最优控制碎碎念
欢迎来到「最优控制碎碎念」系列!本系列融合施凌老师的 协同感知、Zachary Manchester 的 最优控制、高飞老师的 轨迹规划 以及 Pieter Abbeel 的 深度强化学习 等课程精华,通过严谨的数学推导,构建一个从经典控制到现代强化学习的完整知识体系。我们将从最优感知与控制的基础理论出发,系统探讨模型预测控制、轨迹规划等核心主题,并深入解析深度强化学习在控制领域的前沿进展。
1. 最优状态估计
- 系统能控性与能观性
- 最优估计的准则
- 递推贝叶斯滤波框架
- 卡尔曼滤波器实现
- 扩展卡尔曼滤波器
- 无迹卡尔曼滤波器
- 粒子滤波器
2. 最优控制基础
- 最优控制导论
- 基于极值原理的解析解
- 基于动态规划的数值解
- LQR 的变分法推导
- LQR 的凸优化形式化
- Riccati 方程的性质与求解
- 控制与滤波的对称美
