【阅读随笔】Model-based Reinforcement Learning from Signal Temporal Logic Specifications

参考文献： P. Kapoor, A. Balakrishnan, and J. V. Deshmukh, “Model-based Reinforcement Learning from Signal Temporal Logic Specifications.” arXiv, Nov. 10, 2020. doi: 10.48550/arXiv.2011.04950.

Outline

• 用DNN来学习系统动态，用于MPC的轨迹生成

• 优化目标为STL的量化语义

• 结合MBRL和MPC得到优化轨迹

---

Remarks

• 推荐程度：1

• 和篇文章和强化学习没有半毛钱关系，查了一下果不其然被挂了

---

Problem Formulation

Model-based RL分两个部分，学模型和学策略

(Kapoor et al., 2020, p. 2)

---

Details

学模型

• 随机采样获取轨迹，将$(s_t,a_t,s_{t+1})$作为训练数据

• 优化目标：平方误差和

• 优化算法：stochastic gradient descent

学策略

基于上面学出来的模型进行MPC？

(Kapoor et al., 2020, p. 3)

• 系统动态作为约束

• 鲁棒度为目标函数

• 用CMA-ES求解（一种进化算法）

  CMA-ES 算法初探_UQI-LIUWJ的博客-CSDN博客_cma-es

---