具有状态相关噪声的数据驱动分布鲁棒最优控制
摘要：分布鲁棒最优控制 (DROC) 是在不知道真实分布的随机环境中实现鲁棒控制的技术。传统的 DROC 方法需要给定模糊集或 KL 散度界限来表示分布的不确定性。这些可能事先不知道，并且可能需要手工制作。在本文中，我们通过引入一种数据驱动的技术来估计不确定性和 KL 散度界限解决了这个假设。我们将这种技术称为 D3ROC。为了评估我们的方法的有效性，我们考虑了一个具有未知噪声分布的类似汽车的机器人的导航问题。结果表明，D3ROC 提供了优于迭代线性二次高斯 (iLQG) 控制的鲁棒高效的控制策略。结果还展示了我们提出的方法在处理不同噪声分布方面的有效性。
作者：Rui Liu, Guangyao Shi, Pratap Tokekar
论文ID：2303.02293
分类：Robotics
分类简称：cs.RO
提交时间：2023-08-02