利用自学习近似 Lyapunov 评判器稳定神经控制
机器人学
2021-07-13 v1 系统与控制
系统与控制
摘要
缺乏稳定性保证限制了基于学习的方法在机器人核心控制问题中的实际应用。我们开发了在无模型强化学习（RL）设定下学习神经控制策略和神经 Lyapunov 评判器函数的新方法。我们利用基于样本的方法和近似 Lyapunov 函数条件，通过学到的 Lyapunov 评判器函数估计吸引域与不变性性质。这些方法增强了包括汽车与四旋翼控制在内的多种非线性系统神经控制器的稳定性。
引用
@article{arxiv.2107.04989,
title = {Stabilizing Neural Control Using Self-Learned Almost Lyapunov Critics},
author = {Ya-Chien Chang and Sicun Gao},
journal= {arXiv preprint arXiv:2107.04989},
year = {2021}
}
备注
ICRA 2021