘要
安全地学习并执行最优控制策略对于实现复杂自主性至关重要，尤其在无法重启任务和/或系统为安全关键型的情况下。安全要求通常以状态约束和/或控制约束的形式表达。诸如障碍变换与控制障碍函数等方法已成功结合基于模型的强化学习，用于状态约束系统的安全学习，以学习最优控制策略。然而，现有的基于障碍的安全学习方法依赖于全状态反馈。本文开发了一种输出反馈安全基于模型的强化学习技术，其利用一种新型动态状态估计器，对一类具有部分可观测状态的安全关键系统实现同步学习与控制。
引用
@article{arxiv.2110.00271,
title = {Safety aware model-based reinforcement learning for optimal control of a class of output-feedback nonlinear systems},
author = {S M Nahid Mahmud and Moad Abudia and Scott A Nivison and Zachary I. Bell and Rushikesh Kamalapurkar},
journal= {arXiv preprint arXiv:2110.00271},
year = {2021}
}
备注
arXiv admin note: substantial text overlap with arXiv:2007.12666