Learning-Based Optimal Control with Performance Guarantees for Unknown Systems with Latent States

要約

タイトル：潜在状態を持つ未知のシステムの性能保証を持つ学習ベース最適制御
要約：
– 複雑なシステムに制御工学的手法を適用するにつれ、物理モデリングに代わるデータ駆動型アプローチが有望となっている。
– しかし、複雑なシステムの状態は直接測定できないことが多く、システムの動力学と潜在状態を同時に推定する必要がある。
– この場合、性能保証のあるコントローラを設計することは非常に困難になる。
– この論文は、潜在状態を持つ未知の非線形システムの最適入力軌道を計算するための新しい方法を提案している。
– 得られた入力軌道に対する確率的性能保証が導出され、任意の制御法の性能を検証する方法が提示されている。
– 提案手法の有効性は、数値シミュレーションによって示されている。

要約(オリジナル)

As control engineering methods are applied to increasingly complex systems, data-driven approaches for system identification appear as a promising alternative to physics-based modeling. While many of these approaches rely on the availability of state measurements, the states of a complex system are often not directly measurable. It may then be necessary to jointly estimate the dynamics and a latent state, making it considerably more challenging to design controllers with performance guarantees. This paper proposes a novel method for the computation of an optimal input trajectory for unknown nonlinear systems with latent states. Probabilistic performance guarantees are derived for the resulting input trajectory, and an approach to validate the performance of arbitrary control laws is presented. The effectiveness of the proposed method is demonstrated in a numerical simulation.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI