⚡ electrical engineering

Approximate Relative Entropy Constraints for Nonlinear Covariance Steering Under Distribution Ambiguity

本文提出了一种分布鲁棒协方差转向框架，该框架利用相对熵约束和风险敏感量值的可计算上界，为非线性系统设计随机引导策略，在确保真实状态分布保持接近高斯代理分布的同时，减轻由分布模糊性引起的估计误差。

原作者： Trevor N. Wolf, Jay W. McMahon

发布于 2026-07-21

📖 1 分钟阅读☕ 轻松阅读

原作者： Trevor N. Wolf, Jay W. McMahon

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，你正试图驾驶一艘宇宙飞船，穿行在一场由看不见的微粒组成的混乱、旋涡状风暴之中。在太空旅行的世界里，没有任何事情是绝对可以预测的。你的引擎存在微小的误差，太空尘埃带来了颠簸，而行星的引力可能会以意想不到的方式拉扯你的飞船。因此，工程师们不仅仅是为火箭规划一条单一的直线路径；他们还为一种“可能性之云”进行规划。把这个云团想象成一个模糊、移动的气球，代表着飞船在任何时刻可能所处的位置。

对于简单的直线航行，科学家们有一个好用的技巧：他们假设这个模糊的气球始终保持圆润和平滑，就像一个完美的球体。这被称为“高斯”（Gaussian）分布。这是一个数学上的捷径，让繁重的转向计算工作变得更加容易。然而，太空很少是简单的。当飞船靠近月球或行星时，引力会变得复杂且具有非线性，将那个完美的球体拉伸成奇怪的、不对称的形状。如果你在计算时仍然假装气球是一个完美的球体，而它实际上已经变成了一个扁掉的土豆，那么你的安全计算可能会出错。你可能认为自己处于安全地带，但你的“安全区”实际上太小了，真实的飞船可能会游走到预测区域之外。本文探讨了当这种“完美球体”假设失效时，如何引导宇宙飞船的问题，确保即使在数学变得复杂的情况下，飞船依然能够保持安全。

本文的作者 Trevor N. Wolf 和 Jay W. McMahon 提出了一种处理这种不确定性的新方法。他们引入了一种名为“分布鲁棒协方差控制”（distributionally robust covariance steering）的方法。他们不再盲目信任简化的圆形气球模型，而是创建了一个安全网，用以解释真实的、混乱的云团与完美模型之间可能存在的差异。他们使用一种名为“相对熵”（relative entropy，或称 Kullback–Leibler 散度）的数学工具，来衡量真实的、混乱的云团与完美的、圆形的模型之间的“距离”。

可以这样理解：想象你正在绘制一张城市地图。你的“高斯”模型是一张完美的、网格状的地图，其中每条街道都是直的。但真实的城市拥有蜿蜒、弯曲的道路和死胡同。如果你试图仅凭这张网格地图来驾驶，你可能会迷路。作者的方法就像是一个传感器，不断检查你的网格地图与真实的、弯曲的街道之间有多大的偏差。他们不仅仅是在猜测误差的大小，他们还计算了一个严格的上界，即真实的路径可以偏离其简单模型的程度。他们称之为“模糊集”（ambiguity set）。通过保持这个“距离”较小，他们可以提供强有力的保证，即使现实世界很混乱，飞船也不会偏离计划太远。

论文开发了一个框架，用于在引导宇宙飞船的同时，主动控制这种“距离”。他们展示了通过使用一种特定类型的优化算法（称为“连续凸化”，或 SCvx），可以调整飞船的控制方式，使真实的、混乱的可能性之云紧贴其简单的、圆形的模型。他们通过创建新的规则，即“约束条件”，来实现这一点。这些规则确保了即使在简单模型并不完美的情况下，碰撞风险或飞船最终位置的误差也能保持在安全限度内。

为了测试他们的想法，作者模拟了一次极具挑战性的航程：在绕地球和月球运行的两个复杂的近直线晕轨道（NRHOs）之间转移航天器。这些轨道是非常棘手的，因为航天器会非常靠近月球，那里的引力强烈且具有非线性。在他们的模拟中，他们将这种新方法与标准方法（即仅仅假设云团保持圆形）进行了对比。

结果显示，标准方法难以让飞船保持在其预测的安全区域内。当飞船靠近月球时，真实的可能性的云团会剧烈扩张，许多模拟的飞船最终落在了简单模型所预测的 99% 置信区间之外。然而，当作者应用他们的相对熵约束时，引导系统成功地让真实的可能性之云保持紧凑并贴近计划。在一次特定的测试中，他们设定了一个严格的限制，即真实云团与模型之间的差异（相对熵界限为 1.0）。在这种约束下，飞船实际的误差保持在安全阈值之下，而标准方法则任由误差增长。

论文指出，这种方法为设计太空任务提供了一种更具原则性的方式。与其猜测要给安全裕度留出多少“活动空间”，不如通过数学告诉你在如何控制现实世界。通过控制真实分布偏离简单模型的速率，该系统可以提供对风险敏感量（例如撞击月球或错过目标的概率）的上界保证，确保这些风险保持在可接受的限度内。虽然这些结果来自于针对特定地月转移过程的计算机模拟，但作者认为，该框架为应对充满不确定性的复杂太空旅行提供了一种稳健且在数学上可靠的导航方式。

技术摘要：非线性协方差制导中基于近似相对熵约束的分布模糊性研究

问题陈述
协方差制导为设计线性随机反馈策略提供了一个高效框架，特别是对于可以表述为半正定规划的线性高斯系统。然而，将该框架扩展到非线性系统时，通常依赖于围绕名义轨迹的局部线性化，并假设状态分布保持高斯分布。这种高斯代理分布往往与真实的非线性状态分布产生显著偏差，导致对风险敏感量（如碰撞概率和均方误差 MSE）的估计不准确。虽然存在处理概率密度函数（PDF）本身不确定性的分布鲁棒控制技术，但如何原则性地选择模糊集半径（统计距离的界限）仍然是一个挑战。本研究旨在解决如何在不依赖启发式模糊集半径的情况下，为具有非线性航天器动力学的系统提供一种考虑分布模糊性的鲁棒引导框架。

方法论
作者提出了一种基于相对熵（或称 Kullback–Leibler 散度，KLD）的分布鲁棒协方差制导框架，用于量化真实状态分布 ( $\pi_t$ ) 与高斯参考代理分布 ( $\hat{\pi}_t$ ) 之间的失配。该方法通过三个主要的分析和算法步骤进行：

风险敏感量的变分界限：
利用指数积分的 Donsker-Varadhan 变分公式，作者推导出了在分布模糊性下的可计算期望量上界。具体而言，他们证明了对于任何有界函数 $g(x)$ ，其在真实分布 $\pi$ 下的期望可以通过涉及代理分布 $\hat{\pi}$ 的期望以及相对熵 $R(\pi \parallel \hat{\pi})$ 的表达式来界定。这使得能够推导出以下各项的显式上界：
- 机会约束（碰撞风险）： 通过将容许状态集定义为半空间，利用代理分布的累积分布函数（CDF）和 KLD 来界定碰撞概率。
- 均方误差（MSE）： 推导出了交付 MSE 的上界，当 KLD 趋于零时，该上界收敛于高斯代理的精确 MSE。
限制 KLD 的时间变化率：
为了使 KLD 约束在制导公式中具有可操作性，作者推导了相对熵时间变化率 $\frac{d}{dt}R(\pi_t \parallel \hat{\pi}_t)$ 的近似上界。在假设参考代理为高斯分布且模型误差主要源于结构线性化（二阶截断误差）的假设下，该变化率被证明是协方差矩阵 $P_t$ 和非线性动力学 Hessian 矩阵的函数。至关重要的是，这一界限可以通过协方差制导问题中的决策变量进行控制。
序列凸规划（SCvx）实现：
推导出的界限被整合进一个序列凸化（SCvx）算法中。相对熵上界和变分 MSE 上界被视为决策变量。这些熵的非线性动力学在上一轮凸迭代的解附近进行线性化，并引入松弛变量以确保动力学一致性。由此产生的子问题是凸半正定规划，能够同时优化反馈控制策略并调节分布失配的增长。

核心贡献

分布鲁棒框架： 本文引入了一种协方差制导框架，利用 KLD 显式地考虑了真实非线性分布与高斯代理之间的模糊性。
原则性的模糊集半径： 不同于启发式地选择模糊集半径，这项工作提供了一种通过将模糊性半径直接与非线性动力学演化和控制策略联系起来，从而确定适当界限的方法。
可计算的风险界限： 推导出的碰撞风险和 MSE 上界仅依赖于已知的代理分布和 KLD 界限，消除了对真实分布精确知识的需求。
可控的 KLD 动力学： 证明了 KLD 的时间变化率是可以被界定和控制的，且可以在标准的协方差制导公式内进行控制，从而实现了分布一致性约束的实施。

结果
所提方法在地球-月球圆限制三体问题（CRTBP）中两个近直线晕轨道（NRHO）之间的挑战性非线性航天器转移问题上得到了验证。该场景在靠近月球时具有显著的非线性特征。

相对熵目标设定： 在测试用例 #1 中，算法成功地将相对熵上界约束在预设阈值内（从 100 降至 0.1）。蒙特卡洛分析（2,500 次试验）表明，虽然标准的协方差制导会导致大量终端状态落在 99% 置信界限之外，但经过熵约束的策略保持了与设计的终端不确定性的一致性。结果显示，更紧的熵约束会导致更大的控制方差，但能显著减少真实分布与高斯代理之间的偏差。
MSE 变分约束： 在测试用例 #2 中，算法实施了针对 MSE 的变分上界。SCvx 迭代成功收敛至最优拉格朗日乘子 ( $\lambda^*$ )，由此产生的引导策略确保了经验 MSE 保持在预设约束之下，而标准方法则违反了该约束。

意义与主张
作者声称，这项工作为在分布鲁棒控制中选择模糊集半径的启发式方法提供了一种原则性的替代方案。通过通过 KLD 变化率将模糊性半径直接与非线性动力学演化相联系，该框架提供了一种系统的方法，用于设计对分布失配具有鲁棒性的随机引导策略。数值结果表明，所提方法可以提供超越传统高斯协方差制导的额外鲁棒性，特别是在线性化误差显著的高非线性机制中。论文得出结论，该框架在强制执行风险敏感性能指标的保守界限的同时，有效地调节了分布失配。

类似论文