标题： 面向控制的线性二次调节器辨识：技术报告 显示英文标题

标题： Control-Oriented Identification for the Linear Quadratic Regulator: Technical Report

摘要： 数据驱动控制受益于丰富的数据集，但当收集数据受限时，构建这样的数据集变得具有挑战性。 我们考虑一种离线实验设计方法来收集数据，其中我们设计一个控制输入以收集最能提高反馈控制器性能的数据。 我们展示了这种以控制为导向的方法如何在具有线性动力学和二次目标的环境中使用，并通过设计一个梯度估计器，利用随机梯度下降解决该问题。 我们通过数值实验表明，我们的公式优于A-最优和L-最优实验设计方法以及鲁棒双控制方法。 显示英文摘要

摘要： Data-driven control benefits from rich datasets, but constructing such datasets becomes challenging when gathering data is limited. We consider an offline experiment design approach to gathering data where we design a control input to collect data that will most improve the performance of a feedback controller. We show how such a control-oriented approach can be used in a setting with linear dynamics and quadratic objective and, through design of a gradient estimator, solve the problem via stochastic gradient descent. We show our formulation numerically outperforms an A- and L-optimal experiment design approach as well as a robust dual control approach.