多步策略梯度预测控制器

无需模型

利用多步策略梯度强化学习直接从数据中学习预测控制策略，无需系统动力学模型。

杨新电 · 张皓 · 王祝萍 · 严怀成 · 张长柱

IEEE Transactions on Cybernetics 2023

技术优势

完全无需模型

算法设计不依赖系统动力学知识，只需离线与在线数据。

多步策略梯度保障最优

将预测控制建模为时域上多智能体的合作博弈，从理论上保证策略最优性。

神经网络实时执行

分别用神经网络逼近动作-状态值函数和控制策略，训练完成后即可在线部署。

应用场景

• 机器人运动控制：无需动力学模型，直接数据驱动实时运动控制。
• 工业过程控制：从过程数据学习最优预测策略，避免复杂建模。
• 智能车辆控制：多步强化学习可实时优化车辆控制输入。
• 具身智能体实时控制：具身智能体无需环境模型即可实时决策。