神经网络控制器可继承鲁棒MPC保证的认证近似框架

2026年10月21日，arXiv cs.AI/cs.LG 发布一项研究，提出面向鲁棒非线性模型预测控制（MPC）的认证神经网络近似框架。该方法在MPC设计中把近似误差当作有界输入扰动纳入，使神经网络控制器在部署前即可继承原鲁棒MPC的安全性与稳定性保证；只要给定 Lipschitz 界，就能离线构造，并保持递归可行性。仿真显示，学到的控制器复现原控制器的闭环行为，同时降低在线计算量。该工作目前以预印本形式出现，报道未提及同行评议或后续实验进展。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。