BriefGPT - AI 论文速递
·
使用监督学习构建短视多方计算策略
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
使用监督学习离线学习最优值函数的方法可以在近视型MPC中减少在线计算负担，而不影响控制器性能。该方法通过使用离线收集的状态-值对来学习代价函数，而不是闭环性能数据。
🎯
关键要点
-
使用监督学习技术结合模型预测控制（MPC）在近期引起了显著关注。
-
近似显式 MPC 领域使用深度神经网络等函数逼近器通过离线生成的最优状态 - 动作对来学习 MPC 策略。
-
本文提出使用监督学习离线学习最优值函数作为替代策略，而不是最优策略。
-
该方法适用于近视型 MPC 中的代价函数，减少在线计算负担而不影响控制器性能。
-
与现有的值函数逼近研究不同，该方法使用离线收集的状态 - 值对来学习代价函数。
-
通过基于敏感度的数据增强方案解决了用于培训的状态 - 值对生成的成本问题。
➡️
