面向非线性时间最优MPC的实时神经模仿架构
An Integrated Architecture for Data-Efficient Real-Time Neural Imitation of Nonlinear Time-Optimal Model Predictive Control
AI 摘要
研究团队提出一套数据高效的实时神经模仿架构,用学习到的时间余量引导专家采样(SIFS),仅在策略偏离时间最优行为处查询长时域非凸TOMPC专家,并联合处理数据集相关性与次优专家标签问题;在受限快速动态系统上以显著更低的在线算力与训练数据生成成本,逼近TOMPC的控制性能。
标题与摘要由 AI 根据原文自动生成,可能存在偏差;具体数据与结论请以原文为准。