精选理由
这篇论文把鲁棒控制加速到67 Hz，处理168维非线性动力学的车，GPUSLS-LEO在GPU上跑得比现有方法更快更紧，适合搞实时控制的人。
本文提出GPUSLS-LEO方法，为非线性与神经网络动力学系统的线性时变（LTV）近似提供紧致、可微、GPU并行的线性化误差界（LEBs）。针对解析动力学，引入基于路径的Hessian界，比标准区间方法更紧；针对神经网络动力学，通过NN验证器生成的仿射松弛和局部雅可比修正导出认证LEBs。该方法在高达168维状态的非线性与神经网络动力学系统上，以67 Hz的速率在GPU上计算鲁棒控制策略，相比基线降低了求解时间和保守性，同时保持形式化保证和实时性能。
AI 翻译 · 中文
本文提出GPUSLS-LEO方法，为非线性与神经网络动力学系统的线性时变（LTV）近似提供紧致、可微、GPU并行的线性化误差界（LEBs）。针对解析动力学，引入基于路径的Hessian界，比标准区间方法更紧；针对神经网络动力学，通过NN验证器生成的仿射松弛和局部雅可比修正导出认证LEBs。该方法在高达168维状态的非线性与神经网络动力学系统上，以67 Hz的速率在GPU上计算鲁棒控制策略，相比基线降低了求解时间和保守性，同时保持形式化保证和实时性能。
This paper studies real-time robust optimal control for uncertain nonlinear systems, where linear time-varying (LTV) approximations make planning tractable but require sound linearization error bounds (LEBs) to guarantee…