⚡ electrical engineering

Safety-Constrained Optimal Control for Unknown System Dynamics

本文提出了一种针对未知系统动力学的安全约束最优控制框架，通过在模型基哈密顿泛函中引入偏差惩罚项，在满足凸性假设下推导出了使模型策略与真实系统最优策略一致的条件，并在带有安全距离约束的巡航控制机器人测试中验证了该方法的有效性。

原作者： Panagiotis Kounatidis, Andreas A. Malikopoulos

发布于 2026-03-31

📖 1 分钟阅读☕ 轻松阅读

原作者： Panagiotis Kounatidis, Andreas A. Malikopoulos

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

这篇论文探讨了一个非常实际的问题：当我们对世界的“认知”（模型）并不完美时，如何依然能做出最完美的决策？

想象一下，你正在玩一个赛车游戏，但你的游戏手柄有点延迟，或者游戏里的物理引擎（比如摩擦力、引擎动力）和你现实中的真车不太一样。这时候，你该相信游戏里的数据，还是相信现实？如果完全按游戏里的“完美模型”去操作，真车可能会失控；如果完全放弃模型，又不知道下一步该往哪开。

这篇论文提出了一套聪明的方法，让**“不完美的模型”也能指导“真实的系统”做出“最优的决策”**，同时保证安全。

下面我用几个生活中的比喻来拆解这篇论文的核心内容：

1. 核心难题：地图与现实的偏差

现实情况：我们要控制一辆车（比如自动驾驶），让它既开得省油（成本最低），又保持安全距离（不撞车）。但是，我们不知道这辆车的真实脾气（比如它的刹车到底多灵，引擎反应有多快）。
通常做法：我们只能画一张“草图”（近似模型）来模拟这辆车。
问题：草图和真车不一样。如果你完全照着草图开，真车可能会因为刹车太软而撞上前车，或者因为加速太猛而失控。

2. 论文的解决方案：给“草图”加一个“纠偏器”

作者没有试图去把草图画得和真车一模一样（这太难了），而是想出了一个巧妙的办法：在计算时，给草图加一个“惩罚项”（Penalty Term）。

比喻：
想象你在教一个机器人走路。你手里有一张地图（模型），但机器人脚下的路（真实世界）有点滑。
- 传统方法：你拼命研究地图，试图修正地图上的每一个小错误，直到地图和路完全重合。
- 本文方法：你告诉机器人：“虽然地图可能不准，但我会时刻盯着你的真实位置。如果你偏离了地图上的路线，我就给你加一个‘惩罚分’（比如扣分）。这个惩罚分越大，你就越努力往回拉，直到你的真实位置和地图位置尽可能重合。”
这个“惩罚分”就是论文里的 $\beta(t)||x(t) - \hat{x}(t)||^2$ 。它不直接改变控制指令，而是通过不断修正“状态”（位置和速度），让模型和现实在动态中“对齐”。

3. 神奇的发现：只要“方向盘”一样，路就一样

这是论文最精彩的部分。作者发现，只要满足一些数学上的“凸性”条件（简单说，就是决策空间是平滑的，没有奇怪的坑坑洼洼），即使模型和真车完全不同，只要它们在面对“安全约束”（比如不能撞车）时的“最优解”是同一个，那么控制策略就是一样的。

比喻：
想象你在玩一个迷宫游戏。
- 真车：是一辆真实的卡车，转弯半径大，刹车慢。
- 模型：是一辆玩具车，转弯半径小，刹车快。
- 目标：都要在 10 秒内走出迷宫，且不能碰到墙壁。
通常我们会认为，因为车不一样，开法肯定不一样。但论文说：如果墙壁（安全约束）足够近，逼得你必须贴着墙走，那么无论你是开卡车还是玩具车，你唯一的选择都是“贴着墙走”。

在这种情况下，“怎么开”（控制策略） 是由**“墙壁在哪里”（约束条件）决定的，而不是由“车是什么型号”（动力学模型）**决定的。只要模型里的“墙壁”和现实里的“墙壁”位置一致，那么算出来的“最佳路线”就是完全一样的。

4. 实验验证：真车上的“巡航控制”

为了证明这个理论不是纸上谈兵，作者用真实的机器人（LIMO 小车）做了实验：

场景：一辆车（自车）跟着另一辆车（前车）开，要保持安全距离。
设置：
- 真车：刹车反应慢，加速快（参数是 $\hat{\tau}, \hat{k}$ ）。
- 模型：故意设定成刹车反应快，加速慢（参数是 $\tau, k$ ），故意制造模型误差。
结果：
尽管模型和真车参数完全不同，但使用了这种“带惩罚项”的模型控制策略后，真车的表现竟然和**“如果我知道真车所有参数并算出的完美策略”**一模一样！
- 当不需要刹车时，它按模型开。
- 当前车太近（触发安全约束）时，它立刻调整，完美地保持了安全距离，就像它真的知道真车的脾气一样。

5. 总结与启示

这篇论文告诉我们一个反直觉的道理：

我们不需要知道世界的“绝对真理”（完美的系统模型），只要我们的模型能抓住决策的“核心结构”（比如安全约束的边界），我们就能做出完美的决策。

以前：我们总想着“我要把模型练得和真机一模一样，才能控制得好”。
现在：我们可以接受模型是“有缺陷的”，只要我们在计算时加入“纠偏机制”，并保证决策逻辑（哈密顿量最小化）在结构上是一致的，“不完美”的模型也能产生“完美”的控制效果。

一句话总结：
这就好比你虽然看不清路（模型不准），但你手里有个雷达（惩罚项）时刻提醒你离悬崖（安全约束）还有多远。只要悬崖的位置是准的，你就能做出最安全的驾驶决策，哪怕你根本不知道自己的车到底有多少马力。

论文技术总结：未知系统动力学下的安全约束最优控制

1. 研究背景与问题定义

核心问题：在最优控制领域，许多实际应用（如自动驾驶）的系统动力学过于复杂或难以精确建模，导致必须使用近似模型（代理模型或数字孪生）进行控制合成。然而，模型与真实系统（Plant）之间的不匹配（Model Mismatch）通常会导致性能下降，甚至影响闭环系统的鲁棒性。

研究目标：本文旨在解决一个关键问题：在何种条件下，基于近似模型推导出的控制策略，对于具有未知真实动力学的系统仍然是最优的？ 特别是，当系统受到涉及状态和控制输入的安全约束时，如何保证模型基于策略与真实系统最优策略的一致性。

数学表述：

真实系统（Plant）：动力学 $\dot{\hat{x}} = \hat{f}(t, \hat{x}, u)$ 未知，需满足安全约束 $c(t, \hat{x}, u) \leq 0$ 。目标是最小化真实代价函数 $J_{act}$ 。
近似模型（Model）：已知动力学 $\dot{x} = f(t, x, u)$ ，满足约束 $c(t, x, u) \leq 0$ 。
挑战：由于 $\hat{f}$ 未知，无法直接求解真实系统的最优控制问题。

2. 方法论：惩罚项模型基框架

为了解决动力学未知的问题，作者提出了一种带惩罚项的模型基最优控制框架：

2.1 惩罚代价函数

构建一个基于已知模型的代理问题，并在运行代价（Running Cost）中引入一个惩罚项，用于量化模型状态 $x(t)$ 与观测到的真实状态 $\hat{x}(t)$ 之间的偏差：
$J_{mod} = \int_0^T \left[ \ell(t, x, u) + \beta(t)\|x - \hat{x}\|^2 \right] dt + \phi(x(T))$
其中 $\beta(t)$ 是时变权重函数。该惩罚项迫使模型状态尽可能跟踪真实状态。

2.2 庞特里亚金极小值原理 (PMP) 分析

作者利用 PMP 分别推导了真实系统问题（Problem 1）和惩罚模型问题（Problem 2）的哈密顿量（Hamiltonian）及最优性条件：

真实系统哈密顿量 $\hat{H}$ ：包含真实动力学项。
模型系统哈密顿量 $H$ ：包含模型动力学项及状态偏差惩罚项 $\beta\|x-\hat{x}\|^2$ 。

关键发现：惩罚项 $\beta\|x - \hat{x}\|^2$ 不显式依赖于控制输入 $u$ 。因此，在针对 $u$ 进行逐点（Pointwise）最小化时，惩罚项的梯度为零，不直接影响控制律的解析结构。它仅通过影响状态 $x$ 和协态（Costate） $\lambda$ 的演化轨迹来间接起作用。

3. 核心贡献与理论结果

3.1 等价性定理 (Equivalence Results)

论文建立了模型基策略与真实系统最优策略在特定条件下重合的充分条件：

凸性分析框架：
在凸性假设下（Assumptions 1-2），如果两个哈密顿量在控制输入 $u$ 上的次微分（Subdifferential）或梯度在最优解处匹配，且状态对齐（ $x = \hat{x}$ ），则两个问题的最优控制解重合。
$\partial_u \hat{H} = \partial_u H \implies \arg\min \hat{H} = \arg\min H$
二次控制努力特例：
针对常见的二次型控制代价（ $\ell \propto u^T R u$ ），论文给出了更具体的可验证条件（Theorem 3）：
- 假设控制集 $U$ 是凸集。
- 假设哈密顿量关于 $u$ 是强凸的。
- 关键条件：如果模型和真实系统的哈密顿量梯度在控制输入上匹配（即 $\nabla_u \hat{H} = \nabla_u H$ ），且状态对齐，则最优控制策略 $u^*(t)$ 完全相同。
- 推论：即使动力学参数（如 $\hat{f}$ 和 $f$ ）不同，只要控制约束集 $U$ 起主导作用（例如在约束边界上），或者梯度匹配条件满足，模型基策略即可恢复真实最优策略。

3.2 理论意义

解耦模型精度与最优性：证明了控制的最优性并不完全依赖于动力学的精确识别，而是依赖于哈密顿量最小化问题的结构性质。
安全约束的处理：将安全约束（状态和控制输入相关）纳入框架，证明了在约束激活时，模型基策略仍能通过“骑乘约束”（Riding the constraint）实现最优。

4. 实验验证：LIMO 机器人巡航控制

4.1 实验设置

平台：使用 LIMO ROS 2 机器人进行实车实验。
场景：自适应巡航控制（ACC）。控制一辆“自车”（Ego），前方有一辆不可控的“前车”。
约束：保持与前车的安全距离 $c = \delta - \xi(p_f - p) \leq 0$ 。
动力学失配：
- 真实系统：时间常数 $\hat{\tau}=0.1$ ，增益 $\hat{k}=1.4$ 。
- 模型系统：假设 $\tau=0.3$ ， $k=1.2$ （存在显著参数误差）。
控制策略：比较“基于惩罚的模型控制”与“基于真实参数的最优控制”。

4.2 实验结果

轨迹一致性：尽管模型参数与真实参数存在显著差异，但引入惩罚项后的模型基控制策略（ $u_{mb}$ ）生成的轨迹与真实最优策略（ $u_{opt}$ ）生成的轨迹高度重合。
控制输入分析：
- 在安全约束未激活时，两者的控制输入略有不同（因为未约束时的梯度不同）。
- 关键点：一旦安全约束激活（即车辆接近前车），控制输入被投影到可行域边界。此时，由于约束的主导作用，模型基策略与真实策略的控制输入完全一致。
结论：实验证实了理论推导，即通过惩罚项引导状态对齐，并结合约束集的结构特性，可以在模型失配的情况下恢复最优控制行为。

5. 总结与意义

5.1 主要贡献

理论框架：提出了一种处理未知动力学和安全约束的最优控制框架，利用状态偏差惩罚项来桥接模型与真实系统。
等价性证明：从凸分析和 PMP 角度，严格证明了在特定结构条件下，模型基最优控制与真实系统最优控制的等价性。
实机验证：在存在显著动力学失配的真实机器人平台上验证了理论的有效性。

5.2 学术与工程意义

对强化学习/自适应控制的启示：传统的基于学习的方法往往追求精确的系统辨识（System Identification）。本文指出，保持哈密顿量最小化的结构性质（如梯度匹配或约束主导）比精确辨识动力学参数更为关键。这为设计更高效、更鲁棒的学习型控制器提供了新的理论视角。
数字孪生的可靠性：为在数字孪生或近似模型上训练控制策略并直接部署到真实物理系统提供了理论保障，特别是在安全关键（Safety-Critical）应用中。
未来方向：作者提到正在探索将该分析扩展到随机系统（Stochastic Systems）中。

综上所述，该论文通过严谨的数学推导和真实的硬件实验，证明了在安全约束下，即使系统动力学未知且模型存在误差，通过合理的惩罚机制和结构分析，依然可以实现最优控制，为解决“模型失配下的最优控制”难题提供了强有力的理论支撑和工程方案。