연구논문
두 모델의 LBMPC · 학습 성능과 강인 제약 검사 분리
학습 모델은 성능 개선에, 불확실성 경계가 있는 명목 모델은 강인 제약 검사에 사용합니다. 저자 원고는 쿼드로터 비행에서 ground effect와 의도적인 잘못된 모델 갱신을 다룬 실험을 설명합니다.
검토 기준일 2026-11-05 · 원출처·서지정보 확인
원출처의 서지정보와 자료 개요를 확인했습니다. 원문 접근 조건과 판본은 출처에 표시되어 있습니다.
- 원문 제목
- Provably safe and robust learning-based model predictive control
- 발행처
- Elsevier BV
- 저자
- Anil Aswani, Humberto Gonzalez, S. Shankar Sastry, Claire Tomlin
- DOI
- 10.1016/j.automatica.2013.02.003
- 발행일
- 2013-05
- 원문 언어
- en
- 판본
- Automatica; 2013; DOI 10.1016/j.automatica.2013.02.003
- 접근 조건
- 발행처 정보 및 공개 저자 원고
- 출판 상태
- 발행된 자료
관련 자료와 기술 해설
자료 개요
학습 모델은 성능 개선에, 불확실성 경계가 있는 명목 모델은 강인 제약 검사에 사용합니다. 저자 원고는 쿼드로터 비행에서 ground effect와 의도적인 잘못된 모델 갱신을 다룬 실험을 설명합니다.
이용 및 검토
초록과 쿼드로터 적용 절을 확인했습니다. 보고된 강인성은 불확실성 경계·모델·제약 가정에 의존하며 모든 학습 오류나 실제 로봇 고장에 대한 보호를 의미하지 않습니다.
출처와 판본
Provably safe and robust learning-based model predictive control ↗
Elsevier BV · Automatica; 2013; DOI 10.1016/j.automatica.2013.02.003
Automatica bibliography; arXiv:1107.2487v2 abstract and High Performance Quadrotor Helicopter Flight section, https://arxiv.org/abs/1107.2487v2.