再生核希尔伯特空间中的数据驱动随机最优控制

研究人员提出了一种针对随机扩散非线性控制仿射系统的全数据驱动最优控制方法，适用于非线性动力学和阶段成本函数均未知的场景。该方案将状态概率密度嵌入再生核希尔伯特空间（RKHS），结合算子回归与凸算子理论的 Hamilton-Jacobi-Bellman 递归，计算规模随状态维度呈线性扩展。数值实验证明其能解决包括自主水下航行器深度调节在内的多种非线性控制任务。