随机时间范围线性二次跟踪的统计一致性逆最优控制

逆最优控制（IOC）的目标是基于观测到的最优轨迹识别潜在的目标函数。它为建模专家行为提供了一个强大的框架，并提供了一种数据驱动的方式来设计目标函数，使得诱导出的最优控制能够适应上下文环境。本文针对具有随机时间范围的线性二次跟踪问题设计了一个 IOC 算法，并证明了该算法的统计一致性。具体而言，所提出的估计器是一个凸优化问题的解，这意味着该估计器不会受到局部极小值的影响。这使得已证明的统计一致性能够在实践中真正实现。该算法还在模拟数据以及来自真实世界实验的数据上进行了验证，两者均设置在识别人类跟踪运动目标函数的场景中。统计一致性在合成数据集上得到了说明，而真实数据的实验结果表明，基于估计目标函数，我们可以对人类跟踪运动做出良好预测。这表明该理论和模型在实际应用中具有良好的性能。此外，由于识别出的目标函数描述了个人的习惯和偏好，所识别的模型可用作个性化康复机器人控制器设计中的控制目标。