arXiv eess.SY 系统与控制· Thomas Banker, Nathan P. Lawrence, Ali Mesbah·· 5 小时前精选AI 评分51
Soft MPCritic：面向不可微预测控制的价值强化学习框架
Soft MPCritic: Value-Based Reinforcement Learning for Non-Differentiable Predictive Control
AI 导读
论文提出 Soft MPCritic，一个 MPC-RL 框架，学习软价值函数并用基于采样的规划同时进行在线控制和生成价值目标。该框架用 MPPI 实现实例化并通过拟合价值迭代学习终端 Q 函数，引入摊销热启动策略复用在线控制中规划的开环动作序列以降低计算成本，并在动力学模型集成上按场景规划以应对模型误差。
推荐理由
论文说明了价值目标与控制共用同一规划器的对齐机制，读者可据此理解其如何扩展有限时域方法的适用范围。
来源：arXiv eess.SY 系统与控制 · arxiv.org