Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > eess > arXiv:2212.02072

帮助 | 高级搜索

电气工程与系统科学 > 系统与控制

arXiv:2212.02072 (eess)
[提交于 2022年12月5日 (v1) ,最后修订 2023年12月6日 (此版本, v2)]

标题: 风险敏感线性二次高斯控制的鲁棒强化学习

标题: Robust Reinforcement Learning for Risk-Sensitive Linear Quadratic Gaussian Control

Authors:Leilei Cui, Tamer Başar, Zhong-Ping Jiang
摘要: 本文提出了一种针对具有模型失配的离散时间线性系统的新型鲁棒强化学习框架,这种模型失配可能源于仿真到现实的差距。 关键策略之一是运用控制理论中的先进方法。 利用经典的风险敏感线性二次高斯控制的公式化表达,提出了一种双环策略优化算法以生成鲁棒最优控制器。 证明了该双环策略优化算法全局一致收敛,并且在学习过程中对扰动具有鲁棒性。 这一鲁棒性属性被称为小扰动输入状态稳定性,保证只要每个学习步长的扰动相对较小,所提出的策略优化算法就能收敛到最优控制器的一个小邻域内。 此外,在系统动力学未知的情况下,提出了一种新的无模型异策略策略优化算法。 最后,通过数值例子展示了所提出的算法。
摘要: This paper proposes a novel robust reinforcement learning framework for discrete-time linear systems with model mismatch that may arise from the sim-to-real gap. A key strategy is to invoke advanced techniques from control theory. Using the formulation of the classical risk-sensitive linear quadratic Gaussian control, a dual-loop policy optimization algorithm is proposed to generate a robust optimal controller. The dual-loop policy optimization algorithm is shown to be globally and uniformly convergent, and robust against disturbances during the learning process. This robustness property is called small-disturbance input-to-state stability and guarantees that the proposed policy optimization algorithm converges to a small neighborhood of the optimal controller as long as the disturbance at each learning step is relatively small. In addition, when the system dynamics is unknown, a novel model-free off-policy policy optimization algorithm is proposed. Finally, numerical examples are provided to illustrate the proposed algorithm.
评论: 27页,13幅图
主题: 系统与控制 (eess.SY)
引用方式: arXiv:2212.02072 [eess.SY]
  (或者 arXiv:2212.02072v2 [eess.SY] 对于此版本)
  https://doi.org/10.48550/arXiv.2212.02072
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Leilei Cui [查看电子邮件]
[v1] 星期一, 2022 年 12 月 5 日 07:36:22 UTC (260 KB)
[v2] 星期三, 2023 年 12 月 6 日 18:02:58 UTC (2,283 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • TeX 源代码
查看许可
当前浏览上下文:
eess.SY
< 上一篇   |   下一篇 >
新的 | 最近的 | 2022-12
切换浏览方式为:
cs
cs.SY
eess

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号