⚡ electrical engineering

Families of Control-Cost-Parametrized Inverse-Optimal Universal Stabilizers

本文引入了一种“半直接最优”框架，该框架通过允许用户选择控制代价函数，并将其通过一个已证的 Lipschitz 算子转化为非线性反馈律，从而求解一个具有意义的状态代价的反向最优控制问题，进而实现用于离线分析和在线自适应的统一神经算子逼近。

原作者： Miroslav Krstic, Luke Bhan

发布于 2026-06-09

📖 1 分钟阅读☕ 轻松阅读

原作者： Miroslav Krstic, Luke Bhan

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，你正试图操控一台复杂的机器，比如一辆自动驾驶汽车或一架无人机，让它安全地停下来。在控制理论的世界里，有一个著名的、“一刀切”的配方，叫做索恩塔格公式（Sontag's Formula）。它能保证机器无论如何都能安全停止。然而，它就像一份预包装好的餐食：虽然管用，但你无法改变它的口味。你不能让它变得更辣（更激进），也不能让它变得更淡（更谨慎）。它没有任何可以让你旋转调节的旋钮。

在光谱的另一端，还有其他一些方法，它们给了你太多可以调节的旋钮，但由于过于复杂且彼此脱节，你根本不知道哪种组合才会真正奏效。

这篇论文介绍了一种新的、“金发姑娘式”（恰到好处）的方法，称为半直接最优控制（Half-Direct-Optimal Control）。通过简单的类比，其工作原理如下：

1. 核心思想：先设计“成本”

与其从控制器开始并询问：“它最小化了什么？”，作者反其道而行之。他们说：“你告诉我们你有多讨厌使用控制量，我们会为你构建完美的控制器。”

类比： 想象你正在雇佣一位厨师。与其让厨师决定放多少盐，不如你递给他们一张“盐分偏好卡”（一个数学函数，称为 $\gamma$ ）。
- 如果你在卡上写下“我讨厌盐”，厨师（公式）就会创造出一道用盐极少但依然美味的菜肴。
- 如果你写下“我喜欢重口味”，厨师就会创造出一道辛辣的菜肴。
- 论文证明，对于你写的任何合理的偏好卡，都存在一种特定的、在数学上完美的烹饪方式（控制器），既能尊重你的口味，又能保证食物食用安全（系统稳定）。

2. 神奇机器：“扩展器”（The Expander）

为了将你的“盐分偏好卡”转化为一个工作的控制器，论文使用了一个三步走的机器：

微分（Differentiation）： 它观察你的偏好是如何变化的。
代数收缩（Algebraic Contraction）： 它将这些信息挤压成特定的形状。
反转（Inversion）： 它将这个形状翻转过来，从而创造出一个名为**“扩展器”（ $\kappa$ ）**的工具。

类比： 把“扩展器”想象成一个定制的变速器。
- 标准的索恩塔格公式就像一辆变速比固定的汽车，它在特定的速度下换挡。
- 你的“盐分偏好卡”决定了新变速器的形状。
- “扩展器”就是那位制造定制变速器的机械师。一旦制造完成，你将其安装到车上，突然间，汽车会完全按照你想要的方式换挡，根据你的选择让行驶更平顺或更快。

3. “半直接”之名的由来

作者之所以称其为“半直接最优”，是因为：

直接（Direct）： 你可以预先选择控制的成本（即“盐分”）。
半（Half）： 你无法直接选择状态（即车辆运动方式）的成本。那个成本是你选择的结果。这就像是在说：“我选择支付多少油费，而车的速度则是基于该预算所产生的自然结果。”

4. AI 捷径：神经算子（Neural Operators）

为每一个新的偏好计算那个定制的“扩展器”变速器在数学上是非常沉重且缓慢的，就像每次想换挡时都要在脑中进行复杂的微积分运算一样。

类比： 作者训练了一个**神经网络（AI）**来充当“全能机械师”。
- 与其每次都从头开始计算变速器，不如你把“盐分偏好卡”输入给 AI。
- AI 会瞬间吐出正确的“扩展器”变速器。
- 论文证明了这个 AI 是可靠的：如果 AI 的准确度为 99%，汽车仍能安全停止，且性能上的“误差”微乎其微（在数学上，这是一个“二阶”误差，意味着微小的输入误差会导致极小的输出误差）。

5. 结果：工程师的工具箱

论文通过一个独轮车（Unicycle）（一种靠单轮平衡的机器人）展示了这一点。

他们测试了三种控制器：
1. “标准”控制器（索恩塔格公式）。
2. “定制”控制器（基于特定的成本偏好）。
3. “AI 近似”控制器（使用神经网络）。
结果： 三者都让独轮车安全停止了。然而，“定制”和“AI”控制器可以被调节得比标准控制器更加激进（停止得更快）或更加温和。AI 版本几乎与完美的定制版本完全一致，但计算速度更快。

总结

这篇论文为工程师提供了一个通用遥控器，用于稳定系统。

旧方法： 你得到一个没有按钮的遥控器。它管用，但你无法调节。
新方法： 你得到一个可以编写“激进程度”按钮的遥控器。论文提供了数学保障，确保无论你编写什么，系统都能保持安全。
AI 的点睛之笔： 他们还构建了一个智能助手，可以瞬间学习如何编写这些遥控器，这样你就无需亲自进行繁重的数学计算。

这篇论文是在埃杜阿多·索恩塔格（Eduardo Sontag） 75 岁生日之际向他致敬，他是一位该领域的巨匠，这篇论文是对他最初的“一刀切”理念的一次现代演进。

技术摘要：受控制代价参数化调控的逆最优通用稳定器族

问题陈述
本文探讨了经典通用稳定化理论（特别是 Sontag 公式）中的一个基本局限性。虽然 Sontag 公式能保证对于任何存在控制李雅普诺夫函数（CLF）的系统都具有全局渐近稳定性，但它无法为从业者提供设计自由度；它是一个单一的、无参数的实体。相反，Curtis–Beard 构造提供了一个完整的逆最优稳定控制器族，但它依赖于两个与状态相关的函数，且这两个函数对闭环瞬态过程的影响复杂且间接，难以进行解释和调优。作者旨在通过引入一个参数化的稳定反馈律族来弥补这一差距，该反馈律在提供显式设计自由度的同时，保持了严格的稳定性与逆最优性保证。

方法论
所提出的框架被称为“半直接最优”（half-direct-optimal），它反转了传统的逆最优设计顺序。传统方法是先构造一个控制器，然后再识别其所最小化的代价泛函；而本方法中，设计者首先规定一个标量函数 $\gamma(s)$ ，代表对控制输入的运行代价。

该方法通过三步构造过程，将选定的代价函数 $\gamma$ 映射到非线性“扩张器”（expander）函数 $\kappa$ ：

微分： 计算 $\gamma'$ 。
代数收缩： 定义“收缩器”函数 $\Theta(s) = s - \gamma(s)/\gamma'(s)$ 。
求逆： 定义扩张器为逆函数 $\kappa = \Theta^{-1}$ 。

给定 CLF $V(x)$ 和一个名义反馈律（例如 Freeman-Kokotovic 最小范数公式或半 Sontag 公式），最终的稳定反馈 $u^*(x)$ 通过将扩张器 $\kappa$ 应用于名义控制的幅值来构造： $u^*(x) = \text{sgn}(u_0(x))\kappa(|u_0(x)|)$ 。

为了便于实际应用，本文证明了映射 $\mathcal{K}: \gamma \mapsto \kappa$ 在相关函数空间的紧子集上是 Lipschitz 连续的。这种正则性使得整个控制器族可以由单个训练好的神经算子（具体为傅里叶神经算子）进行一致逼近。这使得离线探索设计空间以及在线自适应成为可能，而无需在每个时间步都求解无穷维的反演问题。

核心贡献

半直接最优设计范式： 本文引入了一类以控制代价 $\gamma$ 作为主要设计参数的稳定器。该族中的每一个控制器都被证明是具有预设控制惩罚 $\gamma$ 和诱导状态代价 $q(x)$ 的无限时域代价泛函的唯一极小值点。
Lipschitz 性与可学习性： 作者证明了从控制代价 $\gamma$ 到扩张器 $\kappa$ 的算子是 Lipschitz 连续的。这一理论结果保证了神经算子可以以任意精度逼近该映射，从而将理论构造转化为一种可扩展的工程工具。
近似下的稳定性与近优性： 本文确立了当使用神经算子近似扩张器时，所得反馈律保持了半全局实际渐近稳定性（SPAS）。此外，本文还量化了性能损失：诱导的状态代价失真相对于神经算子的近似误差 $\epsilon$ 是二阶扰动（ $O(\epsilon^2)$ ）。文中还推导了一个有限时域最优性界限，用于衡量近似控制器与精确控制器之间的性能差距。

结果
研究利用单轮车（unicycle）动力学模型对理论结果进行了数值验证。研究对比了三种控制器：

精确的逆最优控制器（通过二分法计算）。
神经算子近似控制器。
名义半 Sontag 控制器（二次代价）。

数值结果表明，神经算子近似在闭环轨迹上与精确解在视觉上是无法区分的。学习到的控制器成功地将系统驱动至原点，并保持了稳定性。结果证实，虽然精确的逆最优设计会产生更剧烈的瞬态过程和更快的 CLF 收敛速度（以牺牲更高的控制代价为代价），但神经近似能够忠实地复制扩张器映射，验证了使用机器学习部署这一参数化族的可行性。

意义
本文声称将通用控制从一个理论上的存在性结果转变为一种实用的工程工具。通过允许从业者选择一个编码了特定偏好（如控制激进程度或谨慎程度）的代价函数 $\gamma$ ，该框架提供了一种系统化的方式来塑造瞬态行为。“半直接最优”的特性确保了性能塑造与逆最优性之间并非对立关系，而是同一对象的内在属性。神经算子的集成使得这些控制器的“规模化”使用成为可能，从而实现了大规模的离线性能探索和在线自适应，使这些具有理论优雅性的通用稳定化技术能够应用于实际应用。

注：论文明确指出，对偶问题——即状态代价是任意的而控制代价是被诱导的——更为简单，且不在本文的研究范围之内。当前工作侧重于控制代价作为设计输入的案例。