Talk|加州理工学院在读博士石冠亚分享NeurIPS'20工作：在线优化、控制和学习的结合

2021-01-27 11:37 作者:TechBeat人工智能社区 0人读过 | 我要投稿

本周为将门-TechBeat技术社区第277期线上Talk，也是NeurIPS 2020系列Talk第⑨弹！

北京时间1月28日(周四)晚8点，加州理工学院计算与数学科学系在读博士生—石冠亚的Talk将准时在将门TechBeat技术社区开播！

他与大家分享的NeurIPS 2020工作主题是: “在线优化、控制和学习的结合: 鲁棒性和复杂度分析”。届时将通过分享相关工作，带领大家重新思考控制、优化和学习的内在关联。

三分钟短视频解锁Caltech Lab Tour！

走钢丝的小机器人祝大家新年快乐！

👇

Talk·信息

▼

主题：在线优化、控制和学习的结合:

鲁棒性和复杂度分析

嘉宾：加州理工学院计算与数学科学系

在读博士生石冠亚

时间：北京时间 1月28日 (周四) 20:00

地点：将门TechBeat技术社区

http://www.techbeat.net/

长按识别二维码，一键完成预约！

Talk·提纲

▼

随着控制理论和数据科学的发展，复杂系统的控制问题取得了越来越多的进展(比如以波士顿动力为代表的复杂机器人控制，以及以OpenAI为代表的多模态智能机械臂)。复杂动态系统的控制问题往往有三个视角：优化(optimization)，学习(learning)，以及控制(control)。传统的分析方法一般将三者分割开来，使用不同的指标(metric)来分析不同的模块，而忽视了它们之间的相互作用和内在关联。重新思考控制、优化和学习的内在关联，不仅有利于开发新的理论工具和建立新的研究视角，也可以为真实复杂动力系统的控制问题提供理论基石。

本次分享的主要内容如下：

1. 在线优化、在线控制和在线学习的基本框架和相关理论

2. 伴随记忆的在线凸优化(online convex optimization with memory)与在线控制的结合

3. 经典在线控制算法(模型预测控制，MPC)的复杂度分析

Talk·参考资料

▼

这是本次分享中将会提及的资料，建议提前预习哦！

1. Online Optimization with Memory and Competitive Control

https://proceedings.neurips.cc/paper/2020/file/ed46558a56a4a26b96a68738a0d28273-Paper.pdf

2. The Power of Predictions in Online Control

https://proceedings.neurips.cc/paper/2020/file/155fa09596c7e18e50b58eb7e0c6ccb4-Paper.pdf

3. Competitive Control with Delayed Imperfect Information

https://arxiv.org/pdf/2010.11637

Talk·提问交流

▼

方式 ①

在Talk界面下的【交流区】参与互动！留下你的打call🤟和问题🙋，和更多小伙伴们共同讨论，说不定就被讲者直接翻牌解答了呢！

你的每一次贡献，我们都会给予你相应的i豆积分，还会有惊喜奖励哦！

方式 ②

在本文留言区直接提出你的问题，或扫描下方二维码提问！问题被选中的小伙伴们将获得一个红包奖励！

Talk·嘉宾介绍

▼

石冠亚，本科毕业于清华大学，目前在加州理工学院计算与数学科学(CMS)系的控制与动力系统(CDS)方向攻读博士学位。他的主要研究方向是控制理论和机器学习的结合，以及在真实世界复杂动力系统中的应用。他在ICRA、L4DC、NeurIPS、RAL等多个机器人、控制和机器学习的顶级会议/期刊发表论文十余篇，研究成果多次被雅虎新闻、ImportAI、Engadget、Caltech新闻等多家媒体报道。他曾先后在商汤科技深度学习算法组和英伟达AI算法组实习。

个人主页：
http://www.gshi.me/