🔢 mathematics

Learning Control-Affine Reduced-Order Models via Autoencoders

本文提出了一个通过同时训练具有状态空间动力学的自编码器来识别控制仿射降阶模型的框架，并将该方法扩展到基于序列的模型以提高精度，并通过反馈线性化和控制任务验证了其有效性。

原作者： Ali Mjalled, Martin Mönnigmann

发布于 2026-06-04

📖 1 分钟阅读🧠 深度阅读

原作者： Ali Mjalled, Martin Mönnigmann

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

想象一下你正在尝试预测天气。真实的大气是一个混沌、高维的复杂系统，拥有数以十亿计的数据点（全球每一寸土地上的温度、压力、风速）。试图在计算机上实时模拟这一切，就像是在跑马拉松的同时试图数清沙滩上的每一粒沙子；这既太慢又太沉重了。

科学家们通常通过创建一个“降阶模型”（Reduced-Order Model, ROM）来解决这个问题。你可以把这想象成一个水晶球，它不会向你展示每一粒沙子，但它能显示出本质的模式：“要下雨了，”或者“风向正在转变。”

这篇论文介绍了一种更聪明的方法来构建这些“水晶球”，特别是针对那些可以通过推或拉来操控的系统（比如机械臂、化学反应器或加热系统）。以下是他们实现这一目标的原理，用简单的语言解释如下：

1. 旧版“水晶球”的问题

传统上，科学家使用简单的“线性”水晶球。想象一把直尺。如果你推一个球，它会沿直线滚动。但现实世界是弯曲且凹凸不平的。如果你试图强行将一条弯曲的路径套入一把直尺，你的预测就会出错。

其他方法尝试使用复杂的、扭曲的曲线（非线性模型），但这些模型往往过于复杂，以至于你无法控制它们。这就像拥有一张用你听不懂的语言绘制的城市地图；你知道自己在哪里，但不知道如何到达目的地。

2. 新方案：“控制仿射”翻译器

作者使用自动编码器（Autoencoders）构建了一个系统。把自动编码器想象成一个翻译器，它精通两种语言：

高维语言： 复杂、混乱的真实世界（例如一段火灾的 4K 视频）。
低维语言： 简单的、压缩后的摘要（例如三个词的描述：“热、蔓延、向左”）。

这篇论文的魔力在于，他们不仅让翻译器进行数据摘要，还强制要求翻译器使用一种非常特定的语法，即**“控制仿射”（Control-Affine）**。

什么是“控制仿射”？
想象你在驾驶一辆汽车。

汽车有其自身的自然行为（它会惯性滑行，也会因摩擦力而减速）。这被称为漂移（Drift）。
你拥有方向盘和油门。当你踩下它们时，汽车会对做出反应。
“控制仿射”规则规定：汽车的运动等于其自然漂移，加上对你的转向和油门操作的直接、可预测的反应。

这并不意味着汽车只能走直线（它仍然可以转弯），但它意味着你对它的控制方式是简单且可预测的。这对工程师来说是一个巨大的优势，因为他们几十年来一直在控制符合这种特定规则的系统。

3. 他们是如何构建它的（训练过程）

通常，你会教一个翻译器如何总结一张图片，然后教一个独立的“大脑”去预测未来。作者意识到这会导致不匹配。某个摘要可能很擅长描述图片，但对于预测未来却表现很差。

因此，他们将所有环节**端到端（End-to-End）**地结合在一起进行训练。

他们向系统输入一段系统运动的视频。
系统尝试压缩它，预测下一帧，然后将其解压回视频。
如果预测错误，或者压缩后的版本不符合“控制仿射”语法，系统就会受到“惩罚”。
结果： 系统学会了一种压缩后的摘要，这种摘要不仅准确，而且易于控制。

4. “时光机”升级

仅根据当前的一秒钟来预测未来是很困难的。这就像在没读过前文的情况下尝试猜测句子中的下一个词。
作者添加了一个记忆缓冲区（Memory Buffer）。现在，系统会查看过去几秒的历史记录（“序列”）来做出预测。这就像在猜下一个词之前先读完整个段落。这使得预测更加准确，同时又没有破坏简单的“控制仿射”语法。

5. 测试验证

作者在两个场景中测试了该模型：

加热束（The Heating Beam）： 想象一根长金属棒，由一根移动的加热棒进行加热。目标是加热特定的点。
- 结果： 他们的模型几乎完美地预测了热量分布模式。更重要的是，由于模型遵循“控制仿射”规则，他们可以使用简单的“PID 控制器”（一种标准的、易于使用的控制旋钮）来精确引导热量移动到他们想要的位置。
箱子里的弹跳球（The Bouncing Ball in a Box）： 想象一个在带有奇特、弹性壁面的箱子里弹跳的球。你通过摇杆来推动它。
- 结果： 模型学习了球和弹性壁面的复杂物理特性。当他们尝试让球沿着圆形路径运动时，控制器表现完美，精准地引导球到达预定位置。

6. 为什么这很重要

这里最大的收获是控制力。
因为该模型遵循“控制仿射”规则，作者可以使用一种被称为**反馈线性化（Feedback Linearization）**的数学技巧。

类比： 想象你在驾驶一辆天生想原地打转的汽车，这很难开。但如果你有一个特殊的转向系统，能够从数学上抵消掉这种旋转，突然间，这辆车表现得就像一辆转向即直行的普通汽车一样。
作者利用这个技巧，将复杂的非线性模型在运行过程中转化为一个简单的线性模型。这使得他们能够使用简单、可靠的控制器来高精度地操控复杂系统。

总结

这篇论文提出了一种构建复杂系统“水晶球”的新方法。他们不仅仅是在猜测未来，而是构建了一个能将世界压缩成一种因果关系清晰的简单语言的翻译器。这使得工程师能够处理复杂的、混乱的系统（如加热金属棒或控制弹跳球），并像在直路上开车一样轻松地控制它们。

他们也发布了代码（DeepE2EROM），以便他人为自己的系统构建这些“智能水晶球”。

技术摘要：通过自编码器学习控制仿射降阶模型

问题阐述

本文解决了识别由偏微分方程（PDE）或复杂模拟驱动的高维非线性动力系统之降阶模型（ROM）的挑战。传统的基于投影的方法（如 POD-Galerkin）需要已知控制方程，而这在数据驱动的情景中通常是无法获取的。虽然使用自编码器（AE）的深度学习方法已成功识别了低维潜在流形，但生成的潜在动力学往往是无结构的、复杂的或纯线性的。

一个特定的局限性出现在这些模型旨在用于控制应用时。纯线性潜在动力学可能无法捕捉复杂的非线性行为，而通用的非线性潜在动力学通常缺乏进行高效控制设计（例如反馈线性化）所需的结构特性。作者指出了现有数据驱动 ROM 中的一个差距：缺乏一种能够强制潜在动力学遵循**控制仿射（control-affine）**结构的框架，该框架需要在非线性建模能力与控制所需的解析可处理性之间取得平衡。

方法论

1. 控制仿射潜在动力学

其核心贡献是一个学习潜在表示 $z_k \in \mathbb{R}^r$ 的框架，其中动力学遵循离散时间控制仿射结构：
$z_{k+1} = a_{\phi_1}(z_k) + B_{\phi_2}(z_k) \cdot u_k$
这里， $a_{\phi_1}$ 是代表自主动力学的“漂移（drift）”网络，而 $B_{\phi_2}$ 是与控制输入 $u_k$ 以仿射方式相互作用的“输入”网络。选择这种结构是因为它符合许多物理系统（如机器人、化学反应器），并能够应用反馈线性化。

2. 联合训练策略

与将自编码器训练与动力学学习解耦的标准方法不同，该方法采用了同步训练策略。编码器（ $E_\theta$ ）、解码器（ $D_\phi$ ）和潜在动力学模型（ $G_\phi$ ）通过一个多目标损失函数进行共同优化：
$L = \gamma_1 L_{AE} + \gamma_2 L_{lat-cons} + \gamma_3 L_{dyn}$

$L_{AE}$ ： 高维状态的重构误差。
$L_{lat-cons}$ ： 一致性损失，确保潜在动力学能准确预测编码后的未来状态（ $E_\theta(x_{k+l})$ ）。该项对于确保潜在空间动力学与基准真相一致至关重要，防止解码器通过补偿较差的潜在动力学来掩盖误差。
$L_{dyn}$ ： 高维空间中的端到端误差。

该框架还支持输入自编码器，将高维控制输入（例如分布边界场）压缩为潜在输入向量 $u'_k$ ，从而使控制仿射结构能够处理高维驱动。

3. 基于序列的公式化

为了在不牺牲控制仿射结构的前提下提高预测精度，作者将模型扩展到操作序列上。构建了一个包含潜在状态和输入历史的扩展状态向量 $\xi_k$ 。随后，动力学被建模为：
$\xi_{k+1} = \alpha(\xi_k) + \beta(\xi_k) \cdot u_k$
其中 $\alpha$ 包含一个用于记忆的线性位移算子和一个非线性漂移项，而 $\beta$ 则应用控制输入。这种公式化允许模型捕捉时滞效应和历史依赖性，同时保持控制仿射属性。

4. 反馈线性化

论文提供了将反馈线性化应用于所学 ROM 的指南。

全状态线性化： 对于标准模型，如果输入矩阵 $B_{\phi_2}(z_k)$ 具有全行秩（ $r \leq m$ ），则可以推导出反馈律，将非线性动力学转化为线性系统 $z_{k+1} = \bar{A}z_k + \bar{B}v_k$ 。
输入-输出线性化： 对于基于序列的模型，由于存在记忆缓冲器，实现全状态线性化在结构上是不可能的。然而，作者证明了通过将当前潜在状态视为输出，可以实现精确的输入-输出线性化，前提是扩展系统的输入矩阵具有全秩。这使得在潜在空间中使用标准线性控制器（如 PID、LQR）成为可能。

核心贡献

控制仿射 ROM 框架： 一种新型数据驱动方法，通过强制潜在动力学遵循控制仿射结构，弥合了高表达性非线性建模与控制理论可处理性之间的鸿沟。
联合优化： 一种同步学习坐标变换（AE）和结构化动力学的训练策略，确保潜在空间与控制仿射假设兼容。
基于序列的扩展： 一种将控制仿射模型应用于处理状态和输入历史的适配方案，在提高预测精度的同时保留了仿射结构。
控制理论保证： 通过形式化命题建立了在何种条件下所学的 ROM 可以通过反馈实现精确线性化，从而支持在非线性降阶模型上使用线性控制技术。
开源实现： 作者发布了实现端到端训练框架的 Python 包 DeepE2EROM。

实验结果

该框架在两个数值算例上进行了评估：

1. 一维热传导方程

设置： 一个分布式控制问题，状态为温度场，输入为空间分布的热源。状态和输入均为高维。
性能： 控制仿射 ROM 的表现显著优于具有线性潜在动力学的基准 ROM。它实现了两倍的端到端 RMSE 降低，并在潜在动力学精度方面有更显著的提升。
控制： 该模型成功用于通过结合反馈线性化与 PID 控制器来追踪参考温度轨迹。控制器成功生成了必要的分布式热输入以引导系统。

2. 箱中球（2D 模拟）

设置： 一个在单位箱体内运动的球，在边界附近存在强烈的非线性排斥力，通过 64x64 摄像机帧进行观测。
性能： 控制仿射 ROM 在受迫（驱动）和自主两种设置下均优于线性基准模型。在受迫设置下，其端到端 RMSE 约为基准模型的一半，潜在误差约为基准模型的三分之一。
自主动力学： 即使没有在自主轨迹上进行显式训练，该模型也能准确识别系统的平衡点。
控制： 该模型实现了利用潜在空间线性化上的比例控制器进行圆形轨迹的参考追踪。

重要性与主张

论文声称，强制潜在动力学遵循控制仿射结构提供了一种“强大的折衷”。它既保留了精确非线性建模的能力，又能在经过适当的坐标变换后，实现使用成熟线性控制技术的目的（通过反馈线性化）。

作者强调，虽然线性潜在动力学很流行（通常与 Koopman 算子理论相关），但对于复杂的非线性系统可能不足；相反，通用的非线性潜在模型往往缺乏可解释性和控制可处理性。所提出的控制仿射方法通过自然地对齐一类广泛的工程系统（其动力学在状态上是非线性的，但在控制输入上是仿射的），解决了这些局限性。

该研究在范围上保持了谦逊，指出实现全状态反馈线性化需要潜在维度小于或等于输入数量（ $r \leq m$ ），这对于执行器较少的系统可能具有限制性。在这种情况下，作者承认仅能实现部分反馈线性化。建议未来的工作通过将潜在空间分解为可控子空间和未驱动子空间来解决此问题。

论文总结道，所提出的框架通过在基于 PDE 和基于图像的系统上的验证，为直接从数据设计高维非线性系统的控制器提供了坚实的基础。