IEEE Fellow, Prof. Sandra Hirche (慕尼黑工业大学) 在课题组作学术报告

我们非常荣幸地邀请到慕尼黑工业大学的 IEEE Fellow, Prof. Sandra Hirche 在我们课题组作了题为 “Online Learning Control with Robust Performance guarantees” 的精彩学术报告。

个人简介 (Biography)

Prof. Sandra Hirche 拥有慕尼黑工业大学（TUM）Liesel Beckmann 杰出教席，并自2013年起担任该校电气与计算机工程学院信息导向控制系主任。她于2002年获得柏林工业大学航空航天工程硕士学位，并于2005年获得慕尼黑工业大学电气与计算机工程博士学位。2005年至2007年，她在日本东京工业大学藤田实验室担任日本学术振兴会博士后研究员。在担任现职之前，她曾是慕尼黑工业大学的副教授。她的主要研究兴趣包括学习控制、协作控制和网络化控制，及其在人机交互、多机器人系统和通用机器人技术中的应用。她已在国际期刊、书籍和经评审的会议上发表了200多篇论文。

她曾获得多项荣誉，如因其博士论文获得的 Rohde & Schwarz 奖、2005年IFAC世界大会最佳海报奖，并与学生共同获得了2009年IEEE Worldhaptics会议和IFAC船舶操纵与控制会议的最佳论文奖，以及2018年IEEE决策与控制会议的杰出学生论文奖。2013年，她获得了欧洲研究理事会（ERC）关于“基于人类模型的控制”的启动基金（Starting Grant），并于2019年获得了关于“以人为本系统的安全数据驱动控制”的巩固基金（Consolidator Grant）。Sandra Hirche 教授是IEEE Fellow，并获得了IEEE控制系统学会杰出成员奖。她曾担任IEEE控制系统学会（CSS）负责会员活动的副主席（2014/15年）、IEEE CSS学生活动主席（2009-2014年）、CSS“CDC最佳学生论文奖”奖励小组委员会主席（2010-2014年），并当选为IEEE CSS理事会成员（2010-2013年）。她曾担任IFAC TC 1.5“网络化控制系统”的联合主席（2010-2017年），并是2020年IFAC世界大会的联合IPC主席。

报告摘要 (Abstract)

允许复杂系统在非结构化、仅部分已知且可能变化的环境中运行的控制设计，是系统与控制领域的一大挑战。应用领域包括医疗保健机器人、自主监视与救援、服务及物流。除了适应性，包括安全性在内的鲁棒性能保证是关键问题。本次报告将介绍我们在具有性能和安全保证的高度不确定系统的基于学习的控制方面的最新成果。为了实现高样本效率和系统透明度，我们将考虑一种数据增强的基于模型的方法，该方法将已知的动态模型与高斯过程相结合。在控制设计中将明确考虑由于训练数据有限而产生的认知不确定性，以实现闭环系统的鲁棒行为。在线学习以及在资源受限情况下的实时能力是另外两个重要方面，我们将为此提出新的方法。