用于 LQR 控制的迁移学习

本文研究了一种用于线性二次型调节器（LQR）控制的迁移学习框架，其中 (i) 目标系统的动力学未知，且仅提供来自目标系统的短脉冲响应轨迹，以及 (ii) 具有 $N$ 个不同动力学的源系统可提供脉冲响应。我们表明，LQR 控制器可以从足够长的脉冲响应轨迹中学习得到。此外，利用源系统和目标系统的可用数据可以识别可迁移模态集，从而能够重构目标系统的脉冲响应以进行控制器设计。通过利用源系统的数据，我们表明综合 LQR 控制器的样本复杂度可以降低 $50\%$。提供了算法和数值示例以演示所提出的迁移控制框架的实现。