Seminar 1: BrIAS Fellow Prof. Yilin Mo
Titel: Data-Driven Learning of a Verifiable Controller Inspired by MPC

Samenvatting: De afgelopen jaren is er aanzienlijke vooruitgang geboekt in controle op basis van machine learning, waarbij vaak algemene neurale netwerken, zoals een Multi-Layer Perceptron (MLP), worden gebruikt als geheel of als onderdeel van het controlebeleid. Ondanks hun opmerkelijke empirische prestaties maakt zelfs een matig groot neuraal netwerk het vrijwel onmogelijk om stabiliteit te certificeren of prestatiegaranties te bieden. In deze presentatie introduceren we een nieuwe klasse van leerbare controllers, geïnspireerd door Model Predictive Control (MPC). De controller lijkt op een Quadratic Programming (QP)-oplosser van een lineair MPC-probleem en is differentieerbaar met betrekking tot zijn parameters. Dit maakt het mogelijk om policy gradients te berekenen en Deep Reinforcement Learning (DRL) te gebruiken om de parameters te trainen, in plaats van deze af te leiden uit een voorspellend model zoals bij MPC. Door de structuur die aan de op QP-gebaseerde controller wordt opgelegd, kan men de eigenschappen ervan, zoals blijvende uitvoerbaarheid en asymptotische stabiliteit, verifiëren met dezelfde procedure als bij MPC-verificatie. Numerieke voorbeelden laten zien dat de voorgestelde controller qua prestatie vergelijkbaar is met MPC- en MLP-controllers, terwijl hij superieur is in robuustheid tegen modelonzekerheid en ruis. Experimenten in de praktijk, zoals bij voertuigdriftmanoeuvres, tonen het potentieel van deze controllers voor robotica en andere veeleisende controletaken.

Seminar 2: BrIAS Junior Fellow Dr. Yailen Martinez Jimenez
Titel: Toepassing van Reinforcement Learning in verschillende planningsscenario’s