跳到正文
arXiv · 机器人与计算机视觉· Philipp Schoch, Markus Ryll·· 2026-10-06AI 评分58

arXiv:未建模状态依赖下的最优控制——结合学习评论家的模型预测控制框架

Optimal Control with Learned Critics under Unmodeled State Dependencies

AI 导读

论文提出一种基于学习的 MPC 框架,通过残差动力学网络补偿不完整动力学并引入学习动作价值评级的长期 MDP 结构,以解决接触等难建模任务。系统集成了 GPU 加速的批量 iLQR 求解器,在机器人仿真环境中验证了该方法在偏置和未完全建模控制任务中提升闭环性能且保持模型结构的可行性。材料为 arXiv 预印本,发表于 CoRL 2026,未报告真实机器人部署结果或同行评审状态。

来源:arXiv · 机器人与计算机视觉 · arxiv.org