面向多目标异构动力学的语义通信与控制联合设计
机器人学
2025-12-08 v2 机器学习
系统与控制
系统与控制
摘要
本文介绍了一种基于机器学习的方法，用于学习具有不同控制规则和动力学特征的相关系统的语义动力学。通过在自编码器（autoencoder, AE）框架中引入库珀曼算子（Koopman operator），系统的状态演化在潜在空间中被线性化，采用动态语义库珀曼（dynamic semantic Koopman, DSK）模型捕获基线语义动力学。将信号时序逻辑（signal temporal logic, STL）通过逻辑语义库珀曼（logical semantic Koopman, LSK）模型纳入，以编码系统特定的控制规则。上述模型构成我们提出的逻辑库珀曼自编码器框架，该框架在减少通信开销的同时，显著提升状态预测精度和控制性能，在仿真实验中实现了高达91.65%的通信样本减少，并在控制性能上取得显著提升。
引用
@article{arxiv.2410.02303,
title = {Semantic Communication and Control Co-Design for Multi-Objective Distinct Dynamics},
author = {Abanoub M. Girgis and Hyowoon Seo and Mehdi Bennis},
journal= {arXiv preprint arXiv:2410.02303},
year = {2025}
}