LQR的随机轨迹影响函数：通过动力学与噪声协方差的联合灵敏度
系统与控制
2026-03-24 v1 系统与控制
摘要
基于数据学习的模型制导控制存在训练轨迹的偏差和噪声， therefore 了解哪些轨迹有助于或损害闭环性能至关重要。影响函数是机器学习中广泛用于数据归因的工具，通过一阶参数位移代理避免昂贵的重新训练。但应用于随机LQR却面临挑战，因为代价函数通过Riccati方程依赖于学习到的动力学，而过程噪声协方差又来自相同的残差估计。我们构建了一个三层影响层次结构，综合考虑了这两个渠道。
引用
@article{arxiv.2603.21539,
title = {Stochastic Trajectory Influence Functions for LQR: Joint Sensitivity Through Dynamics and Noise Covariance},
author = {Jiachen Li and Shihao Li and Soovadeep Bakshi and Jiamin Xu and Dongmei Chen},
journal= {arXiv preprint arXiv:2603.21539},
year = {2026}
}