成电讲堂

　　5月15日，IEEE Fellow、香港理工大学教授、英国机械工程师学会和英国工程技术学会会士陈文华教授做客“名师讲堂”，作题为“Active Learning in uncertain Environments: Dual Control for future robots and autonomous systems”的精彩报告，并与我校师生介绍了一种新的主动学习方法，即开发和勘探双重控制(DCEE)，用于解决这类自动优化控制问题。本次学术活动由自动化工程学院熊文军教授主持。

　　陈文华教授表示，对于在未知或不断变化的环境中运行的自主系统，需要设计一个控制系统，使其始终以最佳性能运行。他介绍了开发和勘探双重控制，通过双重控制策略实现未来机器人和自主系统的主动学习。陈文华教授以自动驾驶技术为案例，系统阐释了DCEE与传统优化控制的本质差异。首先在目标函数设计层面，DCEE聚焦于外部环境动态的不确定性建模与主动学习，而传统方法主要针对系统内部参数摄动和瞬时扰动的鲁棒性优化；其次在系统特性上，DCEE适用于具有高阶复杂动力学特性的被控对象，其决策框架具备多时间尺度的前瞻性规划能力，相较之下传统控制更侧重短时域的系统调节。陈教授进一步将DCEE与强化学习进行对比：前者通过贝叶斯推理框架实现了环境认知与最优控制的统一，可严格证明闭环系统的稳定性和算法收敛性，而强化学习虽在复杂环境适应方面表现突出，但其理论保证机制尚未完全建立，尤其在安全关键场景中仍存在验证难题。这种理论完备性差异使得DCEE在自动驾驶等高风险领域展现出独特的应用优势。陈教授深入剖析了该框架的技术优势，着重指出其在无人系统自主决策领域具有范式创新价值——特别是在非结构化动态环境中，系统可通过实时环境认知重构与风险感知机制，突破传统基于模型控制的性能边界。他进一步阐释，该研究不仅构建了开放环境下的智能体认知-决策统一理论框架，更通过可解释的数学证明为智能控制系统可靠性验证提供了新方法论，标志着智能控制从经验驱动向认知进化的重大理论突破。

　　交流环节中，陈文华教授与师生围绕控制领域的诸多问题展开了深入探讨，对师生们提出的疑问进行了详细解答，为师生们提供了极具价值的科研思路。